Som utforskades genom Europeana Pro-nyheterna tidigare i år har AI en enorm potential för kulturarvssektorn. Det ger möjlighet att generera omfattande mängder data för att berika kulturarvssamlingar, vilket gör dem lättare att utforska och sammankoppla. Med början i december 2019 syftade EuropeanaTech AI i förhållande till GLAMs Task Force till att genomföra en horisontskanning för att undersöka denna tekniks roll och inverkan inom sektorn och få en större förståelse för projekt som använder den.
Undersökning av sektorn
I september 2020 undersökte arbetsgruppen yrkesverksamma inom gallerier, bibliotek, arkiv och museer, forskningsinstitutioner och den bredare industrin (inklusive teknikleverantörer och den kreativa sektorn). Undersökningen fick 56 svar och resultaten ger värdefulla insikter om användningen av AI inom kulturarvssektorn.
Nästan alla svarande (91,8 %) var intresserade av minst ett AI-ämne, och mer än hälften av dem (54 %) hade sakkunskap på detta område. Flera uppgav att de redan arbetade med AI-relaterade projekt som främst syftade till digitalisering och upptäckbarhet. Många rapporterade dock också om utmaningar i arbetet med AI, särskilt när det gäller den kompetens och expertis som projekten kräver av personalen och bristen på lämpligt kommenterade träningsdata.
Insikter från intervjuer
Utöver undersökningen intervjuade arbetsgruppen åtta kulturarvsarbetare från olika EU-institutioner. Deras svar ger rika perspektiv på de strategier som kulturarvsinstitutioner tar mot AI och ingår som fallstudier i rapporten.
Alla som intervjuades var överens om att AI har stor potential för kulturarvet och ville undersöka hur man kan använda det vidare. Det framgick tydligt av många svar att AI kommer att spela en allt större och värdefullare roll i kulturorganisationernas verksamhet, särskilt när det gäller tillgång, utvinning och berikning av metadata. Liksom i undersökningen hänvisade dock många till utmaningar när de arbetade med AI och betonade behovet av samarbete mellan avdelningar, den utmanande bristen på data med lämpliga anteckningar och komplexiteten i att integrera AI i befintlig infrastruktur. De uttryckte också oro över etik och hur man bäst kan visa och kommunicera värdet av att tillämpa AI.
Reflektioner över rapporten: utmaningar och möjligheter
Av resultaten från denna arbetsgrupp framgår det tydligt att AI- och maskininlärningsprojekt (ML) redan genomförs i GLAM-projekt och har pågått i flera år, även om de inte alltid har varit synliga. Vi hoppas att resultaten av denna arbetsgrupp kommer att vara ett sätt att dela och främja detta arbete!
Samtidigt som vi har sett ett uppenbart intresse för och entusiasm för AI i hela sektorn finns det också hinder. Människor rapporterade att det kan ta lång tid innan resultaten av en AI-strategi eller forskning blir uppenbara, vilket innebär att det ibland kan vara en utmaning att övertyga organisationer om behovet av arbetet. Rapporten ger insikter i de största utmaningarna som GLAM står inför, allt från tillgång till träningsdata, etiska överväganden och frågor som rör uppskalning av projekt till institutionsomfattande implementeringar. AI ses inte som en "snabb teknikfix" för humaniora, och just på grund av denna tidskrävande aspekt verkar data- och kunskapsdelning vara avgörande för att dessa projekt ska fortsätta och lyckas.
Framtida planer
EuropeanaTech-gemenskapen kommer att fortsätta att stödja kunskapsutbyte om AI och eftersträva ytterligare samarbete med andra initiativ för att öka dess genomslag. Arbetsgruppen och styrgruppen för EuropeanaTech har skisserat åtgärdspunkter för detta framtida arbete som är inriktade på temana kunskapsutbyte, datadelning och strategiska bidrag:
Vi vill uppnå kunskapsutbyte genom EuropeanaTech x AI-webbinarieserien och genom att organisera andra evenemang som fokuserar på specifika ämnen och samarbeten med Cultural AI Lab, AI4LAM och The Museums + AI Network. Om du har en idé kan du kontakta Europeanas forsknings- och utvecklingschef Antoine Isaac, [email protected].
Efter EuropeanaTech-utmaningen för AI/ML-dataset har Europeana börjat publicera dataset av potentiellt intresse för AI-tillämpningar under Europeanas paraply i Zenodo. Det första bidraget är ett dataset för stilklassificering från V4Design-projektet.
Strategiska bidrag kommer att bygga på reflektionerna från denna slutrapport, inbegripet integrering och sammankoppling av nya AI-system i befintliga system, offentligt utbyte av modeller som utbildats på områden som är specifika för kulturarvssamlingar, genomförande av AI på ett sätt som tar hänsyn till etiska och rättsliga aspekter och minskning av utbildningsmodellernas koldioxidavtryck och behandling i stor skala.
Fortsätt att följa EuropeanaTechs arbete för att undersöka hur detta fortskrider, och ladda ner och läs rapporten i sin helhet!