A New York-i Metropolitan Museum of Art 2018-ban külső fél bevonásával online gyűjteménye mintegy 300 000 műtárgyához kapcsolt tárgyi címkéket, melyek lehetővé teszik a különböző szempontok/témák (pl. állatok, építészeti elemek, színek, érzelmek, alakzatok stb.) szerinti keresést. A cikkben leírt kutatás során a munkatársak által manuálisan hozzáadott címkéket hasonlították össze három különböző számítástechnikai rendszer (Google Cloud Vision, Amazon Rekognition, IBM Watson) automatikusan generált címkéivel.
A kutatás kimutatta, hogy a gépi rendszerek képesek tömeges mértékben címkéket kiosztani a digitális objektumokhoz, kiegészítve a jelenleg használt osztályozási rendszereket. Előnyük, hogy növelik a gyűjtemény láthatóságát, illetve új keresési és böngészési lehetőségeket teremtenek a használók számára. A gépi kulcsszavak általában generikusak, ugyanakkor a múzeumi szakemberekétől eltérő megközelítéssel is tudnak tárgyi címkéket kiosztani, olykor meglepő részletességben feltárva egy digitális kép tartalmát. (A túlzott specificitás viszont a hatékony információkeresés gátja lehet.) A még gyerekcipőben járó mesterséges intelligencia az osztályozási szakértők – vagy akár a crowdsourcing keretében bevont közönség – munkájával párosítva hatékony segédeszközül szolgálhat a múzeumok (és más közgyűjtemények) képi tartalmainak feltárásához, ám hátrányait mindenképpen számításba kell venni. (Bódog András)
Humanus