Som det blev undersøgt gennem Europeana Pro-nyhederne tidligere i år, har kunstig intelligens et enormt potentiale for kulturarvssektoren. Det giver mulighed for at generere omfattende datamængder for at berige kulturarvssamlinger, hvilket gør dem lettere at udforske og sammenkoble. Fra december 2019 havde EuropeanaTech AI i forbindelse med GLAM-taskforcen til formål at foretage en horisontafsøgning for at undersøge denne teknologis rolle og indvirkning i sektoren og få en større forståelse af projekter, der anvender den.
Undersøgelse af sektoren
I september 2020 undersøgte taskforcen fagfolk, der arbejder i gallerier, biblioteker, arkiver og museer (GLAM'er), forskningsinstitutioner og den bredere industri (herunder teknologileverandører og de kreative industrier). Undersøgelsen modtog 56 svar, og resultaterne giver værdifuld indsigt i anvendelsen af kunstig intelligens i kulturarvssektoren.
Næsten alle respondenterne (91,8 %) var interesserede i mindst ét AI-emne, og mere end halvdelen af dem (54 %) havde ekspertise på dette område. Flere delte, at de allerede arbejdede på AI-relaterede projekter, som hovedsagelig var rettet mod digitalisering og opdagelse. Mange mennesker rapporterede imidlertid også om udfordringer i forbindelse med arbejdet med kunstig intelligens, navnlig med hensyn til de færdigheder og den ekspertise, som projekter krævede af personalet, og mangel på passende kommenterede uddannelsesdata.
Indsigt fra interviews
Ud over undersøgelsen interviewede taskforcen otte fagfolk inden for kulturarv fra forskellige EU-institutioner. Deres svar giver rige perspektiver på de tilgange, som kulturarvsinstitutioner anvender til kunstig intelligens, og medtages som casestudier i rapporten.
Alle, der blev interviewet, var enige om, at kunstig intelligens har et stort potentiale for kulturarv, og ønskede at undersøge brugen af den yderligere. Det fremgik klart af mange svar, at kunstig intelligens vil spille en stadig større og værdifuld rolle i alle kulturelle organisationers aktiviteter, navnlig med hensyn til adgang, udtræk af metadata og berigelse. Som i undersøgelsen henviste mange mennesker imidlertid til udfordringer, når de arbejder med kunstig intelligens, og understregede behovet for samarbejde på tværs af tjenestegrenene, den udfordrende mangel på data med passende anmærkninger og kompleksiteten ved at integrere kunstig intelligens i den eksisterende infrastruktur. De gav også udtryk for betænkeligheder med hensyn til etik, og hvordan værdien af at anvende kunstig intelligens bedst kan påvises og formidles.
Overvejelser om rapporten: udfordringer og muligheder
Det fremgår klart af denne taskforces resultater, at AI- og maskinlæringsprojekter allerede gennemføres i GLAM'er og har været det i flere år, selv om de ikke altid har været synlige. Vi håber, at resultaterne af denne taskforce vil være en måde at dele og fremme dette arbejde på!
Selv om vi har set en åbenlys interesse for og entusiasme for kunstig intelligens i hele sektoren, er der også hindringer. Folk rapporterede, at det kan tage lang tid, før resultaterne af en AI-strategi eller -forskning bliver synlige, hvilket betyder, at det nogle gange kan være en udfordring at overbevise organisationer om nødvendigheden af arbejdet. Rapporten giver indsigt i de vigtigste udfordringer, som GLAM'er står over for, lige fra adgang til uddannelsesdata, etiske overvejelser og spørgsmål vedrørende opskalering af projekter til implementeringer i hele institutionen. Kunstig intelligens ses ikke som en "hurtig teknologiløsning" for humaniora, og netop på grund af dette tidskrævende aspekt synes data- og videndeling at være afgørende for fortsættelsen og succesen af disse projekter.
Fremtidige planer
EuropeanaTech-fællesskabet vil fortsat støtte udveksling af viden om kunstig intelligens og søge yderligere samarbejde med andre initiativer for at øge dens virkning. Taskforcen og EuropeanaTech-styringsgruppen har skitseret handlingspunkter for dette fremtidige arbejde, som fokuserer på temaerne videnudveksling, datadeling og strategisk input:
Vi ønsker at opnå vidensudveksling gennem EuropeanaTech x AI webinar serien og ved at organisere andre arrangementer, der fokuserer på specifikke emner og samarbejder med Cultural AI Lab, AI4LAM og The Museums + AI Network. Hvis du har en idé, kan du kontakte Europeanas forsknings- og udviklingschef Antoine Isaac, [email protected].
I forlængelse af EuropeanaTech-udfordringen for AI/ML-datasæt er Europeana begyndt at offentliggøre datasæt af potentiel interesse for AI-applikationer under Europeana-fællesskabsparaplyen i Zenodo. Det første bidrag er et stilklassifikationsdatasæt fra V4Design-projektet.
Strategisk input vil bygge på overvejelserne i denne endelige rapport, herunder integration og sammenkobling af nye AI-systemer i eksisterende systemer, offentlig udveksling af modeller, der er uddannet på områder, der er specifikke for kulturarvssamlinger, gennemførelse af AI på en måde, der tager hensyn til etiske og juridiske aspekter, og reduktion af uddannelsesmodellers og behandlings CO2-fodaftryk i stor skala.
Fortsæt med at følge EuropeanaTech's arbejde for at undersøge, hvordan dette skrider frem, og download og læs rapporten i sin helhed!