
Berapa luaskah rekahan pada menara batu pasir dalam masa 50 tahun? Persoalan yang nampaknya tidak terjawab ini sedang ditangani oleh sekumpulan saintis Perancis menggunakan data dan algoritma. Matlamatnya bukan sahaja pemeliharaan, tetapi juga mengubah data khusus ini menjadi maklumat konkrit yang boleh mempengaruhi pembuat dasar dan memupuk rasa tanggungjawab dalam kalangan orang ramai.
Mengajar mesin untuk "melihat" dan bukannya mata manusia.
Cabaran sebenar bukanlah "menggunakan AI untuk mengambil gambar warisan," tetapi bagaimana mesin dapat memahami degradasi, satu konsep yang secara semula jadi bergantung pada persepsi, bahasa dan perspektif manusia.
Ann Bourgès, seorang saintis pemuliharaan kanan di Pusat Penyelidikan dan Pemulihan Muzium Perancis, Kementerian Kebudayaan Perancis, telah meletakkan asas untuk projek ini. Sejak tahun 2022, Bourgès dan dua rakan sekerja telah melancarkan dua projek kedoktoran bersama pelajar penyelidikan Adèle Cormier dan David Roqui. Dua tapak rintis telah dipilih secara sengaja: tapak batu pasir segi lapan menara Katedral Strasbourg – struktur Rayonnant Gothic abad ke-13 yang tahan terhadap musim sejuk benua yang keras dan musim panas yang terik; dan tapak arkeologi Bibracte berhampiran Autun di Burgundy – sebuah penempatan Gaulish yang pertama kali digali pada akhir abad ke-19.
Misi Roqui adalah untuk mengajar AI bukan sahaja membaca data, tetapi juga untuk "melihat." Menurut The Art Newspaper , ini bermakna melatih model untuk mengenal pasti retakan dalam gambar, kemudian membandingkan dua gambar yang diambil pada masa yang berbeza untuk menentukan sejauh mana retakan itu telah melebar. Pasukan penyelidikan menghadapi dua cabaran utama: nisbah antara fenomena global dan ciri mikroklimatik khusus setiap tapak warisan, dan kekurangan penyeragaman antara peranti pengukuran komersial. Untuk mengatasi halangan ini, projek ini menggunakan pengimejan inframerah terma – teknologi yang boleh mendedahkan rembesan air dan pengumpulan garam mineral dalam batuan yang tidak dapat dikesan dengan mata kasar.
Keputusan awal sangat menggalakkan. Menurut Peer Community Journal , model multimodal yang diuji pada data dari Katedral Strasbourg mencapai ketepatan 76.9% dan skor F1 sebanyak 77.0% – peningkatan 43% berbanding seni bina AI konvensional seperti VisualBERT atau Transformer, dan peningkatan 25% berbanding model PerceiverIO tulen. Lebih penting lagi, apabila dijalankan secara individu, data sensor hanya mencapai ketepatan 61.5% manakala data imej hanya mencapai 46.2% – menunjukkan bahawa kuasa sebenar terletak pada gabungan kedua-dua sumber maklumat.
Cita-cita global
Angka-angka teknikal yang mengagumkan itu hanyalah permulaan. Apa yang disasarkan oleh Bourgès dan rakan-rakannya adalah cita-cita yang jauh lebih besar: untuk mencipta alat yang boleh diakses oleh mana-mana ahli pemuliharaan atau ahli arkeologi di dunia , tanpa mengira bajet tempatan atau nasional.
Menurut The Art Newspaper , keseluruhan metodologi projek ini akan diterbitkan sebagai sumber terbuka dan disepadukan ke dalam platform Espadon – sebuah projek kebangsaan yang dimulakan oleh Kementerian Kebudayaan Perancis untuk mendigitalkan warisan dengan teknologi realiti terimbuh, sambil menyediakan akses kepada semua data yang diketahui di mana-mana bangunan kepada penyelidik.
Matlamat utama, seperti yang dinyatakan dengan jelas oleh Cik Bourgès, ialah: "Kami mahu pengguna dapat membayangkan bagaimana lokasi khusus mereka akan berubah dari semasa ke semasa berhubung dengan iklim tempatan." Daripada laporan saintifik yang padat dan berasaskan data, alat ini akan menghasilkan gambaran visual: berapa banyak plaster atau cat dinding ini yang akan hilang selepas 100 tahun.
Inilah dimensi di luar sains tulen yang ditekankan oleh Cik Bourgès – juga Setiausaha Agung cawangan Perancis bagi Majlis Antarabangsa mengenai Monumen dan Tapak (ICOMOS) –: "Ia adalah cara untuk mengumpulkan dan menunjukkan dengan jelas apa yang disebabkan oleh krisis iklim. Jika anda dapat menunjukkan kepada orang ramai gambar dinding mereka yang kehilangan separuh plasternya dalam 100 tahun, mereka akan segera faham." Dan menurutnya, itulah juga sebabnya keperluan untuk alat jenis ini begitu besar dan mendesak: "Sama ada anda seorang ahli pemuliharaan atau ahli arkeologi, semua orang ingin tahu apa yang perlu dilakukan. Tetapi untuk mengetahui apa yang perlu dilakukan, anda perlu tahu apa yang akan berlaku."
AI untuk pemeliharaan warisan: Gambaran pan-Eropah
Projek Perancis hanyalah salah satu daripada banyak projek yang serupa.
HYPERION, yang dibiayai oleh EU dengan hampir €6 juta, sedang diuji di Rhodes (Greece), Venice (Itali), Tønsberg (Norway) dan Granada (Sepanyol). Ciri unik HYPERION ialah penyepaduan komuniti ke dalam proses pemantauan melalui aplikasi mudah alih, menjadikan setiap pejalan kaki sebagai "sensor hidup." Projek YADES, yang dibiayai melalui Program Marie Skłodowska-Curie, memberi tumpuan kepada warisan di Cyprus, Greece dan Itali, dengan penekanan pada 80 perjalanan bergilir antara organisasi, memastikan teknologi kekal disepadukan dengan komuniti tempatan.
Tiga projek, tiga pendekatan - tetapi pemahaman yang sama: AI tidak dapat menggantikan manusia dalam menghargai warisan, tetapi ia dapat membantu manusia lebih memahami apa yang sedang hilang, agar intervensi yang tepat pada masanya dapat dilakukan.
Sumber: https://baodanang.vn/khi-ai-giup-bao-ton-di-san-3339586.html







