Pastāstiet mums par savu pašreizējo lomu.
Kopš 2014. gada esmu Francijas Nacionālās bibliotēkas (BnF) direktora vietnieks pakalpojumu un tīklu jautājumos. Šis ir bibliotēku vadības amats: Mūsu komandā ir aptuveni 600 cilvēku, kas strādā visās ar bibliotēku saistītajās tehniskajās jomās, sākot no IT līdz saglabāšanai (fiziskai un digitālai) un vairāk.
Kāds bija jūsu karjeras ceļš līdz jūsu pašreizējai lomai?
Es biju students Ecole nationale des chartes universitātē, kas specializējas kultūras mantojuma izpētē un sagatavo studentus karjerai bibliotēkās, arhīvos un muzejos. Es specializējos 17. gadsimta izdrukās! Bet es pievērsos digitālajām aktivitātēm ļoti drīz savā karjerā. 2003. gadā es sāku strādāt BnF Digitālās bibliotēkas departamentā, koncentrējoties uz tādām tēmām kā metadatu pārvaldība, uz lietotāju orientēts dizains, digitālā saglabāšana un semantiskais tīmeklis. Visiem šiem tematiem bija liels potenciāls starptautiskām diskusijām, un ļoti drīz es iesaistījos tādos starptautiskos tīklos kā IFLA, Europeana un W3C. Pēc tam trīs gadus (2011-2014) es atstāju BnF, lai strādātu muzejā, Pompidū centrā Parīzē, kur es biju atbildīgs par lielu digitālās pārveides programmu. Es atgriezos BnF savā pašreizējā amatā 2014. gadā.
Ar ko jūs pašlaik strādājat?
Pēdējos piecus gadus esmu strādājis, lai izveidotu jaunu pakalpojumu pētniekiem digitālajās humanitārajās zinātnēs, ko sauc par BnF datu laboratoriju. 2020. gadā BnF ģenerāldirektors lūdza mani vadīt mākslīgā intelekta darba grupu, lai izstrādātu mūsu bibliotēkas ceļvedi nākamajiem pieciem gadiem. Mēs izstrādājām trīs gadu programmu, kas tiks izstrādāta kopā ar vairākiem partneriem akadēmiskajā, kultūras mantojuma un tirdzniecības jomā. Tas skars daudzus, ja ne visus, bibliotēkas darbības aspektus. Pirmās jomas, kurās mēs izstrādāsim MI projektus, ir attēlu ieguve Gallikā, mūsu digitālā bibliotēka un rokraksta teksta atpazīšana (HTR). Taču mēs veiksim eksperimentus arī citās jomās, piemēram, prognozējošus datus saglabāšanas politikai, Parīzes seno karšu ģeoreferencēšanu. Daudzi no šiem projektiem tiek īstenoti mūsu jaunajā datu laboratorijā, kas tiek atklāta šoruden.
Turklāt, būdams vadītājs, esmu iesaistīts daudzos projektos, tostarp jaunas katalogu sistēmas Noemi izstrādē un programmā, ar kuru mēs gatavojamies uzņemt digitālo obligāto depozītu (jo īpaši audio un video). Taču esmu arī viens no galvenajiem kontaktiem starptautiskos jautājumos, kas saistīti ar tehnoloģijām. Nesen pievērsu uzmanību trim svarīgiem konsorcijiem: Starptautiskais interneta saglabāšanas konsorcijs, kas koncentrējas uz tīmekļa saglabāšanu, Starptautiskais attēlu sadarbspējas satvars un AI4LAM kopiena, kas koncentrējas uz mākslīgo intelektu arhīviem, bibliotēkām un muzejiem.
Kāda, jūsuprāt, ir lielākā iespēja, ko mākslīgais intelekts sniedz kultūras mantojuma nozarei?
Mākslīgais intelekts jau ir realitāte mūsu ikdienas dzīvē: mums ir sarunas ar mūsu viedtālruņiem, klausāmies algoritmu izstrādātos atskaņošanas sarakstus, braucam ar automašīnām, kas mūs brīdina, kad dodamies ceļā, tāpēc tas ir tikai laika jautājums, pirms kultūras mantojuma nozare sāk kļūt par profesionālu realitāti.
Šīs tehnoloģijas solījumi ir daudz: tā kā pēdējos 20 gadus esam veidojuši apjomīgas digitālās kolekcijas, mākslīgais intelekts kādā brīdī var būt vienīgais veids, kā padarīt tās saprotamas un atrodamas mūsu lietotājiem. Es domāju par tādām kolekcijām kā digitalizēti senie laikraksti, tīmekļa arhīvi, dažas seno fotogrāfiju kolekcijas, kuras mēs vēl neesam kataloģizējuši, vai desmitiem tūkstošu mūzikas albumu, kas ik gadu tiek izdoti. MI prognozējošās iezīmes varētu palīdzēt mums sniegt lietotājiem personalizētus ieteikumus, kā arī būt noderīgas pārvaldības darbībās, piemēram, saglabāšanas politikā, kolekciju kataloģizēšanā vai analīzē.
Kāds ir lielākais izaicinājums?
Šobrīd es teiktu, ka galvenais jautājums ir šāds: Kā piepildīt sapni? Tehnoloģija ir pietiekami nobriedusi, mums ir dati, rīki un lietošanas gadījumi, un mēs esam spējuši pierādīt MI efektivitāti pētniecības projektu ietvaros. Taču mēs joprojām esam tālu no MI integrēšanas ražošanā mūsu informācijas sistēmās. Pirmkārt, mums ir vajadzīgas atbilstošas prasmes mūsu komandās, un ar strauji mainīgo tehnoloģiju, piemēram, MI, to nav viegli sasniegt. Otrkārt, mūsu mantotās sistēmas nerunā viegli ar jauno MI arhitektūru: lai mākslīgais intelekts būtu iespējams, ir vajadzīga spēcīga datu pārvaldība, un mums, iespējams, būs jāpārdomā mūsu lietotņu kodols. Visbeidzot, virzība uz MI ir dārgs darbs, taču esmu pārliecināts, ka ieguldījums būs tā vērts.
2018. gada pētījums liecina, ka tikai 12 % mašīnmācīšanās pētnieku ir sievietes. Ko, jūsuprāt, var darīt, lai mudinātu vairāk sieviešu iesaistīties šajā jomā?
Es gribu ticēt, ka laiki, kad sievietes jutās atstumtas no zinātnes vai tehnikas izpētes, jau ir aiz muguras; Cerams, ka mentalitāte mainās. Piemēram, skolās un uzņēmumos, kuros ir tikai vīrieši, sievietes, kas vēlas būt programmatūras izstrādātājas, netiks sistemātiski atturētas. Bet es arī teiktu, ka mākslīgais intelekts ir daudz vairāk nekā tikai tehnoloģijas: ir vieta tādiem cilvēkiem kā es, kuri nav ne inženieri, ne zinātnieki, bet drīzāk koncentrējas uz šīs tehnoloģijas ietekmi dažādās dzīves un kultūras jomās. Ja vēlamies veidot veiksmīgus MI projektus, mums ir jāiesaista cilvēki, kas ir eksperti mantojuma kolekciju saturā, datu modeļos, UX dizainā, datu vizualizācijā un citās zināšanu jomās, kas lielā mērā ir atkarīgas no sociālajām un humanitārajām zinātnēm. Saistībā ar MI ir radušās arī daudzas ētikas problēmas: datu kopu neobjektivitāte, izmaiņu pieņemamība, ekoloģiskā ietekme. Ja mēs gatavojamies veidot rītdienas pasauli, izmantojot mākslīgo intelektu, mums ir vajadzīga humāna pieeja tā attīstībai, mums tas ir jāizstrādā cilvēkiem kopumā, nevis tikai cilvēces vīrieša pusei, un kopā ar viņiem.
Paldies Emmanuelle par dalīšanos ar savu pieredzi un ieskatu! Lai uzzinātu vairāk par mākslīgo intelektu un kultūras mantojumu, izpētiet mūsu koncentrēšanos uz mākslīgo intelektu.
