Definitioner och termer för AI
AI-terminologi kan vara komplex, så låt oss rensa upp några definitioner. När du läser våra inlägg kan du se termer som ”maskininlärning”, ”djupinlärning”, ”modeller” eller ”utbildning”. Maskininlärning kontra djupinlärning är ett vanligt förvirringsområde för dem som inte är bekanta med AI-tekniker.
Maskininlärning består av en uppsättning algoritmer som automatiskt lär sig av data. Djupinlärning är en typ av maskininlärning som utmärker sig när det gäller att lösa problem med hög dimensionalitet (där antalet funktioner är mycket större än antalet observationer). Datorseende och bearbetning av naturligt språk ingår i denna kategori. Djupinlärning använder en familj av modeller inspirerade av hjärnans struktur och funktion (artificiella neurala nätverk) som effektivt lär sig att extrahera relevanta funktioner från data. Resultatet av att träna en maskininlärningsalgoritm är en prediktiv "modell" som kan användas för att generera ytterligare metadata från innehåll.
Vid det här laget känner vi alla till datamodeller, som Europeana Data Model. De är en mekanism som hjälper kulturarvsinstitutioner att strukturera metadata relaterade till kulturarvsobjekt. Men vad menar vi när vi talar om en AI-modell? Det är en algoritm som har utbildats för att utföra en viss uppgift – till exempel för att avgöra om den ser ett äpple eller en apelsin. Den kommer att utbildas i att leta efter viktiga egenskaper hos äpplen och apelsiner och huruvida de är korrekta eller inte. Detta är ett rudimentärt exempel, men principen är densamma som du skala upp - det kräver bara mycket mer data.
AI för kulturarvet
Med vårt exempel på äpplen och apelsiner kan du redan nu börja föreställa dig hur AI är värdefullt för kulturarvet. AI har kapacitet att generera stora mängder data som kan användas för att berika kulturarvssamlingar – vilket gör dem lättare att utforska, så att människor kan hitta vad de letar efter, institut kan länka till andra samlingar och så mycket mer.
Och eftersom det redan finns så mycket digitaliserade kulturarvsdata och material som har beskrivits av betrodda kulturarvsexperter är kvaliteten på data extremt värdefull. I stället för att till exempel plocka 100 000 slumpmässiga målningar från internet och träna en modell mot dem för att känna igen ”impressionistisk konst” kan du använda kulturarvsmaterial som redan kan ge tips och vägledning för noggrannhet. Men AI sträcker sig bortom målningar – den håller för närvarande på att införas på alla områden av kulturarvsmaterial, från 3D-bilder, ljud, video och text.
AI och Europeana
För Europeana kan den potential som AI har för att förbättra datakvaliteten, en kontinuerlig smärtpunkt för insamlingsanvändare, erbjuda spännande möjligheter. I Europeana-strategin 2020–2025 lyfts AI fram flera gånger som ett sätt att få slut på förbättringen av uppgifternas kvalitet. I planen anges följande:
”Att manuellt förbättra metadatakvaliteten för miljontals poster från olika källor kräver mycket tid och resurser. Tillämpningen av verktyg för artificiell intelligens och nätverk för maskininlärning för automatisk berikning, i kombination med mänsklig kunskap från domänexperter, erbjuder en anmärkningsvärd möjlighet att förbättra kvaliteten på metadata.”
Men med stor makt kommer stort ansvar. AI innebär många etiska utmaningar som måste beaktas noga. Det finns för närvarande flera initiativ i hela Europa som undersöker de etiska problemen med AI, och Europeana kommer att arbeta i linje med Europeiska kommissionens etiska riktlinjer för tillförlitlig AI.
Under de kommande veckorna kommer vi att dela med oss av aktiviteter, bland annat resultaten från EuropeanaTech AI i förhållande till GLAM-arbetsgruppen och arbetsgruppens öppna utmaning att skapa dataset för maskininlärning baserade på Europeana-data, samt utforska kulturarvsprojekt med anknytning till AI. Du kommer att läsa om det arbete som utförs internt vid Europeana Foundation, och eftersom mars är Women’s History Month kommer vi också att lyfta fram och intervjua kvinnor som leder projekt och forskning inom AI och kulturarvssektorn.
Fortsätt kolla Europeana Pro-nyheterna för mer och gå med i EuropeanaTech-communityn för att delta i Europeanas arbete!
