УДК 004.8

Анализ возможностей использования искусственного интеллекта для сохранения культурного наследия

Акатьев Ярослав Алексеевич – ассистент кафедры Практической и прикладной информатики МИРЭА – Российского технологического университета.

Верховод Никита Сергеевич – студент МИРЭА – Российского технологического университета.

Морозова Ирина Олеговна – студентка МИРЭА – Российского технологического университета.

Аннотация: В данной статье рассматриваются возможности использования искусственного интеллекта для сохранения культурного наследия. В ходе данной работы исследуются методы применения ИИ в работе с историческими и культурными ценностями и дальнейшие перспективы и риски их развития.

Ключевые слова: искусственный интеллект, культурное наследие, история, искусство.

Культурное наследие представляет собой объекты и явления материальной и духовной культуры, обладающие исторической, художественной, эстетической и научной ценностью для обеспечения социальной преемственности поколений. Оно является фундаментальным элементом существования культуры. Сохранение культурного наследия является неотъемлемой частью сохранения культуры в целом.

В настоящее время осознается высочайший потенциал культурного наследия и необходимость его сбережения и эффективного использования как одного из важнейших ресурсов экономики. Утрата культурного наследия неизбежно приводит к духовному оскудению и разрывам исторической память, которая является связью поколений и опорой нашего сознания.

Современный мир сталкивается с принципиальными социальными, экономическими и духовными изменениями, поэтому глубокое изучение и всестороннее использование памятников культурного наследия имеют особое значение. Их изучение и сохранение являются необходимыми условиями предотвращения процесса разрушения и уничтожения национального богатства.

Хотя культурное наследие и искусственный интеллект могут показаться далекими друг от друга, их взаимосвязь становится все более очевидной с развитием современных технологий.

Искусственный интеллект (ИИ) – это область компьютерной науки, которая занимается разработкой и созданием систем и программ, способных выполнять задачи, требующие интеллектуальных способностей. Искусственный интеллект имитирует некоторые аспекты человеческого мышления и позволяет компьютерным системам обучаться, принимать решения и выполнять задачи, которые ранее требовали участия человека.

В настоящее время в сферах архивного дела, каталогизации и управления информацией, технологии искусственного интеллекта развиваются в нескольких направлениях.

Одно из направлений использования ИИ в сохранении культурного наследия – это применение компьютерного зрения для каталогизации артефактов. С помощью алгоритмов обработки изображений, таких как распознавание образов и сегментация, нейронные сети могут анализировать и классифицировать артефакты на основе их визуальных характеристик. Например, форма, цвет, стиль и другие атрибуты артефактов могут быть автоматически распознаны и классифицированы.

Так же используется обработка естественного языка (Natural Language Processing, NLP) для интерпретации текстовых произведений. Методы машинного обучения, такие как модели языка и алгоритмы распознавания именованных сущностей (NER), позволяют нейронным сетям понимать и интерпретировать тексты. Они могут идентифицировать имена авторов, распознавать даты и ключевые понятия, а также классифицировать тексты по жанру или стилю.

Глубокое обучение – еще один мощный инструмент, который может быть применен в исследовании культурного наследия. Использование глубокого обучения, такого как сверточные нейронные сети (CNN), позволяет изучать древние артефакты на высоком уровне. Нейронные сети обучаются на большом объеме размеченных данных, чтобы идентифицировать особые признаки, такие как стиль художника, временной период или состояние сохранности.

Кроме того, ИИ может быть применен для реставрации древних артефактов. Например, генеративные модели, такие как глубокие генеративно-состязательные сети (GAN), могут использоваться для воссоздания утерянных или поврежденных частей артефактов, основываясь на существующих данных. Это позволяет увеличить точность реставрации и восстановить артефакты в соответствии с их исходным внешним видом.

Таким образом, модели искусственного интеллекта, обученные на достаточном количестве исторических данных, могут улавливать всевозможные мельчайшие детали, не очевидные для человеческого глаза, и быстро делать детализированные и точные прогнозы, на выполнение которых ушли бы месяцы ручного анализа.

Практика использования ИИ уже применяется по всему миру. Одним из успешных проектов является восстановление картины 1642 года «Ночной дозор» голландского художника Рембрандта ван Рейна. [4]

«Ночной дозор» Рембрандта – одно из самых известных произведений художника, в центре композиции которого изображены главные герои – капитан Франс Баннинк Кок и лейтенант Виллем ван Рейтенбурх.

В 1715 году неизвестный обрезал все четыре стороны холста, чтобы повесить его на стену в амстердамской ратуше, а обрезанные части картины были навсегда утеряны.

Несмотря на то, что многие музеи нанимают художников для реконструкции мастерских работ, Рейксмузеум решил использовать новые методы реставрации, и его старший научный сотрудник Роберт Эрдманн смог использовать ИИ, чтобы воссоздать недостающие панели штрих за штрихом.

Эрдманн и его команда смогли выполнить задачу благодаря новой технологии под названием Convolutional Neural Networks – типу алгоритма искусственного интеллекта, который помогает компьютерам понять, как изображения могли когда-то выглядеть.

Эксперты также использовали копию картины голландского художника Геррита Лундена 17-го века, чтобы определить, как должны выглядеть панели. Лунден создал свою копию примерно через 12 лет после того, как Рембрандт завершил оригинальную копию. Реплика составляет примерно одну пятую от размера оригинального холста, и Лунден не рисовал так тщательно, как это делал Рембрандт, но эксперты считают, что композиция копии имитирует оригинал.

Таким образом, исследователи восстановили работу до ее первоначального размера с помощью ИИ. Эксперты использовали комбинацию сканеров, рентгеновских лучей и 528 цифровых экспозиций, чтобы воссоздать и напечатать недостающие части холста. «Операция «Ночной дозор» – многомиллионная реставрационная работа, начавшаяся в 2019 году. Сегодня, вновь созданные блоки прикреплены к краям картины, которая в настоящее время висит в галерее почета Рейксмузеума в Амстердаме.

Еще один прорыв был совершен совсем недавно, ученым Венского университета Альваро Куэльяр [5] (Álvaro Cuéllar) в 2022 году – открытие неизвестной пьесы Лопе де Вега (1562-1635) «Французская Лаура» («La francesa Laura»).

Использование ИИ сыграло решающую роль в открытии связи Лопе де Вега с этой работой. Рукописная копия произведения, датируемая концом 17 века, хранилась в фонде рукописей Национальной библиотеки Испании (BNE). Ни один древний или современный документ, ни один исследователь Лопе де Вега до сих пор не смог связать его с тем, кто был известен в то время под псевдонимом «Феникс Остроумия».

В первой фазе проекта использовалась автоматическая расшифровка рукописных текстов с использованием методов искусственного интеллекта с помощью инструмента Transkribus, позволяющего точно интерпретировать древние рукописи с высокой степенью точности. Машина была обучена на около трех миллионах правильно идентифицированных слов, а затем обработала около 1300 пьес Золотого века, как печатных, так и рукописных, которые были расшифрованы всего за несколько часов.

Для этого команда использовала метод, называемый стилометрией. Стилометрия анализирует различные аспекты индивидуального стиля писателя, например, насколько часто он использует определенные слова или сколько предложений содержат его тексты. После создания стилометрического профиля автора, другие тексты могут быть проанализированы для определения, насколько они соответствуют этому профилю, и на основе этого можно делать выводы о том, кто написал текст.

Используя эти результаты, произведения были классифицированы по авторам с помощью процессов машинного обучения. Как показали исследования, ИИ способен классифицировать работы с точностью более 99% в отношении того, написаны они Лопе де Вегой или нет. Из 1300 автоматически транскрибированных комедий, «Французская Лаура» была полностью классифицирована как написанная Лопе де Вегой. Лексическое использование в произведении тесно соответствовало его собственному стилю, а не стилю других 350 драматургов того времени, доступных в рамках эксперимента. Результаты исследования так же были подтверждены филологами.

В России использование ИИ также начинает приобретать популярность, но пока что только для популяризации культуры и искусства среди населения. Так, например, к 125-летию со дня открытия Русский музей запустил собственную нейросеть. В нее можно загрузить свои фотографии и получить портрет в стиле картин известных художников. Нейросеть обучили на легендарных полотнах Б. Кустодиева, К. Брюллова, В. Серова, М. Врубеля, К. Малевича, П. Пикассо и ряда других великих мастеров из собрания музея.

Возможности искусственного интеллекта в контексте культуры кажутся безграничными, но также важно учитывать этические последствия использования данных технологий. Одним из важных аспектов этики является обеспечение конфиденциальности, согласия и прав субъектов, чьи материалы и знания используются при анализе и интерпретации культурного наследия с помощью ИИ.

Кроме того, этика требует справедливого доступа и учета интересов сообществ, чьи культурные материалы используются для сохранения и восстановления. При разработке и применении ИИ необходимо обеспечивать участие и консультацию представителей соответствующих сообществ, чтобы учесть их мнения, ценности и потребности. Алгоритмы, используемые в ИИ, должны быть объективны и прозрачны, результаты анализа и интерпретации культурных материалов должны быть представлены без искажений и вмешательства, чтобы сохранить достоверность и аутентичность.

Исследовав реализованные кейсы и направления развития ИИ, был предложен общий алгоритм применения искусственного интеллекта для сохранения культурного наследия:

1. Собрать данные.
   • Определить исторические, культурные и другие связанные с тематикой источники, на основании которых будет проводиться обучение искусственного интеллекта.
   • Провести сбор текстовых, фото-, аудио- и видеоматериалов. (в том числе, запросить доступ у библиотек, музеев, фондов, хранилищ).
2. Провести предварительную обработку материалов.
   • Очистить данные от шумов и опечаток.
   • Стандартизировать данные в формате, доступному для обработки искусственным интеллектом.
3. Обработать данные.
   • Применить техники обработки естественного языка, компьютерного зрения и аудио-обработки для извлечения полезной информации из собранных материалов.
   • Проанализировать данные, используя методы статистики, машинного обучения или другие подходы для выявления ключевых характеристик, паттернов и взаимосвязей в данных.
4. Проконсультироваться со специалистами.
   • Предоставить результаты исследования специалистам в изучаемой области.
   • Получить обратную связь и экспертную оценку для подтверждения и коррекции результатов проведенной работы.

Кроме того, была построена диаграмма классов в нотации UML, представленная на Рисунке 1, которая более наглядно показывает взаимодействия исследователя и специалиста исследуемой области с компонентами системы.

Рисунок 1. Диаграмма классов.

Таким образом, предложенный алгоритм предоставляет систематический подход к использованию искусственного интеллекта для сохранения культурного наследия. Он объединяет в себе все необходимые компоненты не только с технической, но и с гуманитарной стороны процесса, включая взаимодействие с экспертами, уважение к культурным нормам и этическим аспектам. Это обеспечивает более глубокое понимание и сохранение культурных ценностей, в то же время совмещая их с преимуществами и возможностями ИИ для более эффективной обработки и анализа данных.

Использование искусственного интеллекта в сохранении культурного наследия предлагает многообещающие возможности для более эффективного и всестороннего изучения, сохранения и доступа к нашим историческим и культурным богатствам. Однако необходимо учитывать этические и юридические вопросы, связанные с использованием ИИ в данной области, чтобы обеспечить баланс между сохранением культурного наследия и защитой и интересов сообществ, из которых оно происходит.

Список литературы

1. Статья «Как музеи используют искусственный интеллект и является ли ИИ будущим музеев?» [Электронный ресурс] URL: https://www.museumnext.com/article/artificial-intelligence-and-the-future-of-museums/ (Дата обращения: 29.05.2023).
2. Статья «Искусственный интеллект в контексте культурного наследия и музеев: сложные задачи и новые возможности» [Электронный ресурс] URL: https://www.europarl.europa.eu/thinktank/en/document/EPRS_BRI(2023)747120 (Дата обращения: 29.05.2023).
3. Статья «К вопросу сохранения культурного наследия в России: некоторые аспекты решения проблемы» [Электронный ресурс] URL: https://cyberleninka.ru/article/n/k-voprosu-sohraneniya-kulturnogo-naslediya-v-rossii-nekotorye-aspekty-resheniya-problemy/viewer (Дата обращения: 28.05.2023).
4. Статья «Утраченные грани «Ночного дозора» Рембрандта восстановлены с помощью искусственного интеллекта» [Электронный ресурс] URL: https://www.smithsonianmag.com/smart-news/lost-edges-rembrandts-night-watch-are-restored-using-artificial-intelligence-180978056/ (Дата обращения: 29.05.2023).
5. Статья «Открытие потерянной пьесы Лопе де Вега: Альваро Куэльяр» [Электронный ресурс] URL: https://readcoop.eu/success-stories/discovering-a-lost-play-by-lope-de-vega-alvaro-cuellar/ (Дата обращения: 26.05.2023).
6. Статья «Искусственный интеллект в деталях» [Электронный ресурс] URL: https://www.osp.ru/winitpro/2018/12/13054722 (Дата обращения: 24.05.2023).
7. Статья «Исследование методов и алгоритмов искусственного интеллекта при определении стоимости произведения искусства» [Электронный ресурс] URL: https://cyberleninka.ru/article/n/issledovanie-metodov-i-algoritmov-iskusstvennogo-intellekta-pri-opredelenii-stoimosti-proizvedeniy-iskusstva/viewer (Дата обращения: 28.05.2023).
8. Статья «Русский музей запустил нейросеть. К ней есть большие вопросы» Электронный ресурс] URL: https://texterra.ru/blog/kak-russkiy-muzey-neyroset-zapustil.html (Дата обращения: 26.05.2023).