Zmeškali jste Axiell Digital Days ’24? Podívejte se na video, ve kterém British film institute (BFI), jeden z významných zákazníků Axiell, představuje specifické využití umělé inteligence ve filmovém institutu. BFI spolupracuje s Axiell od roku 2011 a používá rutinně řadu našich produktů jako systém pro správu sbírek Axiell Collections, mobilní aplikaci Axiell Move a další. Dlouhodobá spolupráce tedy představovala dobrý základ pro společný projekt, ve kterém se Axiell, BFI a další spolupracovníci zaměřili na výzkum potenciálu využití umělé inteligence v oblasti správy muzejních a galerijních sbírek. Jedná se o velmi aktuální téma, kterému se věnuje v této oblasti stále větší pozornost. Diskutují se jak pozitivní dopady, tak problémy a obavy, které využívání AI nese.
Stephen McConnachie z BFI za jeden z hlavních přínosů realizovaného projektu pokládá možnost používat AI ve sbírkovém evidenčním systému k různorodým, zejména však hloubkovým, datovým analýzám a operacím, jež nám mohou ukázat evidovaná data o sbírkách v nových souvislostech. Nabízí tedy nový a velmi komplexní pohled na jednotlivé sbírky, kterého nejsme pouhým lidským okem schopni. Pohled na data s využitím AI tak může dokumentátorům, kurátorům a dalším odborným pracovníkům muzeí a galerií v budoucnu velmi usnadnit práci a zároveň vést k posunu v odborném využití sbírkových dat. Nicméně dodává, že AI není žádný kouzelný nástroj, ze kterého by data, která nemají potřebnou kvalitu, vyšla ve strukturované, přehledné a čisté formě. Umělá inteligence je jenom nástroj, proto jí musíme data k analýze předložit tak, aby jim porozuměla, jinak bude výsledkem nesmysl. Stále tedy bude potřeba práce člověka, který musí zadat kvalitní data a provádět potřebné kontroly výsledků a validace výstupů.
Stephen a jeho tým si během projektu současně potvrdili, že je potřeba myslet na bezpečné využití strojového učení. Každá instituce by si pro sebe měla definovat potencionální rizika a problémy, které může rutinní využívání AI přinést. Proto pokládá za důležité v těchto institucích diskutovat a stanovit pravidla pro využívání AI, a následně je zahrnout do potřebných směrnic. Především doporučuje identifikovat, ve kterých oblastech správy sbírek lze strojové učení používat, a kde to naopak vhodné není, např. vzhledem k citlivým údajům, jež by mohly potenciálně narušit bezpečnost správy sbírek. Mimoto je dobré si uvědomit, jaké typy modelů strojového učení chceme využívat, tj. odkud pochází. Řada z nich např. vznikla v nadnárodních společnostech, jež je vytvářely za účelem generování většího zisku, nebo používaly k učení materiál chráněný autorskými právy. Do problematiky využívání AI tedy díky tomu vstupuje i etické hledisko.
Co se týče příkladu konkrétního výstupu projektu a jeho hodnocení, rozhodl se Stephen využít jeden z největších datasetů BFI – přepisy britského televizního vysílání, tedy titulky. Projektový tým k jeho analýze použil model strojového učení, obsahující informace z 200 zpravodajských časopisů. Výsledkem bylo 17000 nalezených entit, tj. osobností, míst, organizací a událostí, které titulky obsahovaly. Tyto následně odborní pracovníci BFI propojili s odkazy na články na Wikipedii, jejichž věrohodnost prověřili. Tím vznikla strukturovaná hierarchie, kterou si můžeme představit jako odborný slovník, ve kterém lze vyhledávat různé informace. Nicméně je však nutné počítat s určitou úrovní omylu, resp. chybovostí výstupů. AI totiž poskytuje výsledky nejen na základě kvality vstupních dat, ale i modelu strojového učení, který využívá. Z toho např. plyne, že muzeum dokumentující kulturní život v poměrně malém a specifickém regionu České republiky nemusí být s výsledem analýzy pomocí AI spokojené, protože nenajde model, který by je „uměl“ vyhodnotit. Odborný pracovník, jenž bude takový výstup kontrolovat, pak musí dojít k závěru, že tento způsob analýzy není pro tento typ dat ještě vhodný. Jinými slovy, AI se má stále co učit a lidský prvek stále nedokáže plně zastoupit.
