人工智能将对博物馆产生深远影响！
布兰登·塞科/文
肖福寿/译
摘要：
人工智能，是一个充满希望也饱受争议的概念，它正一步步走进我们日常生活。人们说 “2015年人工智能走向主流”，毫无疑问，未来我们将开始看到它在文化空间中的迅猛增长，如人工智能与机器学习在美术馆、图书馆、档案馆以及博物馆的收藏、票务和出勤数 据领域的影响；机器视觉用于检测和分析图像。这些技术必将给博物馆带来有趣的发现和丰富的数据，以及获取藏品信息的新路径。
人工智能(Artificial Intelligence, AI),是一个充满希望也饱受争议的概念，它正一步步走进我们日常生活。人们说 “2015年人工智能走向主流”，毫无疑问，未来我们将开始看到它在文化空间中的迅猛增长。
在本文中，我们将探讨人工智能与机器学习 (machine learning)有关的最重要用途，以及人工智能在美术馆、图书馆、档案馆以及博物馆的收藏、 票务和出勤数据领域的影响。我们还将探讨机器视觉 (machine vision)，也就是计算机能处理它所观察到的东西的能力。机器视觉可用于检测和分析图像。
▲图1：机器学习算法速查表
想象一下，你可以通过拨动开关(实际上是几行代码)对所有的视觉对象进行分类。我们将在以下话题中探讨机器学习运用的真实案例：识别主题、精确色 彩合成、情感分析、文本/字符识别、识别相似性和模式、艺术鉴定等等。
机器学习和机器视觉是极其强大的工具，比起以往任何时候都更容易使用。这些技术必将给博物馆带来有趣的发现和丰富的数据，以及获取藏品信息的新路径。
美国SAS软件公司(Statistical Analysis System, SAS)编写的《机器学习是什么及其为何重要》(Machine Learning: What It Is & Why It Matters)—书中说道：“机器学习是一种自动分析模型构建的数据分析方法。机器学习使用从数据迭代学习的算法，可以让计算机寻找到深奥的东西，无需明确要求编程去哪里找。”(图1)
毫无疑问，博物馆拥有大量数据。在过去的10年里，人们在藏品数据结构化方面取得了很大进展，使其可供公众查阅和进行实验。
尽管这个颇有价值的元数据还未得到高度开发，但是这种数据可以发挥巨大作用，并能通过新的方式和有趣的方法来分析藏品、物品和创作者。同时，这类数据也需要大量资源、工 具、时间和专业知识。
在一个理想的状况下，美术馆、图书馆、档案馆和博物馆(galleries, libraries, archives, museums, GLAM)的藏品数据能够结构化和分类。
不过，鉴于“超过90%的(企业)数据是非结构化的、人为的以及来源于各种不同的实体”，我们可以推断博物馆藏品数据可以从数据净化与调整中获益。
人工智能是否可以帮助博物馆对馆内的藏品有新发现昵？博物馆藏品管理系统的工作人员可以“建造”一个能有效清理、分类以及进一步了解其数据的系统。
说起大规模的活动，那就是机器学习已经成为欧盟用于文化遗产数字平台(digital platform for cultural heritage)的一个长久主题。这一点在2016年出版的《欧盟数字图书馆搜索策略》(Europeana’ s Search Strategy) 一书里已有所涉及。
您想快速地对藏品中的每个对象的标题和教学文本进行情感分析吗？这当然可以实现！如果使用当前已被使用过的工具的话，就会变得非常容易。
下面这座博物馆都有运用情感分析的成功案例：
1. 旧金山当代艺术博物馆(SFMOMA)约翰·希金斯(John Higgins)的“情感分析” (Sentiment Analysis) ；
2. 卡内基艺术博物馆(Carnegie Museum of Art)的“海湾塔项目” (Gulf Tower Project)；
3. 伦敦泰特美术馆(Tate)艾琳娜·穆尔西亚的(Elena Villaespesa) “潜入博物馆的社交媒体流” (Diving into the Museum’s Social Media Stream)。
试想一下，利用这些门票和观众流量的大数据，再通过人工智能寻找这些数据与社交媒体活动、天气、广告支出以及其他变量之间明确的相关性。宾夕法尼亚州立大学(Pennsylvania State University)研究了一项预测“出席人数”的方法，这种方法在题为 “谁将出席？——预测事件驱动型的社交网络中的事件出勤率” (Who Will Attend? - Predicting Event Attendance in Event-Based Social Network)的报告中得到阐述。
可以说，博物馆各个部门可以发现新的和有用的信息，这些信息可以用来预测人群的流动数、分配人员布置资源，以及让总体规划更具效率。
利用模式识别，可以帮助博物馆轻松地识别最有可能更新、升级或流失的会员。这些新工具通过解读趋势、浏览社会图表，以及自动化捐赠服务方面，来协助开发团队开展筹集资金的活动。
尽管对于市场来说，Gravyty和Affectly这样的软件公司还比较陌生，但这些公司已经使用了上述技术来帮助非营利组织更有效地筹集资金。
在人们的印象里，像亚马逊(Amazon)、易趣(eBay)和美捷步(Zappos)这样的电子商务网站一直都使用个性化推荐系统。
通过分析用户行为，即用户访问的网页、查看的产品和浏览的产品类别，网上零售商就会为每位访问者推荐并提供更加个性化的体验。
主要的线上博物馆，如纽约大都会艺术博物馆(The Met)、美国现代艺术博物馆(MoMA)以及其他几十座线上博物馆都已经使用了推荐引擎。
对话式商务(conversational commerce)的流行概念即将浮现。优步公司(Uber)的克里斯·梅西纳(Chris Messina) 说道：“2016将是对话式商务发展的一年。”
机器视觉是计算机能处理它所观察到的东西的能力。
“我们将把计算机从用摄像头拍照，转换成能用肉眼观看的计算机”
安德森·霍洛维茨风投公司 (Andreessen Horowitz)的知名分析师本尼迪克特·埃文斯(Benedict Evans)如是说。
早在2014 年，纽约艺术与设计博物馆(Museum of Arts and Design)就成立过一个小组，从艺术家的视角来审视“计算机视觉的文化影响”。如今我们将从博物馆的角度出发，来看待这种影响。
机器视觉已经先进到足以识别图像中描绘的主题和对象，识别这幅绘画、这张照片、这个视频或雕塑中所描绘的内容是什么。
▲图2：卡纳莱多的"从法兰宫到圣马科拉广场的威尼斯大运河
利用谷歌视觉应用程序编程接口(Google Vision API)，检测位于美国洛杉矶(Los Angeles)保罗·盖蒂博物馆(j. Paul Getty Museum)收藏的卡纳莱多(Canaletto)的画作“从法兰宫到圣马科拉广场的威尼斯大运河” (The Grand Canal in Venice from Palazzo Flangini to Campo San Marcuola)(图 2)。
检测结果很理想，反馈的四个术语(船只划船、划船、平底船和绘画)都是对主题和对象的准确描述。
对象分类还有很长的一段路要走，但值得一提的是，你“训练”的机器视觉引擎越多，分类就会变得越准确。
哈佛艺术博物馆(Harvard Art Museums)、 明尼阿波里斯艺术博物馆(Minneapolis Arts Museums)和挪威国家博物馆(Norwegian National Museum)是第一批尝试这种方法的博物馆，并公开分享了他们的发现。
▲图3：伦勃朗(Rembrandt Harmenszoon van Rijn)的"一位笑着的年轻男人半身像“ (Bust of a Laughing Young Man)
▲图4：奥托·迪克斯（Otto Dix）的"自画像"（Self-Portrait）
▲图5：巴勃罗·毕加索(Pablo Picasso)的"双手交叉的女人 (Femme aux Bras Croises)
如果在一幅图像中存在清晰的人脸，那么机器视觉可以通过分析面部特征来确定所描绘人物的情感状态。为了测试这项程序，我们通过微软认知服务的情感应用程序编程接口(Emotion API of Microsoft Cognitive Servioes)检测了几幅绘画作品。(图3至图5)
这种从你们藏品里的每个对象中轻易提取文本的能力可能已有很多年了。在云应用程序编程接口的协助下，通常被称为“光学字符识别” (optical character recognition, OCR)的工具最近变得更加容易和更快访问了。
虽然这种功能对于劳伦斯·韦纳(Lawrence Weiner)的作品来说可能不是绝对必要的(因为他作品中的标题和文本通常是相同的)，但这个功能最大的价值来自于从书面文件(如历史信件等)中提取文本，因此它更容易搜索和易于分类。
▲图6:埃德_拉斯查的"加利福尼亚的葡萄皮
在埃德·拉斯查(Ed Ruscha)这幅名为“加利福尼亚的葡萄皮” (California Grapeskins)的作品中，我们可以成功提取全文，提供其在收集数据记录中可能无法使用的其他信息。(图6)
色彩合成(color composition)是你在大多数博物馆收藏数据库中不可能找到的一个元标识。通过计算机视觉工具来运行某一物体的图像，就可以提取和输出与其颜色集群、分区和直方图数据相关的数据。
▲图7：谷歌艺术与文化的应用软件的截图，观众可以根据色彩来浏览对象
库珀·休伊特博物馆(Cooper Hewitt)、史密森尼设计博物馆(Smithsonian Design Museum)和谷歌艺术与文化应用程序(Google Arts & Culture)已经实施了这项流程，以此来提出一种新的发现方法。 (图7)
在你的收藏中，是否有一些作品不仅在主题上，而且在视觉构成上非常相似的呢？ 一台计算机就可以看到这些关系，并量化它们的不同和相似之处。
例如，这两幅克里夫特·斯蒂尔(Clyfford Still)的“复制” (replica)画作就略有不同，确切来说，是有5.58%的不同。(图8)
▲图8：克里夫特·斯蒂尔的布面油画
在2015年10月多次访问克莱福特·斯蒂尔博物馆 (Clyfford Still Museum)后，我切身感受到了“这是一个其本身就是非常吸引人的展览”。博物馆的数字媒体主管萨拉·沃姆博德(Sarah Wambold)在一 篇题为“两件相似的艺术品！” (Twinsies!)的文章中也写到了这个概念。
走进波士顿美术博物馆(Museum of Fine Arts)的印象派画廊，你会发现两幅并列的克劳德·莫奈(Claude Monet)的画作。根据电脑分析，这两件作品相似度为96.81 %。(图9)
▲图9：克劳德·莫奈的”睡莲“
早在2008年，美国公共电视台(PBS) “新星” (NOVA)项目就有利用计算机帮助从原创作品中区分伪造品的案例。该项目与梵高博物馆(Van Gogh Museum)合作，向计算机科学家们提出了建立工具来分析笔触和识别赝品的要求。(图10)
▲图10：利用计算机程序进行笔触分析的图像
在2016年9月，人工智能是英国泰特美术馆展览和项目的核心话题。2016年IK奖的获奖者就充分运用 了机器视觉各个方面的作用，如主题识别、构图和面部识别。
为了配合这次项目和展览，纽约时报(The New York Times)发表了《人工智能是连接艺术和现实的桥梁》(Artificial Intelligence as a Bridge for Art and Reality)的文章，表达了博物馆界的心声。
文章里写道，詹姆斯·坤诺(James Cuno),既是保罗盖蒂博物馆馆长，也是艺术史学家，使用技术的传播者，他将“识别”技术视为一项“有意义且有趣的实 验”，“这表明我们还处于这项技术发展过程中的早期阶段，我们还有很长的路要走”。
在全球艺术新闻 “2017年艺术世界预测” (Art World Predictions for 2017)版块中，媒体是这样报道的：
“人工智能的新兴领域最终将会脱颖而出”，
并提出了一个名为HUO 9000的项目。毫无疑问，我们可以期待更多诸如此类的项目出现，它们将进一步挑战艺术策展的地位。
人工智能被誉为“未来”发展方向。在寻求其商业、科学和教育潜力的领域中，人工智能还存在未发掘的价值。随着机器学习和视觉工具变得越来越便捷，博物馆就有机会在起初太昂贵或资源太难寻求的领域进行创新和优化。
就人工智能更广泛的运用而言，极具创造性的计算机程序已经在绘画、写剧本和谱曲了。未来，人工智能会写对象标记、音频指南脚本并辅以解释吗？我们应该允许机器这样做吗？
史蒂芬.霍金(Stephen Hawking)预测说：
“计算机将通过人工智能在未来100年内超过人类。当这种情况发生时，我们需要确保计算机的目标与我们的 目标保持一致。”
这听上去可能是不祥之兆，但我们几乎可以确定博物馆和文化机构将会充分考虑到人类的最大利益。
这，仅仅是开始。
作者简介：布兰登·塞科(Brendan Ciecko),男，Cuseum公司的创建者和首席执行官，波士顿艺术博物馆指导委员会委员。
译者简介：肖福寿，男，南京大学语言学博士，上海大学外国语学院英语系主任、教授，亚洲辞书学会理事，主要研究方向：英语词块学、英语写作学与词典编纂学。
杂志编辑：李晨
本文由上海大学《博物馆·新科技》编辑部组织编译并推荐，原文刊载于国际博物馆与网络技术联盟(MW)网站，原文网址：https. //mw17. mwconf. org/paper/exploring—artificial—intel ligence—in—museums/.
本文内容来自《中国博物馆》2018年第二期