Para mejorar las operaciones del museo, la dirección debe aprovechar cada vez más la tecnología de inteligencia artificial (IA), a fin de comprender los datos de su colección, sus exposiciones y sus visitantes. La participación de la audiencia es uno de los factores más importantes que los museos han de considerar en sus operaciones: es un elemento implícito que conecta a las personas con los contenidos, y debe lograrse sobre la base de un conocimiento profundo de ambos. En los últimos años, las tecnologías de inteligencia artificial han demostrado su potencial para brindar información, antes inaccesible a los museos, basada, fundamentalmente, en tres áreas: aprendizaje automático, chatbots y redes neuronales.
En el trabajo: «IA, experiencia del visitante y operaciones de museos: una mirada más cercana a lo posible», los investigadores llevaron a cabo una búsqueda basada en iniciativas de IA en museos en Internet, estudios de casos presentados en conferencias de museos y bases de datos de revistas, que arrojaron sesenta y un ejemplos entre el año 2010 y el 2018. A pesar de que la búsqueda dio como resultado un tamaño de muestra pequeño, en comparación con el número total de museos en los EE. UU. y, aunque las iniciativas de IA en dichos resultados no se identifican detalladamente, existe una clara tendencia de implementación creciente de estas tecnologías en los últimos diez años.
Aprendizaje automático y visión por ordenador.
Según French y Villaespesa, una de las tecnologías más prometedoras es la aplicación de la «visión por ordenador para las colecciones de los museos», que maneja datos que analizan el color, la forma, la dirección de las líneas, los espacios, la luz e, incluso, el reconocimiento físico de las colecciones. Según esos factores analizados, el algoritmo puede proporcionar coincidencias entre colecciones para permitir que los curadores sean creativos y exploren más posibilidades. La subcategoría de IA que impulsa la «visión por ordenador» es, en realidad, el aprendizaje automático, una tecnología que aprende, categoriza y hace predicciones basadas en datos. Identificada como «aprendizaje automático para la predicción de patrones de visitas y evaluación de experiencias», esta tecnología también es capaz de recopilar datos de la experiencia física de los visitantes y de todos los diferentes puntos de contacto digitales de ese viaje: web, redes sociales, venta de entradas y aplicaciones móviles, entre otros.
Oportunidad de inversión futura.
En «IA, experiencia del visitante y operaciones del museo: una mirada más cercana a lo posible», French y Villaespesa también desglosan los diferentes niveles de viabilidad operativa para posibles subcategorías de IA en las que se puede invertir en el futuro.
Las áreas de gran acción para los museos están relacionadas, en gran medida, con el contenido del museo. Aunque las perspectivas futuras impulsadas por la inteligencia artificial aún no están claras debido al entorno cambiante de la investigación, la visualización señala posibles tendencias, ya que el uso de la inteligencia artificial en los museos a menudo está circunscrito por un enfoque de «proyecto piloto», que implica tiempo y recursos significativos para prepararse y ajustar las entradas de datos.
Contenido digital publicado por el museo.
Por último, pero no menos importante, French y Villaespesa señalan que nunca ha habido un mejor momento para reevaluar el contenido digital publicado en museos. Con todas las tecnologías disponibles, se espera que éstos puedan crear experiencias digitales más personalizadas para los visitantes. Las oportunidades para la IA no solo estarán dentro de la implementación de nueva tecnología, sino que también ayudarán a exponer contenidos.
Combinando los resultados de la investigación con otros usos prácticos, surgen tres subcategorías principales de IA que se implementan para involucrar al público en los museos: aprendizaje automático, chatbots y redes neuronales. A continuación lo explicaremos con ejemplos específicos para reflexionar sobre las oportunidades y desafíos de cada opción.
Aprendizaje automático.
Como explicamos anteriormente, la tecnología de aprendizaje automático se puede utilizar para recopilar, categorizar y analizar datos. Los factores interesantes que se encuentran en el aprendizaje automático no solo pueden servir para rastrear el comportamiento de la audiencia o categorizar colecciones, sino que también pueden usarse en actividades interactivas para los visitantes. El equipo de medios digitales del MoMA , en colaboración con Google Arts & Culture Lab introdujo un algoritmo de aprendizaje automático que es capaz de analizar más de 30.000 fotos de exposiciones y buscar coincidencias con más de 65.000 obras de la colección en línea del MoMA. Tras 20.000 obras de arte reconocidas, se creó una vasta red de nuevos vínculos entre la historia de la exposición y las colecciones en línea. Este proyecto llevará a los visitantes de una colección específica a una exposición fechada y, por lo tanto, proporcionará una experiencia más impresionante y personalizada.
El proyecto tiene algunas limitaciones. Para alcanzar los estándares de colecciones de alta calidad y coincidencias de gran precisión, éstas son limitadas. Además, como muchas colecciones del proyecto no pertenecen al MoMA, existe la necesidad de un acceso adicional para expandir el proyecto. Teniendo esto en cuenta, los museos deben hacer un seguimiento compartiendo recursos. Dado que las exposiciones y las colecciones se transfieren de un museo a otro, el acceso a imágenes bidimensionales en línea también debe discutirse para su publicación.
Chatbots.
Los chatbots se utilizan para que los museos se comuniquen con los visitantes de una manera eficiente. Hay dos tipos principales de tecnología de chatbot actualmente en uso. El primero, es el asistente virtual basado en voz. El otro, usa aplicaciones de mensajería para responder preguntas. La mayoría de las implementaciones en los museos tienen como objetivo brindar un mejor servicio al cliente y recorridos personalizados. Un ejemplo único de uso de chatbot en un museo es el del Field Museum de Chicago, donde se utiliza un chatbot, Máximo Patagotitan, en una exposición de dinosaurios para ofrecer información transaccional basada en las preguntas que los visitantes le formulan. La personalidad del chatbot se configuró en función de las actividades de los visitantes, que recopilaron posibles consultas y relacionaron la lógica entre las preguntas. Dada la naturaleza de estas tareas, los profesionales de los museos con experiencia en comunicación digital pueden aportar contribuciones esenciales para que el chatbot funcione.
A medida que la tecnología madura relativamente, los desafíos para los chatbots se plantean en la creatividad del contenido. A medida que se hace más común que los museos tengan chatbots, descubrir qué tipos pueden realmente interactuar mejor con el público y comunicarse de manera más efectiva se convertirá en el próximo reto.
Redes neuronales.
Las redes neuronales se utilizan en la investigación de archivos de museos y en redes generativas de confrontación (GAN). El GAN es un sistema que incluye dos redes neuronales – un discriminador y un generador -, una para reconocer datos y otra para simular datos similares. Los artistas pueden utilizar el sistema como un asistente creativo que permite recrear su estilo de trabajo. También los museos hacen uso de él para desarrollar actividades interactivas para el público.
Archival Museum Research podría recurrir a la tecnología de redes neuronales para obtener conocimientos profundos de las colecciones. La investigación basada en el Herbario Nacional del Museo Nacional de Historia Natural en Washington, D.C., demuestra que las redes neuronales digitales son capaces de distinguir entre dos familias similares de plantas con tasas de precisión superiores al 90 por ciento. Esto indica todo tipo de posibilidades futuras para científicos y académicos. Los algoritmos de «aprendizaje profundo» permitirán a los archiveros de los museos encontrar conexiones subyacentes dentro de las colecciones y probar hipótesis científicas rápidamente. Otro ejemplo está relacionado con los Archivos Secretos del Vaticano, una de las colecciones históricas más grandiosas del mundo, con un elevado número de manuscritos ilegibles. El nuevo proyecto, conocido como In Codice Ratio, utiliza una combinación de software de inteligencia artificial y reconocimiento óptico de caracteres (OCR), a fin de que sus transcripciones estén disponibles para su lectura.
Desafíos y beneficios en estos avances.
Como señala Mark Algee-Hewitt, «es casi imposible reconstruir por qué y cómo una red neuronal toma sus decisiones» una vez que ha sido condicionada. Las determinaciones dejadas a los programas de ordenador siempre deben ser sencillas y verificables, si se puede confiar en ellas. Aunque los científicos utilizaron con éxito el algoritmo para entrelazar las colecciones, todavía queda un largo camino por recorrer para llevar a cabo un uso masivo de las redes neuronales en las colecciones de los museos.
Para finalizar, mencionar que viendo las oportunidades de las tecnologías de inteligencia artificial en los museos, los desafíos son la necesidad de precisión de algoritmos, acceso al contenido digital y creatividad del contenido. Independientemente de lo lejos que puedan llegar las tecnologías de IA, siempre es importante garantizar que la participación de la audiencia esté basada en la comprensión del museo, su colección y aprendizaje. Es más, a largo plazo, los museos deben tratar de dejar que sea el público quien dirija los contenidos curatoriales de la exposición. Las tecnologías se desarrollan para conectar al visitante con los museos, pero no deben convertirse en los grilletes que impidan a éstos presentar contenidos a su manera.
Consultas: info@evemuseos.com
Recursos:
“A HALL OF AN INNOVATION: National Soccer Hall of Fame to use facial recognition for fan experience.” August 21, 2018. https://www.frontrowsoccer.com/2018/08/21/a-hall-of-an-innovation-national-soccer-hall-of-fame-to-use-facial-recognition-for-fan-experience/.
“AI: The Rise Of A New Art Movement.” Obvious Art. Last modified February 14, 2018. http://obvious-art.com/blog-post.html.
Anstey, Tom. “Barnes Foundation uses intelligent machines to offer new ways of interpreting art collections.” Attractions Management. July 17, 2018. https://www.attractionsmanagement.com/index.cfm?pagetype=news&codeID=338394.
“ARTIFICIAL INTELLIGENCE Technology Landscape.” Callaghan Innovation. Accessed March 9, 2020. https://www.callaghaninnovation.govt.nz/sites/all/files/callaghan-innovation- infographic-artificial-intelligence.pdf.
Bertagnoli, Lisa. “Art Institute uses data to give visitors what they want.” Chicago Business. May 18, 2018. https://www.chicagobusiness.com/article/20180518/ISSUE01/180519840/art-institute-of-chicago-uses-data-to-make-exhibit-choices.
Charr, Manuel. “How Are Museums Using Chatbots?” MuseumNext. September 14, 2019. https://www.museumnext.com/article/how-are-museums-are-using-chatbots/.
Chen, Lin. «Online to Offline: Artificial Intelligence helps to design a personalized museum in the digital era.» Pratt. March 5, 2019. https://museumsdigitalculture.prattsi.org/online-to-offline-artificial-intelligence-helps-to-design-a-personalized-museum-in-digital-era-236164bbb4fa.
Ciecko, Brendan. “4 Ways AI is the Next Big Game-Changer in Museum Membership & Attendance.” Sg Engage. August 1, 2019. https://npengage.com/arts-cultural/artificial-intelligence-museum-membership/.
Falk, John H. (John Howard), and Lynn D. Dierking. Learning from Museums : Visitor Experiences and the Making of Meaning Walnut Creek. CA: AltaMira Press, 2000.
“GenStudio.” GitHub. Last modified December 16, 2019. https://github.com/microsoft/GenStudio.
“Homepage.” Gen Studio. Accessed March 9, 2020. https://gen.studio.
“Homepage.» Google Arts and Culture. Accessed March 9, 2020. https://artsandculture.google.com/.
“Homepage.» Knight Foundation. Accessed March 9, 2020. https://knightfoundation.org/articles/five-takeways-on-how-museums-are-adapting-to-digital-age-demands/.
“Identifying art through machine learning— A project with Google Arts & Culture Lab.” MoMA. Accessed March 9, 2020. https://www.moma.org/calendar/exhibitions/history/identifying-art.
Kean, Sam. “Artificial Intelligence Is Cracking Open the Vatican’s Secret Archives.” The Atlantic. April 30, 2018. https://www.theatlantic.com/technology/archive/2018/04/vatican-secret-archives-artificial-intelligence/559205/.
Kinsella, Eileen. “The Met Museum Envisions a Future Where Artificial Intelligence Helps You Find #Art Posts for Your Instagram.” Artnet News. February 5, 2019. https://news.artnet.com/art-world/the-met-ai-1456774.
Lee, Dami. “Deepfake Salvador Dalí takes selfies with museum visitors.” The Verge. March 10, 2019. https://www.theverge.com/2019/5/10/18540953/salvador-dali-lives-deepfake-museum.
Litt, Steven. “Dot, the new Akron Art Museum chatbot, wants to get you talking about art and life.” Last modified Jan 30, 2019. https://www.cleveland.com/arts/2018/08/dot_the_new_akron_art_museum_c.html.
Löfwander, Simon. “About Artificial Intelligence, Neural Networks & Deep Learning.” AYIMA. January 24, 2017. https://www.ayima.com/blog/artificial-intelligence-neural-networks-deep-learning.html.
“Museum & New Intelligence— A primer for attendees.” American Alliance of Museums. Accessed March 9, 2020.
Rao, Seema. “What is audience engagement?” Museum Two. October 1, 2019. http://museumtwo.blogspot.com/2019/10/what-is-audience-engagement.html.
Sikorsky, Michael, and Rita Gunther McGrath. “Bots Are about to Get Better at Customer Support than Humans.” WIRED UK. December 19, 2017. https://www.wired.co.uk/article/message-bot-customer-care.
Smith, Ryan P. “How Artificial Intelligence Could Revolutionize Archival Museum Research.” Smithsonian Magazine. November 3, 2017. https://www.smithsonianmag.com/smithsonian-institution/how-artificial-intelligence-could-revolutionize-museum-research-180967065/.
Soracco, Anna. “How Gen Studio was created for The Met using Microsoft AI.” Channel9. March 4, 2019. https://channel9.msdn.com/Shows/AI-Show/Gen-Studio.
Styx, Lauren. “How are museums using artificial intelligence, and is AI the future of museums?” Museum Next. March 28, 2019. https://www.museumnext.com/article/artificial-intelligence-and-the-future-of-museums/.
Tallon, Loic. “Sparking Global Connections to Art through Open Data and Artificial Intelligence.” Met Museum. February 4, 2019. https://www.metmuseum.org/blogs/now-at-the-met/2019/met-microsoft-mit-art-open- data-artificial-intelligence.
Vermeeren, Arnold., Licia. Calvi, and Amalia. Sabiescu. Museum Experience Design Crowds. Ecosystems and Novel Technologies 1st ed. 2018. Cham: Springer International Publishing, 2018.
Villaespesa, Elena & French, Ariana. “AI, Visitor Experience, and Museum Operations: A Closer Look at the Possible.” ResearchGate, April 2019. https://www.researchgate.net/publication/ 333852865_AI_Visitor_Experience_and_Museum_Operations_A_Closer_Look_at_the_Possible.
Vincent, James. “A never-ending stream of AI art goes up for auction.” The Verge. March 5, 2019. https://www.theverge.com/2019/3/5/18251267/ai-art-gans-mario-klingemann-auction-sothebys-technology.
Si quieres recibir nuestro newsletter, y/o la bibliografía y recursos asociados al artículo de hoy, pídenoslo en el boletín adjunto, dejando claro que solicitáis la bibliografía y los recursos asociados al artículo, por favor. Si quieres recibir los artículos por correo electrónico completa el campo correspondiente en el formulario de inscripción que encontrarás en la cabecera de esta página. Tu dirección de correo electrónico será utilizada exclusivamente para enviarte nuestros newsletters, pudiendo darte de baja en el momento que quieras.
Un comentario en «Inteligencia Artificial y Participación del Público en Museos»