Tehisintellekti mõisted ja mõisted
Tehisintellekti terminoloogia võib olla keeruline, seega selgitame mõningaid määratlusi. Meie postitusi lugedes võite näha selliseid mõisteid nagu „masinõpe“, „süvaõpe“, „mudelid“ või „koolitus“. Masinõpe vs süvaõpe on levinud segadust tekitav valdkond nende jaoks, kes ei tunne tehisintellekti tehnikaid.
Masinõpe koosneb algoritmide kogumist, mis õpivad automaatselt andmetest. Süvaõpe on masinõppe tüüp, mis on suurepärane suure dimensioonilisusega probleemide lahendamisel (kus funktsioonide arv on palju suurem kui vaatluste arv). Sellesse kategooriasse kuuluvad arvutinägemine ja loomuliku keele töötlemine. Süvaõpe kasutab mudelite perekonda, mis on inspireeritud aju struktuurist ja toimimisest (kunstlikud närvivõrgud), mis õpivad tõhusalt andmetest asjakohaseid funktsioone välja võtma. Masinõppe algoritmi treenimise tulemus on ennustav "mudel", mida saab kasutada sisust täiendavate metaandmete genereerimiseks.
Praeguseks oleme kõik teadlikud andmemudelitest, nagu Europeana andmemudel. See on mehhanism, mis aitab kultuuripärandiasutustel struktureerida kultuuripärandi objektidega seotud metaandmeid. Aga mida me mõtleme, kui räägime AI-mudelist? See on algoritm, mida on koolitatud tegema teatavat ülesannet, näiteks tegema kindlaks, kas see näeb õuna või apelsini. Seda õpetatakse otsima õunte ja apelsinide põhiomadusi ning seda, kas need on täpsed või mitte. See on algeline näide, kuid põhimõte on sama, mis suurendate - see nõuab lihtsalt palju rohkem andmeid.
Tehisintellekt kultuuripärandi heaks
Meie õunte ja apelsinide näitel võite juba ette kujutada, kuidas tehisintellekt on kultuuripärandi jaoks väärtuslik. Tehisintellekt suudab luua ulatuslikke andmehulki, mida saab kasutada pärandikogude rikastamiseks, muutes nende uurimise lihtsamaks, et inimesed leiaksid, mida nad otsivad, instituudid saaksid ühendada teiste kogudega ja palju muud.
Ja kuna juba praegu on nii palju digiteeritud kultuuripärandi andmeid ja materjale, mida on kirjeldanud usaldusväärsed kultuuripärandi eksperdid, on andmete kvaliteet äärmiselt väärtuslik. Näiteks selle asemel, et valida internetist 100 000 juhuslikku maali ja treenida nende vastu mudelit „impressionistliku kunsti“ äratundmiseks, võite kasutada pärandmaterjale, mis juba annavad vihjeid ja juhiseid täpsuse kohta. Kuid tehisintellekt ulatub maalidest kaugemale – seda rakendatakse praegu kõigis kultuuripärandi materjalide valdkondades alates 3D-kujutisest, helist, videost ja tekstist.
Tehisintellekt ja Europeana
Europeana jaoks võib tehisintellekti potentsiaal parandada andmete kvaliteeti, mis on kogude kasutajate jaoks pidev valupunkt, pakkuda põnevaid võimalusi. Euroopa 2020.–2025. aasta strateegias tõstetakse tehisintellekti mitmel korral esile kui vahendit andmete kvaliteedi parandamiseks. Kavas on märgitud:
„Miljonite eri allikatest pärit kirjete metaandmete kvaliteedi käsitsi parandamine nõuab palju aega ja ressursse. Tehisintellekti vahendite ja masinõppevõrgustike kasutamine automaatseks rikastamiseks koos valdkonnaekspertide pakutavate inimteadmistega pakub märkimisväärset võimalust metaandmete kvaliteedi parandamiseks.“
Kuid suure võimuga kaasneb suur vastutus. Tehisintellekt tekitab mitmeid eetilisi probleeme, mida tuleb hoolikalt kaaluda. Praegu on kogu Euroopas mitu algatust, milles käsitletakse tehisintellektiga seotud eetilisi probleeme, ning Europeana töötab kooskõlas Euroopa Komisjoni usaldusväärse tehisintellekti eetikasuunistega.
Lähinädalatel jagame tegevusi, sealhulgas EuropeanaTechi tehisintellekti tulemusi seoses GLAMide rakkerühmaga ja rakkerühma avatud väljakutsega luua Europeana andmetel põhinevad masinõppe andmekogumid, ning uurime tehisintellektiga seotud kultuuripärandi projekte. Lugege Europeana sihtasutuses toimuva töö kohta ning kuna märts on naiste ajaloo kuu, tutvustame ja intervjueerime ka naisi, kes juhivad tehisintellekti ja kultuuripärandi valdkonna projekte ja teadusuuringuid.
Uurige Europeana Pro uudiseid ja liituge EuropeanaTechi kogukonnaga, et osaleda Europeana töös!