Definiciones y términos para la IA
La terminología de IA puede ser compleja, así que aclaremos algunas definiciones. Al leer nuestras publicaciones, es posible que vea términos como «aprendizaje automático», «aprendizaje profundo», «modelos» o «formación». El aprendizaje automático frente al aprendizaje profundo es un área común de confusión para aquellos que no están familiarizados con las técnicas de IA.
El aprendizaje automático consiste en un conjunto de algoritmos que aprenden automáticamente de los datos. El aprendizaje profundo es un tipo de aprendizaje automático que sobresale en la resolución de problemas con alta dimensionalidad (donde el número de características es mucho mayor que el número de observaciones). La visión por ordenador y el procesamiento del lenguaje natural entran en esta categoría. El aprendizaje profundo utiliza una familia de modelos inspirados en la estructura y el funcionamiento del cerebro (redes neuronales artificiales) que aprenden efectivamente a extraer características relevantes de los datos. El resultado de entrenar un algoritmo de aprendizaje automático es un "modelo" predictivo que se puede usar para generar metadatos adicionales a partir del contenido.
Por ahora todos sabemos acerca de los modelos de datos, como el modelo de datos de Europeana. Son un mecanismo que ayuda a las instituciones de patrimonio a estructurar metadatos relacionados con objetos patrimoniales. Pero, ¿a qué nos referimos cuando hablamos de un modelo de IA? Es un algoritmo que ha sido entrenado para realizar una determinada tarea, por ejemplo, para determinar si está viendo una manzana o una naranja. Se le formará para buscar las características clave de las manzanas y las naranjas y para saber si son exactas o no. Este es un ejemplo rudimentario, pero el principio es el mismo que se amplía, solo que requiere muchos más datos.
IA para el patrimonio cultural
Con nuestro ejemplo de manzanas y naranjas, ya puede comenzar a imaginar cómo la IA es valiosa para el patrimonio cultural. La IA tiene la capacidad de generar grandes cantidades de datos que pueden utilizarse para enriquecer las colecciones del patrimonio, lo que las hace más fáciles de explorar, para que las personas puedan encontrar lo que buscan, los institutos puedan vincularse con otras colecciones y mucho más.
Y dado que ya hay tantos datos y materiales digitalizados del patrimonio cultural que han sido descritos por expertos en patrimonio de confianza, la calidad de los datos es extremadamente valiosa. Por ejemplo, en lugar de recoger 100 000 pinturas aleatorias de Internet y formar un modelo contra ellas para reconocer el «arte impresionista», puede utilizar materiales patrimoniales que ya podrán dar pistas y orientaciones para su precisión. Pero la IA va más allá de las pinturas: actualmente se está aplicando en todos los ámbitos del material del patrimonio cultural, desde la imagen en 3D, el sonido, el vídeo y el texto.
AI y Europeana
Para Europeana, el potencial que tiene la IA para mejorar la calidad de los datos, un punto de dolor continuo para los usuarios de la recopilación, podría ofrecer oportunidades emocionantes. En la Estrategia Europeana 2020-2025, la IA se destaca varias veces como un medio para lograr el fin de la mejora de la calidad de los datos. El plan establece:
«Mejorar manualmente la calidad de los metadatos de millones de registros de diferentes fuentes requiere una gran cantidad de tiempo y recursos. La aplicación de herramientas de inteligencia artificial y redes de aprendizaje automático para el enriquecimiento automático, combinadas con el conocimiento humano proporcionado por expertos en el ámbito, ofrece una oportunidad notable para mejorar la calidad de los metadatos».
Pero con gran poder, viene una gran responsabilidad. La IA plantea numerosos desafíos éticos que deben considerarse de cerca. En la actualidad existen varias iniciativas en toda Europa que examinan las preocupaciones éticas de la IA y Europeana trabajará en consonancia con las directrices éticas de la Comisión Europea para una IA fiable.
En las próximas semanas, compartiremos actividades, incluidos los resultados de la IA de EuropeanaTech en relación con el Grupo de Trabajo GLAM y el desafío abierto del Grupo de Trabajo para la creación de conjuntos de datos de aprendizaje automático basados en datos de Europeana, así como para explorar proyectos de patrimonio cultural relacionados con la IA. Leerás sobre el trabajo que se realiza internamente en la Fundación Europeana, y como marzo es el Mes de la Historia de la Mujer, también destacaremos y entrevistaremos a mujeres que lideran proyectos e investigaciones en el ámbito de la IA y el sector del patrimonio cultural.
Siga consultando las noticias de Europeana Pro para obtener más información y únase a la comunidad EuropeanaTech para participar en el trabajo de Europeana.