Σχετικά με την κλήση
Μέθοδοι από τον τομέα της τεχνητής νοημοσύνης και της μηχανικής μάθησης (AI/ML) έχουν συμβάλει στη διεύρυνση των τεχνολογικών ορίων σε διάφορους τομείς, μεταξύ άλλων στον τομέα της πολιτιστικής κληρονομιάς (βλ. παραδείγματα στην ενδιάμεση έκθεση της EuropeanaTech AI σε σχέση με την ειδική ομάδα GLAM ή την πρωτοβουλία AI4LAM).
εποπτεύονται πολλές μέθοδοι ΤΝ/ML που παρουσιάζουν ενδιαφέρον για εφαρμογές σε GLAM· για παράδειγμα, εργάζονται εκπαιδεύοντας έναν προγνωστικό δείκτη (όπως ένα νευρωνικό δίκτυο) χρησιμοποιώντας την αλήθεια του εδάφους (ιδανικά και αναμενόμενα αποτελέσματα) ή επισημασμένα δεδομένα, από τα οποία η μέθοδος είναι σε θέση να μάθει και να συναγάγει ένα μοντέλο. Προκειμένου το μοντέλο να γενικεύει καλά και να εκτελεί ακριβείς προβλέψεις για ένα ευρύ φάσμα εισροών, τα δεδομένα εκπαίδευσής του πρέπει να είναι επαρκούς όγκου, ποιότητας και αντιπροσωπευτικά για τον τομέα από τον οποίο λαμβάνεται δείγμα. Διαφορετικά, υπάρχει κίνδυνος υπερπροσαρμογής (το μοντέλο θα κάνει μόνο καλές προβλέψεις για εισροές που είναι πολύ παρόμοιες με τα δεδομένα κατάρτισης) ή εισαγωγής προκαταλήψεων, γεγονός που όχι μόνο θα μειώσει τη γενική δυνατότητα εφαρμογής και τις επιδόσεις του μοντέλου, αλλά μπορεί επίσης να συνεπάγεται ηθικά προβληματικές ή άλλως ακούσιες παρενέργειες.
Ο τομέας GLAM είναι σε καλή θέση για την υιοθέτηση της ΤΝ/ML, υπό την έννοια ότι τα επιμελημένα και ποικίλα δεδομένα επαρκούς όγκου, ποιότητας και ποικιλομορφίας με τη μορφή ψηφιακών συλλογών από GLAM (όπως αυτά που συγκεντρώνονται και παρέχονται από την Europeana), είναι πλέον ευρέως διαθέσιμα βάσει ανοικτών αδειών. Αυτό που λείπει επί του παρόντος είναι η ευρύτερη διαθεσιμότητα συνόλων δεδομένων από τον τομέα GLAM που είναι κατάλληλα για άμεση χρήση στο πλαίσιο της έρευνας και ανάπτυξης ΤΝ/ΜΛ. Η διαθεσιμότητα αυτών των ανοικτών συνόλων δεδομένων θα μπορούσε όχι μόνο να συμβάλει στην προώθηση της μεγαλύτερης συμμετοχής στα δεδομένα ψηφιακής πολιτιστικής κληρονομιάς στον τομέα της ΤΝ/ML, αλλά και να στηρίξει τη μεταφορά των πρόσφατων εξελίξεων στον τομέα της ΤΝ/ML στον τομέα της ψηφιακής επιμέλειας και ανάλυσης του περιεχομένου πολιτιστικής κληρονομιάς. Από την άλλη πλευρά, η περαιτέρω πρόοδος στον τομέα της ΤΝ/ML συχνά συμβαδίζει με την κυκλοφορία νέων συνόλων δεδομένων υψηλής ποιότητας.
Ως εκ τούτου, η EuropeanaTech προσκαλεί προτάσεις για τη συναρμολόγηση κατάλληλων συνόλων δεδομένων ΤΝ/ML, με βάση τις εκτεταμένες συλλογές στον ιστότοπο της Europeana. Αναζητούμε προτάσεις για τη δημιουργία μεγάλων, καλά τεκμηριωμένων συνόλων δεδομένων που διαμορφώνονται για άμεση αφομοίωση για σκοπούς ΤΝ/ML (όπως η κατάρτιση μοντέλου) και τα οποία μπορούν να δημοσιοποιούνται σε σχετικές επιγραμμικές πλατφόρμες βάσει ανοικτών αδειών.
Θα απονείμουμε στις δύο νικήτριες προτάσεις χρηματικό επίδομα ύψους 2.500 ευρώ για την υποστήριξη της παραγωγής, της τεκμηρίωσης και της δημοσίευσης των συνόλων δεδομένων. Οι νικητές των βραβείων θα κληθούν να παρουσιάσουν τις συνεισφορές τους σε μελλοντική (διαδικτυακή) εκδήλωση της Europeana και να υποβάλουν κείμενο προς δημοσίευση σχετικά με τα αποτελέσματά τους.
Πώς να υποβάλετε αίτηση
Για να υποβάλετε αίτηση, διαβάστε τις παρακάτω κατευθυντήριες γραμμές υποβολής και υποβάλετε πρόταση έως τις 15 Φεβρουαρίου 2021, ώρα 23:59 (ώρα Κεντρικής Ευρώπης). Οι προτάσεις πρέπει να περιγράφουν με λιγότερες από 1.500 λέξεις:
Το επιδιωκόμενο περιεχόμενο του συνόλου δεδομένων (όσον αφορά τον όγκο, τα είδη περιουσιακών στοιχείων, τον σχολιασμό κ.λπ.)
Η διαδικασία που σκοπεύετε να ακολουθήσετε για την παραγωγή του συνόλου δεδομένων
Πόσο σημαντική είναι για την ΤΝ/ML.
Οι προτάσεις θα πρέπει επίσης να περιλαμβάνουν πρόταση για πιθανή περίπτωση χρήσης, υποστηριζόμενη από προεκπαιδευμένο μοντέλο με επίδειξη ή αξιολόγηση των αποτελεσμάτων του. Σε περίπτωση αποδοχής, πρέπει να είναι εφικτή η παραγωγή και η δημοσίευση του συνόλου δεδομένων και όλης της απαραίτητης τεκμηρίωσης και των τεχνικών πόρων πριν από τις 30 Ιουνίου 2021.
Οι συλλογές ευρωπαϊκής πολιτιστικής κληρονομιάς υπόκεινται συνήθως σε προκαταλήψεις και συνεπάγονται δεοντολογικά ζητήματα. Ενώ αυτό μπορεί να επηρεάσει αρνητικά τις λύσεις τεχνητής νοημοσύνης και μηχανικής μάθησης, η τεχνητή νοημοσύνη και η μηχανική μάθηση θα μπορούσαν επίσης να χρησιμοποιηθούν για την αποκάλυψη αυτών των ζητημάτων. Τα ζητήματα αυτά ενδέχεται να μην ξεπεραστούν στο πλαίσιο της παρούσας πρόσκλησης, αλλά σας συμβουλεύουμε να τα τεκμηριώσετε και να τα συζητήσετε.
Τα σύνολα δεδομένων ΠΡΕΠΕΙ:
να αντλούνται από δεδομένα που περιλαμβάνονται στις διάφορες συλλογές που παρέχονται μέσω της Europeana·
Συμπεριλάβετε μόνο μεταδεδομένα που είτε δημιουργούνται από εσάς είτε προέρχονται από την Europeana. Τα μεταδεδομένα που προκύπτουν πρέπει να αδειοδοτούνται βάσει του Creative Commons Zero·
συντάσσονται σε μηχαναγνώσιμο μορφότυπο, συμπεριλαμβανομένης της τεκμηρίωσης και της προέλευσης·
Δεν έχουν δημοσιευτεί στο παρελθόν. Εάν έχουν δημοσιευθεί προηγουμένως, τα βήματα πρέπει να είναι λεπτομερή ως προς τον τρόπο βελτίωσης και χρήσης του νέου συνόλου δεδομένων·
Περιλαμβάνεται περιγραφή μίας ή περισσότερων περιπτώσεων προβλεπόμενης χρήσης του συνόλου δεδομένων.
Τα σύνολα δεδομένων ΠΡΕΠΕΙ:
περιλαμβάνουν μόνο περιουσιακά στοιχεία μέσων με άδεια συμβατή με τη βαθμίδα περιεχομένου 3 του πλαισίου εκδόσεων της Europeana·
Αποσαφήνιση της σχέσης και της συμβολής στις βέλτιστες πρακτικές ΤΝ και ΞΧ και στις πλέον σύγχρονες πρακτικές στο πλαίσιο της ψηφιακής πολιτιστικής κληρονομιάς·
περιλαμβάνει προεκπαιδευμένο μοντέλο που προκύπτει από την εφαρμογή [με τη χρήση βασικής μεθόδου ML/AI για (μία από) τις περιπτώσεις προβλεπόμενης χρήσης] και επίδειξη της χρήσης του εν λόγω μοντέλου ή της αξιολόγησης των αποτελεσμάτων του·
Καταγράψτε ή συζητήστε πιθανά ηθικά ζητήματα και προκαταλήψεις.
Τα σύνολα δεδομένων ΜΠΟΡΟΥΝ:
περιλαμβάνουν πρόσθετους εμπλουτισμούς και βελτιώσεις επιμελητών, όπως σχολιασμό δεδομένων, επισήμανση ή διασταύρωση με άλλους (ψηφιακούς) πόρους, υπό την προϋπόθεση ότι ολοκληρώνονται πριν από τη δημοσίευση του συνόλου δεδομένων και ότι εφαρμόζονται κατάλληλα μέτρα ελέγχου της ποιότητας·
Αποτελούν μέρος μιας δημοσίευσης σε περιοδικό ή συνέδριο που έχει αξιολογηθεί από ομοτίμους.
Πρέπει να παρέχεται βασική τεκμηρίωση για τεχνικές λύσεις και κάθε παραγόμενο λογισμικό πρέπει να διατίθεται υπό άδεια ανοικτού κώδικα.
Βασικές ημερομηνίες
Η πρόσκληση ανοίγει: 8 Ιανουαρίου 2021
Προθεσμία υποβολής προτάσεων: 15 Φεβρουαρίου 2021, ώρα 23.59 (ώρα Κεντρικής Ευρώπης)
Κοινοποίηση αποδοχής: 1 Μαρτίου 2021
Δημοσίευση συνόλου δεδομένων: 30 Ιουνίου 2021
Κριτήρια ανάθεσης
Οι υποβολές θα επανεξεταστούν από την ειδική ομάδα για την τεχνητή νοημοσύνη EuropeanaTech στο πλαίσιο των GLAM και από τη συντονιστική ομάδα της κοινότητας EuropeanaTech με βάση:
Συνάφεια της περίπτωσης χρήσης για την κοινότητα GLAM: 25%
Συνάφεια του συνόλου δεδομένων για ΤΝ/ML σε σχέση με την περίπτωση χρήσης: 25%
Σαφής ορισμός του περιστατικού/δείγματος χρήσης σε σχέση με την Europeana: 30%
Σαφήνεια στην περιγραφή του συνόλου δεδομένων: 20%
Επιλεξιμότητα
Επισήμως, τα κονδύλια δεν θα διατεθούν σε ιδιώτες, αλλά σε ιδρύματα, τα οποία μπορεί να είναι ιδρύματα πολιτιστικής κληρονομιάς ή ερευνητικά ιδρύματα, συμπεριλαμβανομένων των πανεπιστημίων. Ένας εκπρόσωπος από κάθε βραβευόμενο ίδρυμα θα κληθεί να υπογράψει σύμβαση υπεργολαβίας με το Ίδρυμα Europeana.
Οι υποψήφιοι πρέπει να είναι εγκατεστημένοι σε κράτος μέλος της ΕΕ.
Οι υποψήφιοι πρέπει να είναι μέλη της κοινότητας EuropeanaTech και της Europeana Network Association. Εάν δεν είστε ήδη μέλος, μπορείτε να μάθετε πώς μπορείτε να συμμετάσχετε.
Ως εκ τούτου, η κατακύρωση είναι το ακαθάριστο ποσό που περιλαμβάνει τον ΦΠΑ.
Οι εταίροι του έργου Europeana DSI-4 δεν είναι επιλέξιμοι για χρηματοδότηση. Ο πλήρης κατάλογος είναι διαθέσιμος εδώ.
Συνιστώμενη ανάγνωση
Η σελίδα αυτή τροποποιήθηκε στις 19/01/2021 ώστε να αντικατοπτρίζει την παράταση της προθεσμίας από τις 31 Ιανουαρίου 2021 έως τις 15 Φεβρουαρίου 2021. Επεξεργάστηκε στις 16/4/2021 ώστε να αντικατοπτρίζει την παραταθείσα προθεσμία για την παράδοση των συνόλων δεδομένων των νικητών έως τον Ιούνιο του 2021.