Hoeveel breder wordt een scheur in een zandstenen toren na 50 jaar? Deze schijnbaar onbeantwoordbare vraag wordt door een groep Franse wetenschappers aangepakt met behulp van data en algoritmes. Het doel is niet alleen behoud, maar ook het omzetten van deze specifieke data in concrete informatie die beleidsmakers kan beïnvloeden en een gevoel van verantwoordelijkheid bij het publiek kan bevorderen.
Machines leren "zien" in plaats van menselijke ogen.
De echte uitdaging is niet "AI gebruiken om erfgoed te fotograferen", maar eerder hoe een machine verval kan begrijpen, een concept dat inherent afhankelijk is van menselijke waarneming, taal en perspectief.
Ann Bourgès, senior conservator bij het Franse Centrum voor Museumonderzoek en Restauratie van het Franse Ministerie van Cultuur, legde de basis voor het project. Sinds 2022 hebben Bourgès en twee collega's twee doctoraatsprojecten opgezet met promovendi Adèle Cormier en David Roqui. De twee proeflocaties werden bewust gekozen: de achthoekige zandstenen basis van de toren van de kathedraal van Straatsburg – een 13e-eeuwse Rayonnante gotische constructie die bestand is tegen strenge continentale winters en verzengende zomers; en de archeologische vindplaats Bibracte bij Autun in Bourgondië – een Gallische nederzetting die voor het eerst werd opgegraven aan het einde van de 19e eeuw.
Roqui's missie was om AI niet alleen te leren data te lezen, maar ook te "zien". Volgens The Art Newspaper betekende dit dat het model getraind werd om scheuren in foto's te identificeren en vervolgens twee foto's die op verschillende tijdstippen waren genomen te vergelijken om te bepalen hoeveel de scheur was verbreed. Het onderzoeksteam stond voor twee grote uitdagingen: de verhouding tussen wereldwijde verschijnselen en de specifieke microklimatische kenmerken van elke erfgoedlocatie, en het gebrek aan standaardisatie tussen commerciële meetinstrumenten. Om deze hindernis te overwinnen, maakte het project gebruik van thermische infraroodbeeldvorming – een technologie die waterinsijping en de ophoping van minerale zouten in gesteenten kan onthullen die met het blote oog niet waarneembaar zijn.
De eerste resultaten zijn zeer bemoedigend. Volgens het Peer Community Journal behaalde het multimodale model, getest op data van de kathedraal van Straatsburg, een nauwkeurigheid van 76,9% en een F1-score van 77,0% – een verbetering van 43% ten opzichte van conventionele AI-architecturen zoals VisualBERT of Transformer, en een verbetering van 25% ten opzichte van een puur PerceiverIO-model. Nog opmerkelijker is dat sensordata, afzonderlijk uitgevoerd, slechts een nauwkeurigheid van 61,5% behaalden, terwijl beelddata slechts 46,2% bereikten – wat aantoont dat de ware kracht schuilt in de combinatie van beide informatiebronnen.
Wereldwijde ambities
De indrukwekkende technische cijfers zijn nog maar het begin. Bourgès en haar collega's streven naar een veel grotere ambitie: een instrument creëren dat toegankelijk is voor elke conservator of archeoloog ter wereld , ongeacht lokaal of nationaal budget.
Volgens The Art Newspaper zal de volledige methodologie van het project als open source worden gepubliceerd en geïntegreerd in het Espadon-platform – een nationaal project van het Franse Ministerie van Cultuur om erfgoed te digitaliseren met behulp van augmented reality-technologie, en onderzoekers toegang te geven tot alle bekende gegevens over elk gebouw.
Het uiteindelijke doel, zoals mevrouw Bourgès duidelijk stelt, is: "We willen dat gebruikers kunnen visualiseren hoe hun specifieke locatie in de loop der tijd zal veranderen in relatie tot het lokale klimaat." In plaats van omvangrijke, datagedreven wetenschappelijke rapporten, zal de tool een visuele weergave creëren: hoeveel van het pleisterwerk of de verf van deze muur zal er na 100 jaar verdwenen zijn.
Dit is de dimensie die verder gaat dan de pure wetenschap, en die mevrouw Bourgès – tevens secretaris-generaal van de Franse afdeling van de Internationale Raad voor Monumenten en Sites (ICOMOS) – benadrukt: "Het is een middel om te verzamelen en duidelijk aan te tonen wat de klimaatcrisis veroorzaakt. Als je mensen een foto kunt laten zien van hun muur die in 100 jaar tijd de helft van zijn pleisterwerk verliest, begrijpen ze het meteen." Volgens haar is dat ook de reden waarom de behoefte aan dit soort instrumenten zo groot en urgent is: "Of je nu een conservator of een archeoloog bent, iedereen wil weten wat te doen. Maar om te weten wat te doen, moet je weten wat er gaat gebeuren."
AI voor erfgoedbehoud: een pan-Europees beeld
Het Franse project is slechts één van de vele vergelijkbare projecten.
HYPERION, gefinancierd door de EU met bijna € 6 miljoen, wordt getest op Rhodos (Griekenland), Venetië (Italië), Tønsberg (Noorwegen) en Granada (Spanje). Het unieke kenmerk van HYPERION is de integratie van de lokale gemeenschap in het monitoringproces via een mobiele applicatie, waardoor elke voorbijganger een 'levende sensor' wordt. Het YADES-project, gefinancierd via het Marie Skłodowska-Curie-programma, richt zich op erfgoed in Cyprus, Griekenland en Italië, met de nadruk op 80 roulerende reizen tussen organisaties, om ervoor te zorgen dat de technologie geïntegreerd blijft met de lokale gemeenschap.
Drie projecten, drie benaderingen - maar dezelfde conclusie: AI kan de mens niet vervangen in het koesteren van erfgoed, maar het kan de mens wel helpen beter te begrijpen wat er verloren gaat, zodat er tijdig ingegrepen kan worden.
Bron: https://baodanang.vn/khi-ai-giup-bao-ton-di-san-3339586.html
