AI は博物館が直面している主要な問題のいくつかを解決できるでしょうか?

ほとんどの業界と同様に、文化分野の機関は効率を高めるために、ChatGPT、テキスト サマライザー、チャットボットなどの汎用 AI ツールを日常業務に統合し始めています。ただし、機械学習の革新的な可能性を真に活用するには、特定のタスクに合わせてカスタマイズできる特殊なツールが必要になります。

この問題には、 学際的なアプローチ これにより、文化施設の専門家が AI 開発者と協力できるようになります。結果として得られるモデルは、あらゆる規模の機関が内部で使用できるように、博物館職員にとって十分に使いやすいものでなければなりません。

このミッションは、最近の 3 年間にわたる研究プロジェクトの最前線でした。 コレクションの変革: アート、国家、遺産の再考 英国では、構造的偏見に対抗する方法や抑圧された歴史を表面化する方法など、公共コレクションの管理者が直面している長年の問題に機械学習がどのように有効に対処できるかを判断しようとしました。ロンドン芸術大学 (UAL) が監督するこのプロジェクトは、5 年間にわたるプロジェクトの一環です。 全国コレクションを目指して 英国の文化機関間の障壁を取り除く技術的解決策を見つけることを目的としたプログラム

変容するコレクションからの発見は、 博物館×機械×私 10月初旬にロンドンのテートモダンでカンファレンスを開催。 Artnet News は、この研究プロジェクトを主導した UAL クリエイティブ コンピューティング研究所の研究者であるミック グリアソン教授に 3 つの主要なポイントを聞きました。

1. 学際的なコンピューティングの力

文化分野向けの機械学習ソリューションは、キュレーター、美術史家、データ保護担当者を含む学際的な専門家チームによって開発される必要があります。

「テート美術館などの博物館の協力者たちは、AI が実際に何に役立つのかを理解するために必要な例を私たちに提供してくれました」とグリアソン氏は説明しました。 「私たちの目標は、彼らがやりたいようにそれをできるようにするものを構築することでした。それは、彼らの懸念が何であるかを本当に理解することを意味しました。」

同氏は、コンピューター科学者が、博物館がコレクションのデジタル化されたアイテムに自動的にラベルを付けるオプションを有効にして、大規模で検索可能なデータベースの作成をより効率的にできるようにした例を示しました。 「約 30 秒以内に、これは決してうまくいかないことがわかりました」とグリアソン氏は言います。たとえば、あるケースでは、特にコレクションの植民地化解除が優先度の高い場合、汎用コンピュータビジョンモデルでは、博物館の文脈において関連情報となる対象者の写真や絵画の人種を示すことができないことが判明した。

2024年10月、ロンドンのテート・モダンで開催された博物館×機械×私カンファレンス。写真：ジョシュ・クロール、テート提供。

「商業的なインセンティブはありません」 [for Big Tech] この問題を管理する必要があるため、修正されません。必要なのは公共部門のアプローチです」とグリアソン氏は付け加えた。 「私たちがしなければならないのは、モデルをトレーニングすることでモデルを変えることです」 [ourselves]」このアプローチは、当然のことながら AI 企業にデータを自由に提供したくない博物館にも適しています。

2. 公共部門における長年の問題への取り組み

公的機関にとって非常に重要な問題の解決に民間セクターが消極的であることは、代わりに「大手テクノロジー企業によって売り込まれている物語を打ち破る」セクター固有のツールを構築する機会を生み出しています。 Grierson 氏が説明したように、「これらは実際には非常に単純なシステムであり、プロンプトだけでなく、自分の目的に合わせて再トレーニングし、やりたいことを実行させることができます。」

たとえば、多くの博物館は現在、コレクション内の欠落または欠落を特定することに重点を置いています。 Transforming Collections プロジェクトによって開発された AI ツールを使用すると、ユーザーは特定のテーマに沿ったテキストや画像を分析および検索し、微妙な構造的な偏りさえも特定できます。この「アナライザー」モデルは、博物館職員がダウンロードして、ローカル IT システム上の少量のデータを使用する場合でも、独自のコンテキスト固有のニーズに合わせてカスタマイズできます。有用な場合は、モデルを外部の同僚と簡単に共有できます。

エリカ・タン 先祖の(r)呼び起こし （2024年）。画像提供：UAL 脱植民地化芸術研究所。

このようなツールは、AI は複雑すぎてその分野の専門知識がなければ使用できないという概念に対抗するものとなるでしょう。 「私たちは人々が自分の視点をテクノロジーに組み込むことができるようにすることができます」とグリアソン氏は述べています。 「これはただのコンピューターが何かをしているだけです。魔法はありません。それを可能にするインターフェースがあれば、それを行うことができます。」

3. 包括性の重要性

AI カンファレンスで共有されるアイデアは、現実世界でどのように実現されるかが見えないと、抽象的に感じられることがあります。カンファレンスと並行して、1 週間にわたる文化イベント プログラムが開催され、UAL のクリエイティブ コンピューティング修士課程の学生が設置したプレゼンテーションを通じて、AI を扱うアーティストにスポットライトを当てました。

これらのプロジェクトは共に、「私たちが目指していた包括性をまさに表していた」とグリアソン氏は語った。彼は次の貢献を強調した。 ステファニー・ディンキンス、AIが人種やジェンダーとどのように交差するかを問う著名なアーティストであり、彼の基調講演がカンファレンスの始まりとなった。

もう一つの傑出したのはエリカ・タンでした。 先祖の(r)呼び起こしそのために、彼女はテートとウェルカムの東南アジアのコレクションのアイテムに関するデータを「診断装置」に入力し、それを影響力のあるサウンドインスタレーションに変換しました。

「これらの芸術家たちは、 [museum] データと情報のコンテキストでアーカイブする必要があります」とグリアソン氏は言いました。 「コミュニティが有意義な方法でアイデアやテクノロジーに取り組んでいると感じました。私たちが単なる学者の集団であるとは感じませんでした。生きていると感じました。」