Hvor meget bredere vil en revne i et sandstenstårn blive om 50 år? Dette tilsyneladende ubesvarede spørgsmål undersøges af en gruppe franske forskere ved hjælp af data og algoritmer. Målet er ikke kun at bevare disse specifikke data, men også at omdanne disse specifikke data til konkret information, der kan påvirke beslutningstagere og fremme en følelse af ansvar blandt offentligheden.
At lære maskiner at "se" i stedet for menneskeøjne.
Den virkelige udfordring er ikke "at bruge kunstig intelligens til at fotografere kulturarv", men snarere hvordan en maskine kan forstå forringelse, et koncept der i sagens natur er afhængigt af menneskelig opfattelse, sprog og perspektiv.
Ann Bourgès, seniorforsker i konservering ved det franske museumsforsknings- og restaureringscenter under det franske kulturministerium, lagde grunden til projektet. Siden 2022 har Bourgès og to kolleger lanceret to ph.d.-projekter med forskerstuderende Adèle Cormier og David Roqui. De to pilotsteder blev bevidst valgt: den ottekantede sandstensbase af Strasbourg-katedralens tårn – en Rayonnant-gotisk struktur fra det 13. århundrede, der modstår barske kontinentale vintre og brændende hede somre; og det arkæologiske område Bibracte nær Autun i Bourgogne – en gallisk bosættelse, der først blev udgravet i slutningen af det 19. århundrede.
Roquis mission var at lære AI ikke kun at læse data, men også at "se". Ifølge The Art Newspaper betød dette at træne modellen til at identificere revner i fotografier og derefter sammenligne to fotos taget på forskellige tidspunkter for at bestemme, hvor meget revnen var blevet bredere. Forskerholdet stod over for to store udfordringer: forholdet mellem globale fænomener og de specifikke mikroklimatiske karakteristika for hvert kulturarvssted og manglen på standardisering blandt kommercielle måleinstrumenter. For at overvinde denne barriere brugte projektet termisk infrarød billeddannelse – en teknologi, der kan afsløre vandudsivning og ophobning af mineralsalt i klipper, som ikke kan detekteres med det blotte øje.
De indledende resultater er meget opmuntrende. Ifølge Peer Community Journal opnåede den multimodale model, der blev testet på data fra Strasbourgs domkirke, en nøjagtighed på 76,9 % og en F1-score på 77,0 % – en forbedring på 43 % i forhold til konventionelle AI-arkitekturer som VisualBERT eller Transformer, og en forbedring på 25 % i forhold til en ren PerceiverIO-model. Endnu mere bemærkelsesværdigt er det, at sensordata, når de blev kørt individuelt, kun opnåede en nøjagtighed på 61,5 %, mens billeddata kun nåede 46,2 % – hvilket viser, at den sande styrke ligger i at kombinere begge informationskilder.
Globale ambitioner
De imponerende tekniske tal er kun begyndelsen. Bourgès og hendes kolleger sigter mod en langt større ambition: at skabe et værktøj, som enhver naturforkæmper eller arkæolog i verden kan få adgang til, uanset lokalt eller nationalt budget.
Ifølge The Art Newspaper vil hele projektets metode blive offentliggjort som open source og integreret i Espadon-platformen – et nationalt projekt initieret af det franske kulturministerium for at digitalisere kulturarv med augmented reality-teknologi, samtidig med at forskere får adgang til alle kendte data om enhver bygning.
Det endelige mål, som det klart fremgår af fru Bourgès, er: "Vi ønsker, at brugerne skal kunne visualisere, hvordan deres specifikke placering vil ændre sig over tid i forhold til det lokale klima." I stedet for tætte, datadrevne videnskabelige rapporter vil værktøjet skabe en visuel repræsentation: hvor meget af denne vægs puds eller maling der vil være tabt efter 100 år.
Det er denne dimension ud over ren videnskab, som fru Bourgès – også generalsekretær for den franske afdeling af Det Internationale Råd for Monumenter og Steder (ICOMOS) – understreger: "Det er et middel til at indsamle og tydeligt vise, hvad klimakrisen forårsager. Hvis man kan vise folk et billede af deres væg, der mister halvdelen af sin puds på 100 år, vil de forstå det med det samme." Og ifølge hende er det også derfor, behovet for denne type værktøj er så stort og presserende: "Uanset om man er naturforkæmper eller arkæolog, vil alle gerne vide, hvad man skal gøre. Men for at vide, hvad man skal gøre, skal man vide, hvad der vil ske."
AI til bevaring af kulturarv: Et paneuropæisk billede
Det franske projekt er blot ét af mange lignende projekter.
HYPERION, der er finansieret af EU med næsten 6 millioner euro, afprøves afprøvningsprojekter på Rhodos (Grækenland), Venedig (Italien), Tønsberg (Norge) og Granada (Spanien). HYPERIONs unikke træk er integrationen af lokalsamfundet i overvågningsprocessen via en mobilapplikation, der forvandler hver forbipasserende til en "levende sensor". YADES-projektet, der er finansieret gennem Marie Skłodowska-Curie-programmet, fokuserer på kulturarv i Cypern, Grækenland og Italien med vægt på 80 roterende ture mellem organisationer, hvilket sikrer, at teknologien forbliver integreret i lokalsamfundet.
Tre projekter, tre tilgange - men den samme forståelse: Kunstig intelligens kan ikke erstatte menneskers værdsættelse af kulturarv, men den kan hjælpe mennesker med bedre at forstå, hvad der går tabt, så der kan gribes ind i tide.
Kilde: https://baodanang.vn/khi-ai-giup-bao-ton-di-san-3339586.html
