MIRE HASZNÁLJUK A MESTERSÉGES INTELLIGENCIÁT A MÚZEUMOKBAN?
MúzeumCafé 96.
A mesterséges intelligencia (MI) kutatások több évtizedre nyúlnak vissza, azonban világszerte csak a 2010-es évek végén terjedtek el. Az MI-alapú alkalmazásokban rejlő lehetőségekre a ChatGPT tavaly novemberi elindítása1 hívta fel újra a figyelmet, és azóta szinte mindennap találkozunk a gépi intelligencia előnyeiről vagy éppen veszélyeiről szóló híradásokkal. Felhasználói oldalon egyaránt tanúi lehetünk az MI-vel kapcsolatos hype-nak ugyanúgy, mint a vele szemben mutatott, a túlzó elvárások miatt jelentkező korai kiábrándultságnak. Abban viszont mindenki egyetért, hogy az új technológia radikális hatással lesz a jövőnkre, és a változás kihat a kulturális szektor intézményeire, köztük a múzeumok mindennapi gyakorlataira is.
¶ Míg a külföldi múzeumokban már számos jó példát láthatunk az MI-alapú fejlesztésekre, addig a hazai szakemberek még csak most ismerkednek az új technológiával, pedig egyre inkább szükség lenne a mesterséges intelligencia bevonására annak érdekében, hogy a múzeumok megfeleljenek a digitális kor követelményeinek. A következő pár évben dől el, hogy sikerül-e a hazai múzeumi ágazatnak időben reflektálnia az újabb technológiai paradigmaváltásra, vagy ismét csak jelentős lemaradással lép be a digitalizáció újabb szakaszába.
Pen használata a Cooper Hewitt Smithsonian Design Museumban
https://www.cooperhewitt.org/events/current-exhibitions/using-the-pen/
A mesterséges intelligencia területei
¶ A mesterséges intelligenciának nincs egységesen elfogadott tudományos definíciója,2 alapvetően olyan gépi programokat értünk ezen, amelyek képesek emberi kognitív funkciók végrehajtására, az emberhez hasonló gondolkodási folyamatok szimulálására. Az intelligencia és a képességek alapján három kategóriát különböztetnek meg: a gyenge, az erős és a szuperintelligens MI-t. A gyenge MI (Weak AI) egyes területekre vonatkozóan képes feladatokat megoldani, az erős (Strong AI) emberi szintű MI-ként is emlegetik, ami egy olyan gép, amely bármilyen intellektuális feladatot képes elvégezni, a szuperintelligens MI (Artificial
Superintelligence) pedig már az emberi agynál okosabb intelligenciát jelöl.3
Ez utóbbihoz kapcsolódnak a sci-fik világába illő futurisztikus elképzelések, ahol a robotok átveszik az irányítást az emberiség felett.
¶ Napjainkban az alkalmazás típusa szerint a mesterséges intelligencia legnépszerűbb kategóriái a gépi látás, a természetes nyelvfeldolgozás, a robotika, az optimalizálás és az adatelemzés, amiket a múzeumi terület is kiválóan tud hasznosítani.
¶ A gépi látás alapvetően a számítógépes látásra épül, segítségével képekből, videóanyagokból információkat nyerhetünk ki, hogy értelmezzük őket. Az eljárás első lépése a kép előfeldolgozása, melynek során az algoritmus kiszűri a zajt, korrigálja a színeket, eltávolítja a felesleges részeket és javítja a képminőséget, majd a kép jellemzőit elemzi, például a színeket, a textúrát és a formát. Ezek után következik az objektumok detektálása: a program megpróbálja azonosítani azokat a mintákat és tulajdonságokat, amelyek alapján felismerhetők a különböző objektumok például emberek (arcok), állatok, épületek vagy járművek.
¶ A természetes nyelvfeldolgozás (Natural Language Processing, NLP) olyan számítógépes eljárások összessége, amelyeknek célja a természetes nyelvű szövegek feldolgozása és értelmezése. Ide tartozik a nyelvi elemzés, az adatgyűjtés, a szöveggenerálás, a fordítás, a szövegértés, a hangfelismerés és a beszédfelismerés.
¶ A szövegfeldolgozás a tokenizációval kezdődik, amikor az NLP-algoritmusok az input szöveget különböző részekre úgynevezett tokenekre bontják. Ez általában szó vagy mondat szinten történik. A magyar nyelv – amely agglutináló nyelv – esetében különösen fontos a következő lépés, a lemmatizálás (szótövezés), vagyis a szavak visszavezetése bázisalakjukra, amelyek ugyanazt a szemantikai jelentést hordozzák, de különböző időrendi vagy személyi változatai vannak. A szemantikai elemzés a szöveg tartalmi megértésére irányul a szavak kontextusa alapján, a szintaktikai elemzés pedig a nyelvtani szabályok felismerése alapján kategorizálja a mondatokat és a szavakat a szövegben.
¶ A gépi látás és a természetes nyelvfeldolgozás módszereit összefoglalóan gépi tanulásnak is nevezik. A gépi tanulás során az algoritmusokat adathalmazokon tanítják minták felismertetésére, a minták megtanulása után pedig képesek lesznek új adathalmazokon dolgozni. A tanuló rendszer annál pontosabban működik, minél több tanító adatot mutatnak neki. A gépi tanulás hatékony eszköze a mesterséges neurális háló (artificial neural network), ahol a biológiai agy működésének szimulációjával nagy mennyiségű adat feldolgozása történik.
¶ A robotika területén is egyre hangsúlyosabb szerepet kap a mesterséges intelligencia. A mechanika, az elektronika és a számítógépes programok együttműködésével a robotok képesek érzékelni a környezetüket, feldolgozni az információkat, és ezek alapján döntéseket hoznak, utánozva az emberi cselekvést. A robotika két nagy ága a humanoid robotika és az ipari robotika.
¶ Az optimalizáció során az MI képes megtalálni a legjobb megoldást egy adott feladatra a rendelkezésre álló adatok és erőforrások alapján. Az optimalizációs algoritmusok két fő típusa: az egyenletrendszerek és a szimulációs modellekre épülő módszerek.
¶ Az adatelemzés a mesterséges intelligencia egyik legfontosabb alkalmazási területe. Az MI képes nagy mennyiségű adat gyors és hatékony feldolgozására, elemzésére, releváns információk és összefüggések feltárásával segíti a döntéshozatalt. Az adatelemzésnek két fő típusa van: leíró adatelemzés és prediktív adatelemzés. A leíró adatelemzés már meglévő adatok megértését, a köztük lévő összefüggések, szabályok feltárását segíti. A prediktív adatelemzés az adatok alapján modelleket állít elő, amelyek a jövőre vonatkozó előrejelzéseket készítenek.
A mesterséges intelligencia múzeumi alkalmazásai
¶ A fentebb említett mesterségesintelligencia-alkalmazások számos ponton támogathatják a múzeumi munkafolyamatokat és szolgáltatásokat, a gyűjtéstől
a megőrzésen és a feldolgozáson át egészen a közzétételig.
Látogatói élmény
¶ Az egyik kiemelt terület, ahol a múzeumok már sikeresen alkalmazzák az MI-t,
a látogatói élmény javítása. Az algoritmus lehetővé teszi az interaktív, személyre szabott kiállítási útvonalak kialakítását, valamint a látogatók viselkedésének követését és elemzését, segítve a minél élményszerűbb múzeumi befogadást.
¶ A New York-i Cooper Hewitt Smithsonian Design Museum mesterséges intelligenciával működő interaktív tollat kínál látogatóinak, amellyel élményszerűen fedezhetik fel a múzeum kiállításait és gyűjteményeit.4 Az egyszerűen csak Pennek nevezett eszköz a számítógépes látás és gépi tanulási algoritmusok segítségével azonosítja és rögzíti azokat a műtárgyakat, amelyekkel a látogatók interakcióba lépnek. A felhasználók a Pen segítségével virtuálisan összegyűjthetik az általuk érdekesnek talált tárgyakat, majd látogatásuk után egy weboldalon hozzáférhetnek gyűjteményükhöz és a tárgyakkal kapcsolatos további információkhoz.
¶ A múzeum mesterségesintelligencia-algoritmusokat is használ a látogatók viselkedésének nyomon követésére és elemzésére, például arra, hogy a látogatók hogyan mozognak a kiállításokon, és mely tárgyakkal lépnek kapcsolatba a legtöbbet. Ezeket az adatokat a kiállítás kialakításának javítására, valamint a látogatói élmények vonzóbb és személyre szabottabb megteremtésére használják.
¶ A 2010-es évek végén a múzeumok weboldalain is népszerűvé vált az üzleti világban gyorsan terjedő chatbotok használata. A látogatói kérdésekre értelmes módon válaszolni tudó botok a nap 24 órájában rendelkezésre állnak, így az érdeklődők a nyitvatartási időn kívül is gyorsan releváns információkhoz juthatnak a múzeum szolgáltatásaival kapcsolatban. A chatbotok két típusa a hangalapú virtuális asszisztens és az írásban, párbeszédablakon keresztül kommunikáló alkalmazás. Költséghatékony megoldást jelent, ha már meglévő üzenetküldő alkalmazásokra telepítik, mint például a Facebook Messenger. A mesterséges intelligencia bevonásával a felkínált kontextus hozzáigazítható a látogató preferenciáihoz, és minél több „tanító adatot” kap az algoritmus, annál pontosabb válaszokat képes adni a használata során.
¶ A chatbotok nemcsak az alapvető információk közvetítésére képesek, a múzeumi világban több példát is találhatunk az MI-vel támogatott technológia kreatív felhasználására.
Anne Frank House chatbot-applikáció
https://www.youtube.com/watch?v=YPH4vUWcN2U&t=2s
¶ Az amszterdami Anne Frank House chatbot alkalmazása a feltett kérdések alapján személyre szabott válaszokat képes adni Anne Frank és családja történetéről, továbbá felkínálja a kérdezők számára a lehetőséget, hogy a második világháború és a holokauszt eseményeiről szélesebb aspektusban tájékozódjanak. A mélytanulási algoritmussal működő chatbot szintén a Messenger alkalmazást használja a kommunikációhoz.5
¶ 2018-ban a chicagói Field Museum új kiállításában mutatta be a világon eddig felfedezett legnagyobb dinoszauruszt, a titanoszauruszt. A múzeum menedzsercsapata szerette volna egyedülálló módon felhívni a figyelmet a rendkívüli leletre, ezért az MI-vel bővített chatbot technológia fejlesztése mellett döntöttek. A Máximo névre keresztelt dinoszaurusz saját személyiségjegyeket kapott, „életre keltői” igyekezték felkészíteni a legváratlanabb kérdések megválaszolására is. A fejlesztési projekt lényeges eleme volt az utánkövetés, vagyis a felhasználói elégedettség felmérése és az előforduló hibák okainak vizsgálata.6
¶ A São Pauló-i Pinacoteca művészeti galéria a Voice of Art projekt keretében
az IBM által kifejlesztett MI-alapú Watson7 alkalmazást használta fel a kortárs brazil képzőművészet kiemelkedő munkáinak bemutatásához. A mobilalkalmazás telepítése után a látogatók a kiállításban sétálva automatikus jelzést kapnak telefonjukra, ha olyan műalkotás közelébe érnek, amellyel kapcsolatban kérdéseket tehetnek fel Isabelának (Watson brazil változata), az intelligens virtuális asszisztensnek. Az interakció hangvezérléssel működik, de gondoltak a hallássérült látogatókra is, akik chaten keresztül kommunikálhatnak Isabelával.8
¶ A látogatói élmény fokozására a humanoid robotok alkalmazása kétségkívül telitalálat lehet a múzeumok számára, de a magas előállítási költség miatt csak elvétve találkozhatunk velük. 2018-ban a Smithsonian olyan szerencsés helyzetben lehetett, hogy egy pilot projekt keretében a Softbank által fejlesztett Pepper humanoid robotjait több intézményében is kipróbálhatta. A mesterséges intelligenciával fejlesztett robot arcfelismerő és arckövető funkcióval rendelkezik, képes a nyelvfelismerésre és a beszédértésre is. Pepper érzékeli, ha emberek vannak a közelben, ilyenkor igyekszik interakcióba lépni velük. Hang, gesztus, valamint interaktív érintőképernyő segítségével válaszol a feltett kérdésekre, emellett – a látogatók legnagyobb örömére – táncol, játszik vagy éppen szelfikhez pózol. A Smithsonian intézményeiben nagy segítséget jelentett a nyelvi akadályok leküzdésében, a látogatók útbaigazításában, személyre szabott ajánlatok felkínálásában, sőt hasznosnak bizonyult az önálló tárlatvezetésekben, az inklúzióban és az edukációban is.9
Máximo a Field Múzeumban
A The Field Museum jóvoltából
Műtárgyak automatikus azonosítása és kategorizálása gépi tanulással
¶ A mesterséges intelligencia a muzeológusok munkáját is megkönnyítheti. A gépi tanulás segítségével lehetőség nyílik a műtárgyak automatikus azonosítására, kategorizálásukra és állapotuk elemzésére, a műtárgyrekordok automatikus metaadatolásával pedig csökkenthető a manuális adatrögzítésre fordított idő.
¶ A norvég Nemzeti Múzeum Principal Components projektjében a gépi tanulásra és a neurális hálózatokkal történő elemzésekre támaszkodva sikerült metaadatolni és osztályozni a múzeum művészeti gyűjteményét. A projekt első részében egy saját fejlesztésű neurális hálót a Wikiart10 rekordjain tanítottak be művészeti irányzat, stílus, kompozíció, színhasználat stb. elemzésével, továbbá objektumfelismertetést alkalmaztak a festményeken található személyek, figurák és formák, arcok, életkor meghatározására. Az algoritmus ezután azonosította a motívumokat saját gyűjteményükben. Egy másik algoritmus (T-SNE)
a képeket motívumok, technikák, kompozíciók és színhasználat szerint csoportosítja, aminek eredményeként új szolgáltatás vált elérhetővé a múzeum weboldalán: a felhasználók öt kategória (festmények – motívum szerint), festmények – stílus szerint, prints, rajzok és design) alapján böngészhetnek a műalkotások között.11 Az alkalmazás automatikusan frissül az új adatok bekerülésekor.12
¶ A projekt másik célja a műtárgyrekordok automatikus kulcsszavazása volt. Az algoritmust az Iconclass13 osztályozási rendszerre tanították be, felhasználva más hasonló művészeti gyűjtemények adatkészleteit is. Az általánosabb kategóriákat sikerült megfeleltetni saját szótáraikkal, így a jövőben a kulcsszavak
automatikus generálásával a hiányzó leíró metaadatokat is beépíthetik a művek alapértelmezett információi közé.
Beszélgetés Isabelával, az intelligens virtuális asszisztenssel a Pinacoteca Galériában
https://en.showmetech.com.br/ibm-watson-muda-forma-de-ver-arte-na-pinacoteca/
Állományvédelem, rekonstrukció
¶ Talán elsőre nem jutna eszünkbe, de a mesterséges intelligencia a restaurátorok és állományvédelemmel foglalkozó kollégák munkáját is támogathatja a múzeumokban.
¶ Az MI-eszközökkel a gyűjteményben lévő tárgyak állapotának elemzését is elvégezhetjük a mechanikai vagy egyéb sérülések észlelésére, majd a leginkább megfelelő restaurálási technikák kiválasztására. Sőt az MI segíthet optimalizálni a restaurálási folyamatot azzal, hogy előre jelzi a különböző kezelések hatásait a tárgy állapotára. A gyűjtemények tárolási körülményeinek monitorizálása és az esetleges károsodások időben való észlelése hozzájárul a gyűjtemény megőrzéséhez szükséges proaktív intézkedések meghozásához.
¶ A Rijksmuseum 2019-ben kezdte meg Rembrandt egyik leghíresebb festményének, az Éjjeli őrjáratnak a restaurálását. A projekt nemcsak azért nagyszerű példája az innovációnak, mert az érdeklődő látogatók egy, a vászon köré épített üvegvitrinen keresztül vagy online is követhették a restaurátorok munkáját, hanem mert a szakemberek neurális háló segítségével sikeresen rekonstruálták a festmény eredeti változatát. Kevésbé közismert, hogy az 1642-ben elkészült remekművet 1715-ben a polgárőrség klubházából a városházára vitték át, ahol viszont nem fért el a falon a két ajtó között, ezért egy ollóval az aljáról, a felső részéről és a két oldaláról csíkokat vágtak le. A levágott részek azóta sem kerültek elő. A rekonstrukcióhoz felhasználták Gerrit Lundens holland festő 1642 és 1655 között készített másolatát, valamint az eredeti műalkotás csúcstechnológiás elemzése után a neurális hálót „betanították”, hogy képes legyen Rembrandt stílusában alkotni. A hiányzó darabokat ezután kinyomtatták és hozzáillesztették a „csonka” példányhoz, így 2021 óta az Éjjeli őrjárat abban a formában is megtekinthető, ahogy eredetileg Rembrandt festette.14
Pepper, a robot a Smithsonian’s Castle Commonsban
A Smithsonian Intézet jóvoltából
Amikor az MI probléma
¶ Egy új technológia megjelenése mindig maga után vonja az etikus használatára vonatkozó kérdések felvetését is, ez nincs másként a mesterségesintelligencia-fejlesztésekkel sem.
¶ Az MI-alkalmazások széles körű elterjedése a múzeumok számára is kihívást
jelent, új jelenségekre és problémákra kell minél előbb, szakszerűen reflektálniuk.
¶ Ahogy már fentebb is volt róla szó, a gépi tanuláshoz nagy mennyiségű tanító adatra van szükség, aminek megszerzése nem egyszerű feladat a fejlesztő cégek számára. A nagy adatterekkel rendelkező intézmények jelentősége egyre nagyobb lesz, mert a tanító algoritmus „éhsége” korlátlan a minél tökéletesebb működés érdekében. Az idén zajlik egy per a Getty Images és a Stability AI között, mert a cég a Stable Diffusion nevű generatív mesterséges intelligencia alapú képalkotó eszközük betanításához a Getty képeit használta fel engedély nélkül.15 A bíróság nincs egyszerű helyzetben, mert ahogy az lenni szokott,
a technológia több lépés előnyben van a jogalkotáshoz képest, és még nem áll rendelkezésre a megfelelő jogszabályi környezet az ilyen és hasonló konfliktusok rendezéséhez. Az Európai Unió már hosszú ideje egyeztet az MI felhasználásának jogi kérdéseiről. Friss hír, hogy május 11-én az Európai Parlament két szakbizottsága elfogadta az AI-Act jogszabálycsomagot, ami a jogalkotók reményei szerint akár globális szabvánnyá is válhat.16 Persze a jogszabály honosítása az egyes országok saját joggyakorlatába időbe telik majd, és addig még akár olyan új esetek is előfordulhatnak, amikre a szakemberek nincsenek felkészülve.
A Norvég Nemzeti Múzeum weboldalán az MI által kategorizált alkotások között böngészhetünk
http://vy.nasjonalmuseet.no/?collection=painting_subject
¶ Nemcsak a betanító modelleknél merülnek fel a szellemi tulajdonjogra, szerzői jogra vagy a mű integritására vonatkozó kérdések, hanem akkor is, amikor műalkotások módosítása vagy előállítása történik. Természetesen eddig is rendelkezésre álltak különböző eszközök a médiumok manipulálására, digitális művészet is létezett, de ma már az MI-alapú tartalomgeneráló platformokon a felhasználók tulajdonképpen szerkesztői tudás nélkül, pusztán szöveges leírás vagy hangvezérlés útján tömegesen állíthatnak elő új tartalmakat. A jelenleg legismertebb gépi tanulás algoritmuson alapuló szolgáltatás a Midjourney MI képgenerátor,17 ami természetes nyelvi leírásokból állít elő képeket. A Midjourney a Discord ingyenes kommunikációs platformot használja, ahogyan a BlueWillow18 is. Népszerű képgeneráló szolgáltatás még a nyílt forráskódú Leonardo19 és a DiffusionArt20 is.
¶ A tartalomgeneráló platformok terjedése felvetette a kérdést, hogy a gépek által létrehozott művek vajon egyenrangú művészeti alkotásnak tekinthetők-e.
Az elmúlt években több botrányról is beszámolt a világsajtó, amikor rangos művészeti versenyek díjait olyan pályázók vitték el, akik MI generátorral alkották meg műveiket. Jason Allen a Theatre d’Opera Spatial elnevezésű alkotással győzött a Colorado State Fair képzőművészeti versenyen,21 a Sony World Photography Awardon pedig Boris Eldagsen német fotóművész Hamis emlékek: a villanyszerelő című munkája lett az egyik kategória győztese.22
Rembrandt Éjjeli őrjárat festményéhez hozzáillesztik az MI által rekonstruált részeket
https://jingculturecrypto.com/rijksmuseum-rembrandt-night-watch-ai-restoration/
¶ Arról továbbra sincs közmegegyezés, hogy a hasonló alkotások művészetnek számítanak-e, mindenesetre bemutatásukra van igény: idén márciusban megnyílt a világ első mesterséges intelligencia-kiállítása az amszterdami Dead End Galériában.23 A következő időszakban a múzeumoknak is döntést kell hozniuk, hogy az MI által generált alkotásokat a digitális művészet részének tekintik-e, és ha igen, hol kapnak helyet a gyűjteményeikben.
¶ A gépi intelligencia és a szerzői jogi oltalom dilemmájának feloldására több szakember tett már javaslatot. Itthon is elérhető szakirodalom Kiss Zoltán Károly és Kiss Bernadett A vizuális művészetek és a jog című könyve, amelyben abból indulnak ki, hogy „a szerzői jog csak azokat a műveket védi, amelyek létrehozásában csak közvetetten vett részt a gép, és ahol a mű egy emberi alkotóhoz köthető, akinek a ráhatásán múlik a végeredmény, és részt vett a mű létrehozásában”.24
¶ Horváth Katalin szakjogász-ügyvéd állásfoglalása alapján négy, a mesterséges intelligencia által létrehozott műtípust különítenek el szerzői jogi szempontból:
- Az emberek által, MI segítségével, közreműködésével alkotott művek, amikor a gépi intelligencia csak támogatja az emberi kreativitást. Szerzői jogi oltalom alá esnek.
- Az MI által önállóan alkotott művek, de emberek általi szelektálással. Ilyenkor az emberi alkotó passzív szereplő, ugyan kreatív módon hoz döntéseket, de a kiválasztás nem teszi a művet eredetivé. Nem egyértelmű a szerzői jogi oltalom kérdése.
- Az MI által brute force computing használatával létrehozott művek. Ebben
az esetben a mesterséges intelligencia vizsgálja meg az összes lehetséges esetet,
és dönt az általa vélt egyetlen helyes mellett. Nem esnek szerzői jogi oltalom alá. - Teljes egészében a mesterséges intelligencia által létrehozott művek. Nem esnek szerzői jogi oltalom alá.25
Hazai helyzetkép
Pilot projektek
¶ A magyar múzeumokban nincs még jelentős tapasztalat a mesterségesintelligencia-alkalmazások használatával kapcsolatban. Néhány országos múzeumban kisebb pilot projekt indult, ahol ugyan bővülhetett a múzeumi szakemberek tudása, de hamar felszínre kerültek azok a problémák is, amelyek évek óta hátráltatják a múzeumi ágazatot a digitalizáció sikeres megvalósításában.
A Közgyűjteményi Digitalizálási Stratégia Mintaprojekt (2019–2021) keretében a Magyar Nemzeti Múzeum MuseuMap aggregációs portálján26 a Színkereső menüpont alatt a látogató egy színpaletta segítségével színek szerint tud szűrni a digitális műtárgyrekordok között. Az alkalmazás egy egyszerűbb MI-algoritmust is használ a műtárgyfotók színkód szerinti kategorizálásához.
Az MNM másik, szintén a Mintaprojekt ideje alatt megvalósuló pilot projektje a MuseumON, egy MI-alapú kulturális programajánló. Az érdeklődési kör megadása és a helymeghatározás után az alkalmazás felületén képek formájában jelennek meg a műtárgyrekordok, melyeket a felhasználó jobbra húzhat, ha érdekli és balra, ha nem releváns számára a tartalom. Az applikáció a mesterséges intelligencia segítségével megtanulja minden egyes felhasználó preferenciáit, és ennek a segítségével egyre inkább az érdeklődési körének megfelelő, releváns tartalmat ajánl az iteratív folyamat során.
A Mintaprojekt tervei között szerepelt a MuseuMap-rekordok automatikus kulcsszavazása is gépi tanulás segítségével, de ez a projekt sajnos a kezdeti fázisában elakadt a kevés tanító adat és a forráshiány miatt.
Jason Allen, Theatre d’Opera Spatial
https://en.wikipedia.org/wiki/Th%C3%A9%C3%A2tre_d%27Op%C3%A9ra_Spatial
Akadályozó tényezők
¶ Már a MuseumON esetében is problémát jelentett, ami az automatikus kulcsszavazást lehetetlenné is tette, hogy a képi és szöveges tartalmak elemzéséhez, a minták felismertetéséhez, majd a tanulórendszer „okosításához” nincs elég adatunk. A rendelkezésre álló műtárgyrekordok szűken adatoltak, a képek minősége pedig gyakran nem megfelelő az objektum felismertetésére.
Problémát jelent az is, hogy a hazai múzeumok nem rendelkeznek megfelelő infrastruktúrával. Minden MI-alapú rendszernek, de különösen a mélytanuláshoz (deep learning) használt neurális hálózatoknak nagy mennyiségű adaton kell gyors számításokat végezniük, amihez erős informatikai háttérre lenne szükség. Emellett hiányzik a kellő számú és tudású munkatárs is
az intézményekben. Ahhoz, hogy a tanuló rendszer minél pontosabban dolgozzon – főleg a kezdeti szakaszban – az algoritmus döntéseit ellenőrizni és korrigálni kell emberi intelligencia segítségével. A projekt koordinálásához pedig olyan kollégákra van szükség, akik átlátják és értelmezni tudják a fejlesztés egyes szakaszait. Mind az informatikai infrastruktúra, mind a humánerőforrás fejlesztése nagyobb anyagi támogatást igényel.
Beavatkozási pontok
¶ A legfontosabb lépés a múzeumi ágazat digitalizációjának felgyorsítása, ehhez pedig vagy a KDS folytatása, vagy hasonló országos, központi finanszírozású projekt elindítása szükséges, hiszen az intézmények nagy része csak szűkös erőforrásokkal rendelkezik. A fejlesztési keretek biztosításához megoldást jelenthetnek a nemzetközi pályázatok, ma már az európai uniós kiírások szinte mindegyikében szerepelnek mesterségesintelligencia-alkalmazások. Van már nyertes pályázó is: az MNM Semmelweis Orvostörténeti Múzeum a Horizont Európa program keretében nyert el konzorciumi tagságot. A SHIFT Projekt (SHIFT: A kulturális örökség metamorfózisa kiterjesztett hipermédiás eszközökké) olyan mesterségesintelligencia-alapú alkalmazások megvalósítását tűzte ki célul, amelyekkel a múzeumi kiállítások befogadását még élményszerűbbé teszik a kultúra iránt érdeklődő széles közönség számára, beleértve a fogyatékkal élő személyeket is. A projektben kifejlesztett eszközök mindegyike MI-technológiára támaszkodik, a gépi látástól, a természetes nyelvű feldolgozáson át a haptikus interfészek kiépítéséig. A nemzetközi projektekben való részvétel a kollégák számára is előnyös, hiszen naprakész tudást sajátíthatnak el
a legújabb innovációkkal kapcsolatban.
¶ A mesterségesintelligencia-fejlesztések minden eddiginél jobban felhívják
a figyelmet a közös adatterek használatának fontosságára. A magyar közgyűjtemények egyenként képtelenek lesznek annyi adatot előállítani, amennyire a tanuló rendszereknek szükségük van. A képi elemzéshez szükséges elegendő tartalmat talán még meg lehet szerezni nemzetközi szolgáltatásokból (a magyar személyek felismertetése így is nehézkes), de a felhasználható magyar nyelvű digitalizált szövegek mennyisége csekély. Több szakmai fórumon elhangzott javaslatként, hogy induljanak intézményközi projektek, amelyekben kutatási céllal együtt használják fel az intézmények digitális adatait az MI-fejlesztésekhez. Az objektumok, személyek felismertetésére és az automatikus szövegfeldolgozásra betanított algoritmust aztán minden résztvevő a saját szolgáltatásainak kiépítésére használhatná. Az együttműködésekre létezik már jó hazai példa: az ELTE Digitális Örökség Nemzeti Laboratóriuma (ELTE DH-LAB) több közgyűjteménnyel (például Magyar Nemzeti Múzeum, Magyar Nemzeti Levéltár) kötött együttműködési megállapodást MI-alapú fejlesztések megvalósítására, ahol a DH-LAB know-how-val és infrastruktúrával is támogatja a projekteket.
A jövőben pedig gondolni kell a múzeumi szakemberek ilyen irányú kompetenciaképzésére is. A mesterségesintelligencia-megoldások folyamatosan fejlődő rendszerek, amelyek múzeumi honosításához is naprakész szakértői tudás szükséges. Az MI által generált paradigmaváltás egyik következménye az is, hogy átlépünk az ipari forradalom következő, 5.0-s szakaszába. Amíg a 4.0-ban a robotika és az automatizáció volt a meghatározó, napjainkban újra felértékelődik az emberi szaktudás jelentősége. A gépi intelligencia egyelőre nem váltja ki az emberi intelligenciát, sőt egyre inkább szükség van a magas szintű emberi szaktudásra a fejlesztési folyamatokban és a szolgáltatásokban. Az ipar 5.0-ban a siker kulcsa a gépek és az ember hatékony együttműködése lesz, ezért a humán tőkébe való befektetés elengedhetetlen. Egyelőre a mesterséges intelligencia csak egy eszköz, hatékonysága tőlünk függ, hogy mennyire leszünk képesek használni.
Boris Eldagsen: Hamis emlékek: a villanyszerelő
https://www.eldagsen.com/sony-world-photography-awards-2023/
Szín szerinti szűrés a MuseuMap aggregációs portálon
https://www.museumap.hu/
Képernyőkép a MuseumON applikációból
Jegyzetek
[1] https://hu.wikipedia.org/wiki/ChatGPT.
[2] A fogalom John McCarthy nevéhez fűződik, aki 1956-ban a New Hampshire-i Dartmouth Egyetem konferenciáján használta először. Moshe Y. Vardi: Artificial Intelligence: Past and Future. https://cacm.acm.org/magazines/2012/1/144824-artificial-intelligence-past-and-future/fulltext.
[3] Tim Urban: The AI Revolution: The Road to Superintelligence.
https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html.
[4] https://www.cooperhewitt.org/events/current-exhibitions/using-the-pen/.
[5] https://www.youtube.com/watch?v=YPH4vUWcN2U&t=2s.
[6] Caitlin Pequignot: Teaching a Titanosaur to Talk: Conversational UX Design for Field Museum. https://purplerockscissors.com/blog/teaching-a-titanosaur-to-talk.
[7] Watson az IBM által kifejlesztett gépi intelligencia. 2011-ben egy vetélkedőben két játékost is sikerült legyőznie. Ed Burns: IBM Watson supercomputer. https://www.techtarget.com/searchenterpriseai/definition/IBM-Watson-supercomputer.
[8] Bruno Martinez: IBM Watson changes the way of seeing art at the Pinacoteca. https://en.showmetech.com.br/ibm-watson-muda-forma-de-ver-arte-na-pinacoteca/.
[9] https://www.si.edu/newsdesk/releases/smithsonian-launches-pilot-program-pepper-robots.
[10] https://www.wikiart.org/.
[11] Paintings, by motif: http://vy.nasjonalmuseet.no/?collection=painting_subject,
Paintings, by style: http://vy.nasjonalmuseet.no/?collection=painting_style,
Prints: http://vy.nasjonalmuseet.no/?collection=printmaking,
Drawings: http://vy.nasjonalmuseet.no/?collection=drawings,
Design: http://vy.nasjonalmuseet.no/?collection=design.
[13] https://iconclass.org/.
[14] Fei Lu: Operation Night Watch: How Rijksmuseum Tapped AI To Restore A Rembrandt.
https://jingculturecrypto.com/rijksmuseum-rembrandt-night-watch-ai-restoration/.
[15] James Vincent: Getty Images is suing the creators of AI art tool Stable Diffusion for scraping its content. https://www.theverge.com/2023/1/17/23558516/ai-art-copyright-stable-diffusion-getty-images-lawsuit.
[16] Bodnár Barna: A digitális világ mérföldköve az EU új MI-jogszabálya.
https://raketa.hu/a-digitalis-vilag-merfoldkove-az-eu-uj-mesterseges-intelligencia-torvenye.
[17] https://www.midjourney.com/.
[18] https://www.bluewillow.ai/.
[19] https://leonardo.ai/.
[20] https://diffusionart.co/.
[21] Kevin Roose: An A.I.-Generated Picture Won an Art Prize. Artists Aren’t Happy. https://www.nytimes.com/2022/09/02/technology/ai-artificial-intelligence-artists.html.
[23] Doloresz Katanich: The world’s first AI art gallery opens in Amsterdam and has sparked controversy in the art world. https://www.euronews.com/culture/2023/03/21/the-worlds-first-ai-art-gallery-opens-in-amsterdam.
[24] Kiss Zoltán Károly–Kiss Dóra Bernadett: A vizuális művészetek és a jog. 1. A képzőművészet szabályozása. https://mek.oszk.hu/21700/21793/21793.pdf.
[25] Uo.
[26] https://www.museumap.hu/.
Felhasznált irodalom
Bodnár Barna: A digitális világ mérföldköve az EU új MI-jogszabálya
https://raketa.hu/a-digitalis-vilag-merfoldkove-az-eu-uj-mesterseges-
intelligencia-torvenye
Burns, Ed: IBM Watson supercomputer
https://www.techtarget.com/searchenterpriseai/definition/IBM-Watson-supercomputer
Charr, Manuel: How Are Museums Using Chatbots?
https://www.museumnext.com/article/how-are-museums-are-using-chatbots/
- Karvalics László: Mesterséges intelligencia – a diskurzusok újratervezésének kora
https://epa.oszk.hu/01900/01963/00050/pdf/EPA01963_informacios_tarsadalom_2015_4.pdf
Katanich, Doloresz: The world’s first AI art gallery opens in Amsterdam and has sparked controversy in the art world
https://www.euronews.com/culture/2023/03/21/the-worlds-first-ai-art-gallery-opens-in-amsterdam
Kiss Zoltán Károly–Kiss Dóra Bernadett: A vizuális művészetek és a jog. 1. A képzőművészet szabályozása. Médiatudományi Intézet, 2019
https://mek.oszk.hu/21700/21793/21793.pdf
Lu, Fei: Operation Night Watch: How Rijksmuseum Tapped AI To Restore A Rembrandt
https://jingculturecrypto.com/rijksmuseum-rembrandt-night-watch-ai-restoration/
Martinez, Bruno: IBM Watson changes the way of seeing art at the Pinacoteca
https://en.showmetech.com.br/ibm-watson-muda-forma-de-ver-arte-na-pinacoteca/
Pequignot, Caitlin: Teaching a Titanosaur to Talk: Conversational UX Design for Field Museum
https://purplerockscissors.com/blog/teaching-a-titanosaur-to-talk
Roose, Kevin: An A.I.-Generated Picture Won an Art Prize. Artists Aren’t Happy
https://www.nytimes.com/2022/09/02/technology/ai-artificial-intelligence-artists.html
Tyagi, Riya: The Landscape of AI & Robotic Guides in Museums & Cultural Places
https://www.aldebaran.com/en/blog/news-trends/landscape-ai-robotic-guides-museums-cultural-places
Urban, Tim: The AI Revolution: The Road to Superintelligence
https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html
Vardi, Moshe Y.: Artificial Intelligence: Past and Future
https://cacm.acm.org/magazines/2012/1/144824-artificial-intelligence-past-and-future/fulltext
Varga Benedek: Mesterséges intelligencia bővíti az Orvostörténeti Múzeum lehetőségeit.
SHIFT a SOM-ban
https://magyarmuzeumok.hu/cikk/mesterseges-intelligencia-boviti-az-orvostorteneti-muzeum-lehetosegeit
Vincent, James: Getty Images is suing the creators of AI art tool Stable Diffusion for scraping its content
https://www.theverge.com/2023/1/17/23558516/ai-art-copyright-stable-diffusion-getty-images-lawsuit