Брэдли Уэйд Бишоп, Университет Теннесси
Ледяные ядра в морозильных камерах, динозавры демонстрируются, рыба в банках, птицы в коробках, человеческие останки и древние артефакты из давних цивилизаций, которые когда -либо видели немногие люди – музейные коллекции заполнены всем этим и многим другим.
Эти коллекции – это траты сокровищ, которые рассказывают о естественной и человеческой истории планеты, и они помогают ученым в различных областях, таких как геология, палеонтология, антропология и многое другое. То, что вы видите в поездке в музей, – это всего лишь кусочек чудес, удерживаемых в их коллекции.
Музеи, как правило, хотят предоставить содержание своих коллекций для учителей и исследователей, либо физически, либо в цифровом виде. Тем не менее, сотрудники каждой коллекции имеют свой собственный способ организации данных, поэтому навигация по этим коллекциям может оказаться сложным.
Создание, организация и распространение цифровых копий образцов музея или информации о физических предметах в коллекции требует невероятных объемов данных. И эти данные могут войти в модели машинного обучения или другого искусственного интеллекта, чтобы ответить на большие вопросы.
В настоящее время, даже в пределах одной исследовательской области, поиск правильных данных требует навигации по различным репозиториям. ИИ может помочь организовать большие объемы данных из разных коллекций и извлечь информацию, чтобы ответить на конкретные вопросы.
Но использование ИИ не является идеальным решением. Набор общих практик и систем для управления данными между музеями может улучшить курирование данных и обмен, необходимые для ИИ, чтобы выполнить свою работу. Эти практики могут помочь как людям, так и машинах сделать новые открытия из этих ценных коллекций.
Как информационный ученый, который изучает подходы ученых и мнения по управлению данными исследований, я видел, как инфраструктура физического сбора в мире представляет собой лоскутное одеяло объектов и связанные с ними метаданные.
Инструменты ИИ могут делать удивительные вещи, такие как 3D-модели оцифрованных версий предметов в музейных коллекциях, но только в том случае, если есть достаточно хорошо организованных данных об этом предмете. Чтобы увидеть, как ИИ может помочь музейным коллекциям, моя команда исследователей начала с проведения фокус -групп с людьми, которые управляли музейными коллекциями. Мы спросили, что они делают, чтобы использовать их коллекции как людьми, так и ИИ.
Менеджеры по сборам
Когда предмет входит в музейную коллекцию, менеджеры по сборам – люди, которые описывают функции этого предмета и генерируют данные об этом. Эти данные, называемые метаданными, позволяют другим использовать их и могут включать такие вещи, как имя коллекционера, географическое местоположение, время, которое он был собран, и в случае геологических образцов, эпоха, из которой это происходит. Для образцов от животного или растения он может включать в себя свою таксономию, которая является набором латинских имен, которые классифицируют его.
Все вместе, эта информация добавляет к ошеломляющему количеству данных.
Но комбинировать данные по доменам с разными стандартами действительно сложно. К счастью, менеджеры по сборам работают над стандартизацией своих процессов в разных дисциплинах и для многих типов образцов. Гранты помогли научным сообществам создать инструменты для стандартизации.
В биологических коллекциях инструмент указывает, что менеджеры быстро классифицируют образцы с раскрывающимися меню, предназначенными для стандартов для таксономии и других параметров, чтобы последовательно описывать входящие образцы.
Общим стандартом метаданных в биологии является ядро Darwin. Подобные устоявшиеся метаданные и инструменты существуют во всех науках, чтобы сделать рабочий процесс принятия реальных предметов и поместить их в машину как можно проще.
Специальные инструменты, подобные этим, и Metadata помогают менеджерам сбора сбора данных из своих объектов повторно используемых для исследовательских и образовательных целей.
Многие из предметов в музейных коллекциях не имеют много информации, описывающей их происхождение. Инструменты ИИ могут помочь заполнить пробелы.
Все мелочи
Моя команда и я провели 10 фокус -групп, в общей сложности 32 участника из нескольких физических сообществ. К ним относятся менеджеры по сборам в разных дисциплинах, включая антропологию, археологию, ботанику, геологию, ихтиологию, энтомологию, герпетологию и палеонтологию.
Каждый участник отвечал на вопросы о том, как они получали доступ, организовали, хранили и использовали данные из своих коллекций, чтобы подготовить свои материалы для использования ИИ. Хотя люди должны дать согласие на изучение, большинство видов этого не делают. Таким образом, ИИ может собирать и анализировать данные из нечеловеческих физических коллекций без конфиденциальности или согласия.
Мы обнаружили, что менеджеры по сборам из разных областей и учреждений имеют много разных практик, когда дело доходит до подготовки их физических коллекций для искусственного интеллекта. Наши результаты показывают, что стандартизация типов записи менеджеров метаданных и способы, которыми они хранят их в коллекциях, могут сделать предметы в этих образцах более доступными и пригодными для использования.
Дополнительные исследовательские проекты, такие как наше исследование, могут помочь менеджерам по сборам создать инфраструктуру, которая им понадобится для подготовки данных. Человеческий опыт может помочь информировать инструменты ИИ, которые делают новые открытия, основанные на старых сокровищах в музейных коллекциях.
Брэдли Уэйд Бишоп, профессор информационных наук, Университет Теннесси
Эта статья переиздана из разговора по лицензии Creative Commons. Прочитайте оригинальную статью.
Разговор является независимым источником новостей и мнений, полученных от академического и исследовательского сообщества и предоставлена прямо для общественности.
Разговор является независимым источником новостей и мнений, полученных от академического и исследовательского сообщества и предоставлена прямо для общественности.
