Opredelitve in izrazi za umetno inteligenco
Terminologija umetne inteligence je lahko zapletena, zato pojasnimo nekatere opredelitve. Med branjem naših objav boste morda videli izraze, kot so „strojno učenje“, „globoko učenje“, „modeli“ ali „usposabljanje“. Strojno učenje v primerjavi z globokim učenjem je skupno področje zmede za tiste, ki ne poznajo tehnik umetne inteligence.
Strojno učenje je sestavljeno iz niza algoritmov, ki se samodejno učijo iz podatkov. Globoko učenje je vrsta strojnega učenja, ki se odlikuje pri reševanju problemov z visoko dimenzionalnostjo (kjer je število funkcij veliko večje od števila opazovanj). Računalniški vid in obdelava naravnega jezika spadata v to kategorijo. Globoko učenje uporablja družino modelov, ki jih navdihuje struktura in delovanje možganov (umetne nevronske mreže), ki se učinkovito učijo izluščiti ustrezne značilnosti iz podatkov. Rezultat usposabljanja algoritma strojnega učenja je napovedni "model", ki ga je mogoče uporabiti za ustvarjanje dodatnih metapodatkov iz vsebine.
Do zdaj vsi poznamo podatkovne modele, kot je podatkovni model Europeane. So mehanizem, ki ustanovam za varstvo kulturne dediščine pomaga strukturirati metapodatke, povezane s predmeti kulturne dediščine. Kaj mislimo, ko govorimo o modelu umetne inteligence? Gre za algoritem, ki je bil usposobljen za opravljanje določene naloge, na primer za ugotavljanje, ali vidi jabolko ali pomarančo. Usposobljen bo za iskanje ključnih značilnosti jabolk in pomaranč ter ugotavljanje, ali so točne ali ne. To je osnovni primer, vendar je načelo enako, kot ste povečali - zahteva le veliko več podatkov.
Umetna inteligenca za kulturno dediščino
Z našim primerom jabolk in pomaranč si lahko že začnete predstavljati, kako je umetna inteligenca dragocena za kulturno dediščino. Umetna inteligenca lahko ustvari obsežne količine podatkov, ki jih je mogoče uporabiti za obogatitev zbirk dediščine, zaradi česar jih je lažje raziskati, da lahko ljudje najdejo, kar iščejo, inštituti pa se lahko povežejo z drugimi zbirkami in še veliko več.
Ker je že toliko digitaliziranih podatkov in gradiva o kulturni dediščini, ki so jih opisali zaupanja vredni strokovnjaki za dediščino, je kakovost podatkov izjemno dragocena. Na primer, namesto da bi na spletu izbrali 100 000 naključnih slik in proti njim izurili model za prepoznavanje „impresionistične umetnosti“, lahko uporabite gradivo o dediščini, ki bo že lahko dajalo namige in smernice za natančnost. Vendar umetna inteligenca presega slike – trenutno se izvaja na vseh področjih gradiva kulturne dediščine, od tridimenzionalnega slikanja, zvoka, videa in besedila.
Umetna inteligenca in Europeana
Za Europeano bi lahko potencial umetne inteligence za izboljšanje kakovosti podatkov, ki je stalna boleča točka za uporabnike zbiranja, ponudil zanimive priložnosti. V strategiji Europeana za obdobje 2020–2025 je umetna inteligenca večkrat poudarjena kot sredstvo za izboljšanje kakovosti podatkov. V načrtu je navedeno:
„Za ročno izboljšanje kakovosti metapodatkov milijonov zapisov iz različnih virov je potrebno veliko časa in virov. Uporaba orodij umetne inteligence in mrež strojnega učenja za samodejno obogatitev v kombinaciji s človeškim znanjem, ki ga zagotavljajo strokovnjaki s tega področja, ponuja izjemno priložnost za izboljšanje kakovosti metapodatkov.“
Z veliko močjo pa pride tudi velika odgovornost. Umetna inteligenca prinaša številne etične izzive, ki jih je treba pozorno obravnavati. Trenutno je v Evropi več pobud, ki obravnavajo etična vprašanja umetne inteligence, Europeana pa bo delovala v skladu z etičnimi smernicami Evropske komisije za zaupanja vredno umetno inteligenco.
V prihodnjih tednih si bomo izmenjevali dejavnosti, vključno z rezultati EuropeanaTech AI v zvezi s projektno skupino GLAM in odprtim izzivom projektne skupine za oblikovanje naborov podatkov za strojno učenje na podlagi podatkov Europeane, ter raziskovali projekte kulturne dediščine, povezane z umetno inteligenco. Prebrali boste o delu, ki poteka interno v fundaciji Europeana, in ker je marec mesec zgodovine žensk, bomo izpostavili tudi ženske, ki vodijo projekte in raziskave na področju umetne inteligence in sektorja kulturne dediščine, ter opravili razgovore z njimi.
Še naprej preverjajte novice Europeana Pro in se pridružite skupnosti EuropeanaTech, da se vključite v delo Europeane!