Februarja 2025 je bil na hekatonu AI4Culture objavljen izziv: uporaba orodij umetne inteligence za inovativno preoblikovanje, raziskave ali predstavitev digitalnih podatkov o kulturni dediščini. Platforma AI4Culture vsebuje veliko virov za te projekte: nabore podatkov ustanov za varstvo kulturne dediščine in podatkovni prostor za kulturno dediščino, nabor orodij umetne inteligence ter učne vire in gradivo za izpopolnjevanje.
Pet ekip se je spoprijelo s tem izzivom in našlo zanimive primere uporabe, ki združujejo inovativna orodja umetne inteligence in nabore podatkov o kulturni dediščini. Spodaj si oglejte njihove projekte.
"Veliko smo se zabavali, ko smo raziskovali, kateri podatki so na voljo prek Europeane, čeprav smo na koncu uporabili druge vire!" je dejal sodelujoči Laurens Dhaenens.
ABC: Koda avtomatskega mešalnika
Ekipa Zite Baronnet, Francesca Gaviolija in Lare Peeters je želela iz slik izluščiti 2D-predmete in jih z uporabo umetne inteligence pretvoriti v 3D-modele ter avtomatizirati postopek 3D-modeliranja. Njihov cilj je bil racionalizirati dolgotrajen in tehnično zapleten potek dela pri ustvarjanju 3D-modelov za aplikacije kulturne dediščine. Ekipa je uporabila API Europeana, SegmentAnything in model HuggingFace s 3D-sredstvi, da je ustvarila cevovod, ki je vzel 2D-sliko iz Europeane in izdelal 3D-model za ponovno uporabo v Blenderju (programska oprema za ustvarjanje 3D-računalniške grafike). Raziščite njihov projekt.
Patina: de:barva časa
Projekt Stefanie De Winter, Laurensa Dhaenensa, Angelice Fieschi in Stefana Fanellija se je osredotočal na vprašanje degradacije umetnosti in nastajanja patine, njegov cilj pa je bil ustvariti orodje, ki identificira in sporoča staranje digitaliziranih umetniških del.
Prizadevali so si, da bi javnost bolje razumela, kako čas oblikuje umetnost. Ekipa je ustvarila nabor učnih podatkov o umetniških delih, na katera sta vplivala patina in staranje, skupaj s slikami teh umetniških del, preden jih je prizadela starost. Za klasifikacijo slik so uporabili konvolucijsko nevronsko mrežo (CNN) in razvili spletni vmesnik za znanstveno komunikacijo. Skupina je ugotovila, da so podatki o usposabljanju omejeni in da so potrebni natančnejši modeli.
Te slike ves čas gledamo, vendar pozabljamo, da so oblikovane s časom. Želimo dodati to plast, ki je tam, vendar je nevidna. "Kar želimo pokazati, je oblika časa." - Stefanie de Winter
Globoko gojenje
Ekipa DeepCulture, ki so jo sestavljali Ioannis Kapsalis, Katerina Zourou, Hannieh Habibi in Marianna Ziku, je želela izvesti analizo čustev o podatkih o kulturni dediščini, da bi odkrila skrite pripovedi in povezave.
ArcAIVision
Ekipa ArcAIVision Sercan Kıyak, Knar Ohanjanyan in Elçin Istif Inci je razvila orodje umetne inteligence za odkrivanje tem, povezanih z migracijami, v zgodovinskih videoposnetkih, da bi v arhivskih posnetkih odkrili skrite povezave in pozabljene zgodbe.
Pridobili so video vsebine nizozemskega inštituta za zvok in vizijo iz API-ja Europeana ter uporabili BERTopic za tematsko modeliranje in združevanje K-bližnjih sosedov (K-NN) za analizo okvirjev, pridobljenih iz videoposnetkov. Skupina je obravnavala inherentne izzive pri obravnavanju pristranskosti v metapodatkih. Čeprav je tema modeliranja umetne inteligence pravilno združila podobne teme, je skupina ročno združila izraze in okvire, povezane z migracijo.
Kaj če bi lahko videli zgodovino skozi novo lečo - tisto, ki razkriva skrite povezave in pozabljene zgodbe? Obstaja ogromno arhivskih posnetkov, ki jih je težko navigirati. Ni le težko krmariti, ampak so tradicionalni metapodatki omejeni in pogosto pristranski. To otežuje analizo, teme, čustva in še več v teh podatkovnih nizih" - Knar Ohanjanyan
Nestrukturirano
Ta projekt Arnouda Wilsa je bil namenjen pridobivanju strukturiranih podatkov JSON iz nestrukturiranih datotek PDF v Corpus Rubenianum, s poudarkom na informacijah o izvoru in ikonografiji.
Za pridobivanje in strukturiranje podatkov so uporabljali Llamaparse, Llamaindex, Cohere LLM API in Pydantic. Un2Structured je prilagodil svojo predlogo in v veliki meri zahteval rezultate, ki so jih iskali. Postavili so tudi tehtna vprašanja o tem, kako ovrednotiti te pridobljene podatke.
Bi želeli delati na lastnih inovativnih projektih z uporabo podatkov o kulturni dediščini? Oglejte si vmesnike za aplikacijsko programiranje Europeane.