Sztuczna inteligencja i dziedzictwo kulturowe. Muzeum, które rekonstruuje utracony świat

AI w muzeach potrafi rekonstruować brakujące fragmenty obrazów, przeszukiwać miliony obiektów, tłumaczyć opisy i otwierać archiwa niedostępne wcześniej dla publiczności. Modele pomagają konserwatorom zobaczyć ślady niewidoczne dla ludzkiego oka, ale potrafią również wypełnić historyczną pustkę przekonującym obrazem. Najważniejszym zadaniem dla muzeów w epoce AI będzie rozróżnienie między tym, co zachowane zostało zachowane, a tym co zostało „doczytane” przez model.

.Muzeum było dotąd miejscem, w którym przeszłość przemawiała przez materialny ślad. Obraz nosił pęknięcia i przemalowania. Rzeźba zachowywała brakującą dłoń. Dokument miał wypalone krawędzie, a ruina pozostawała ruiną. Utrata stanowiła część historii przedmiotu, nie tylko problem wymagający naprawy.

Obecnie dzięki ogromnym zbiorom danych AI potrafi uzupełnić brakujący fragment, zrekonstruować kolor, odtworzyć głos, połączyć rozproszone archiwa i zbudować wirtualne wnętrze budynku, który przestał istnieć.

Technologia daje muzeom ogromną szansę. Jednocześnie wystawia na próbę ich najważniejszy kapitał, którą jest wiarygodność. Muzeum może posługiwać się iluzją, aby przybliżyć historię. Nie może jednak pozwolić, by iluzja została pomylona z prawdą historyczną.

Muzeum staje się laboratorium danych

.Zbiory muzealne są znacznie większe niż ekspozycje dostępne dla zwiedzających. Większość obiektów przez lata pozostaje w magazynach, znana przede wszystkim kuratorom i badaczom. Część jest słabo opisana, skatalogowana według dawnych standardów albo powiązana z dokumentami przechowywanymi w innej instytucji.

AI może zmienić magazyn w przestrzeń, która jeszcze wymaga czasu aby ją odkryć. Systemy rozpoznawania obrazu pozwalają porównywać: ornamenty, sygnatury, twarze, materiały i sposoby wykonania. Modele językowe mogą przeszukiwać: opisy, korespondencję, inwentarze i literaturę naukową, odnajdując zależności, których człowiek nie szukałby bez wcześniejszej hipotezy.

Przykładem użycia modeli w muzeach jest Imperial War Museums, które wykorzystało AI do transkrypcji i tłumaczenia ponad 20 tysięcy godzin opowiedzianych historii. Materiał, którego ręczne opracowanie zajęłoby lata, stał się możliwy do przeszukiwania. Nagranie ukryte wcześniej pod numerem katalogowym można znaleźć dzięki nazwie miejscowości, wspomnieniu wydarzenia albo słowu wypowiedzianemu przez świadka.

Podobne możliwości dotyczą fotografii, map i przedmiotów bez pełnej dokumentacji. Algorytm może wskazać podobne obiekty w kolekcjach kilku państw, pomóc odtworzyć drogę dzieła albo powiązać fragment ceramiki ze stanowiskiem archeologicznym.

Nie oznacza to jednak, że model rozpoznaje historię. Rozpoznaje podobieństwa w danych. Każde powiązanie musi zostać sprawdzone przez specjalistę, ponieważ podobny ornament nie dowodzi wspólnego pochodzenia, a podobna twarz nie jest jeszcze identyfikacją osoby.

Właśnie tym problemom poświęcono między innymi międzynarodową konferencję ETHER w Muzeum POLIN. AI może przyspieszyć badanie przeszłości, ale nie usuwa potrzeby krytyki źródła. Zwiększa ją, ponieważ wynik pojawia się szybciej i brzmi bardziej przekonująco.

Brakujący fragment może wrócić, ale nie staje się oryginałem

.Jednym z najważniejszych przykładów możliwości AI pozostaje rekonstrukcja brakujących części „Straży nocnej” Rembrandta. Obraz został w XVIII wieku przycięty, aby zmieścił się w nowym miejscu. Utraconych fragmentów nigdy nie odnaleziono.

Rijksmuseum wykorzystało kopię dzieła przypisywaną Gerritowi Lundensowi oraz systemy uczące się techniki i kolorystyki Rembrandta. Na tej podstawie odtworzono wygląd brakujących pasów obrazu. Zwiedzający mogli po raz pierwszy od trzech stuleci zobaczyć prawdopodobny układ pierwotnej kompozycji.

Najważniejsza była jednak nie tylko skuteczność technologii, lecz sposób jej pokazania. Rekonstrukcja została umieszczona wokół oryginału jako osobna warstwa. Muzeum nie domalowało brakujących elementów do płótna i nie przedstawiło wyniku jako odzyskanego dzieła. Pozostawiło widoczną granicę między obiektem a hipotezą badawczą.

Właśnie tak powinna wyglądać odpowiedzialna rekonstrukcja. AI może zaproponować najbardziej prawdopodobny kształt brakującego fragmentu, ale nie cofa historii. Nie odzyskuje materii dotkniętej ręką artysty. Tworzy współczesną interpretację opartą na dostępnych źródłach.

Im mniej źródeł, tym większa część wyniku pochodzi z prawdopodobieństwa i stylu modelu. Fragment odtworzony na podstawie dokładnej kopii jest czymś innym niż fasada budynku wygenerowana na podstawie kilku fotografii. Jeszcze czymś innym jest wnętrze świątyni stworzone wyłącznie przez analogię do innych obiektów z epoki.

Problem opisany w strategicznym tekście o AI i kulturze powraca tu w zmienionej formie. Model nie jest autorem historycznego dzieła, ale może zostać współautorem obrazu przeszłości. Muzeum musi ujawnić, gdzie zaczyna się ta współczesna interwencja.

Konserwator otrzymuje drugą parę oczu

.Konserwacja jest mniej widowiskowa niż rekonstrukcja, ale może okazać się ważniejszym zastosowaniem AI. Nowoczesne badanie dzieła wytwarza ogromne zbiory informacji: fotografie w wysokiej rozdzielczości, zdjęcia rentgenowskie, mapy składu chemicznego pigmentów, obrazy w podczerwieni oraz dokumentację wcześniejszych napraw.

Model może porównywać te warstwy, wskazywać anomalie i wychwytywać zmiany zachodzące w czasie. Może pomóc odnaleźć pęknięcia, rozpoznać obszary osłabienia materiału, odróżnić warstwę oryginalną od późniejszych przemalowań i połączyć tysiące zdjęć w jeden obraz pozwalający badać najmniejsze szczegóły.

AI nie powinna jednak samodzielnie wybierać sposobu konserwacji. Model może uznać jednolitość wizualną za cel, podczas gdy konserwator chce zachować ślady wieku, napraw i przemian obiektu. Algorytm może zaproponować kolor najbardziej podobny do otoczenia ubytku, ale nie rozstrzygnie, czy jego zastosowanie będzie zgodne z historią dzieła i zasadą odwracalności zabiegu.

Konserwator nie przywraca przedmiotowi wyobrażonej doskonałości. Chroni jego autentyczną materię i pozwala odróżnić to, co pierwotne, od późniejszej ingerencji. AI może być mikroskopem, mapą i systemem ostrzegawczym. Nie powinna stawać się arbitrem decydującym, jak dzieło powinno wyglądać.

Algorytm otwiera magazyny i przekracza języki

.Muzealne kolekcje są podzielone nie tylko między instytucje, lecz także między języki i systemy opisu. Ten sam typ obiektu może zostać inaczej nazwany w Polsce, Francji i we Włoszech. Dawne katalogi zawierają skróty, lokalne terminy, nieaktualne klasyfikacje i określenia, które z czasem stały się obraźliwe albo wprowadzające w błąd.

AI może tłumaczyć opisy, rozpoznawać synonimy i pozwalać użytkownikowi przeszukiwać kolekcję w jego własnym języku. Zwiedzający z Polski może odnaleźć obiekt opisany wyłącznie po hiszpańsku, a badacz zestawić materiały przechowywane w kilku państwach bez ręcznego przeglądania każdego katalogu.

Europejska przestrzeń danych dla dziedzictwa kulturowego rozwija właśnie taką logikę: kolekcje mają być dostępne, interoperacyjne i możliwe do przeszukiwania ponad granicami. AI może połączyć obiekty, które wcześniej pozostawały od siebie cyfrowo odseparowane.

Automatyczne tłumaczenie nie jest jednak neutralne. Nazwa przedmiotu może zawierać informację o epoce, funkcji, wspólnocie albo dawnym sporze interpretacyjnym. Model może zastąpić termin precyzyjny słowem łatwiejszym, ale uboższym. Może również wygładzić historycznie niewygodny opis albo przenieść na inną kulturę kategorie stworzone na Zachodzie.

Problem szerzej opisany w analizie o językach w epoce modeli ma dla muzeów szczególne znaczenie. Tłumaczenie opisu nie jest tylko usługą techniczną. Wpływa na sposób klasyfikowania i rozumienia przedmiotu.

Europejski projekt DE-BIAS wykorzystuje AI do wykrywania w opisach kolekcji języka przestarzałego i potencjalnie szkodliwego. Narzędzie może zwrócić uwagę kuratora na problem, ale nie powinno automatycznie wymazywać historycznego terminu. Muzeum musi wyjaśniać, dlaczego słowo zostało kiedyś użyte, kogo krzywdziło i jak zmienił się sposób opisywania wspólnoty.

Historia nie staje się bardziej uczciwa przez usunięcie trudnego języka. Staje się uczciwsza przez jego kontekstualizację.

Głos zmarłego przekracza granicę dokumentu

.Najbardziej poruszające zastosowania AI dotyczą ludzi, których głos, twarz albo otoczenie można cyfrowo odtworzyć. Muzeum POLIN wykorzystało zachowane nagranie Stelli Fidelseid, ocalałej z Zagłady, aby wygenerowany przez AI głos odczytał po polsku jej zapisaną relację z warszawskiego getta.

Projekt przywrócił opowieści indywidualny ton i pozwolił słuchaczowi nawiązać z nią bardziej bezpośrednią relację. Jednocześnie pokazuje, jak cienka jest granica między dokumentem a rekonstrukcją. Zwiedzający słyszy głos przypominający głos konkretnej osoby, ale słowa nie pochodzą z autentycznego nagrania jej polskiej wypowiedzi.

Odtworzenie głosu Stelli Fidelseid nie jest fałszerstwem, jeśli instytucja jasno ujawnia metodę, źródło tekstu i syntetyczny charakter nagrania. Staje się jednak sygnałem przyszłego problemu. Muzea będą mogły tworzyć cyfrowe postacie historyczne, które odpowiadają na pytania zwiedzających, prowadzą przez wystawę i wypowiadają zdania, których nigdy nie powiedziały.

W takiej sytuacji nie wystarczy informacja, że wykorzystano AI. Instytucja musi określić, które słowa pochodzą ze źródeł, które zostały zredagowane przez kuratora, a które wygenerował model. Potrzebna jest także zgoda dotycząca wizerunku i głosu oraz uwzględnienie stanowiska rodziny albo społeczności, której historia jest przedstawiana.

Muzeum nie może wykorzystać technologicznej możliwości wskrzeszenia głosu tylko dlatego, że efekt jest emocjonalnie silny. Im bardziej przekonująca jest symulacja obecności, tym większa musi być przejrzystość.

Wirtualna ekspozycja nie może udawać przeszłości

.Wirtualne muzeum może pokazać budynek zniszczony podczas wojny, przeprowadzić zwiedzającego przez starożytne miasto albo umieścić przedmiot w wnętrzu, dla którego został wykonany. Modele 3D, rozszerzona rzeczywistość i generatywna AI pozwalają odbudowywać całe otoczenie na podstawie planów, zdjęć, opisów i analogii.

Dla edukacji jest to ogromna szansa. Zwiedzający nie ogląda już wyłącznie fragmentu kolumny. Widzi jej miejsce w świątyni, skalę budowli i relację z przestrzenią miasta. Osoba, która nie może przyjechać do muzeum, otrzymuje dostęp do kolekcji i wystawy z dowolnego miejsca.

Realizm staje się jednak źródłem ryzyka. Im bardziej przekonująca wizualnie jest rekonstrukcja, tym trudniej dostrzec, które elementy wynikają z dokumentów, a które zostały uzupełnione na podstawie podobnych obiektów albo decyzji projektanta.

Czarno-biały plan pozostawia użytkownika ze świadomością braku. Fotorealistyczny spacer po nieistniejącym pałacu tworzy poczucie pewności. Zwiedzający zapamięta kolor ścian, układ mebli i światło wpadające przez okno, choć żadna z tych informacji nie musiała zostać potwierdzona przez źródła.

Dobra rekonstrukcja cyfrowa powinna więc posiadać warstwy. Użytkownik musi móc zobaczyć, co wynika bezpośrednio z zachowanego obiektu, co z dokumentacji, co z porównania z innymi zabytkami, a co jest propozycją modelu. Muzeum powinno pokazywać nie tylko końcowy obraz, lecz także drogę prowadzącą do jego powstania.

W przeciwnym razie ekspozycja staje się filmową scenografią wyposażoną w instytucjonalny autorytet muzeum.

Muzeum nie powinno działać jak platforma streamingowa

.AI może personalizować zwiedzanie. Rodzinie z dziećmi zaproponuje krótszą trasę, historykowi rozbudowane opisy, a osobie niewidomej audiodeskrypcję. Może tworzyć oprowadzania odpowiadające zainteresowaniom, językowi i dostępnemu czasowi.

Personalizacja poprawia dostępność, ale może również zamknąć odbiorcę w znanym świecie. Jeśli system poleca obiekty podobne do tych, które już się podobały, zwiedzający zobaczy kolejne portrety, stroje albo militaria, omijając przedmioty trudniejsze, obce i wymagające kontekstu.

Muzeum nie jest platformą streamingową. Jego zadaniem nie jest wyłącznie maksymalizowanie czasu kontaktu i zadowolenia użytkownika. Powinno również konfrontować z doświadczeniami, których człowiek sam by nie wybrał, oraz pokazywać elementy przeszłości niewygodne dla współczesnej wspólnoty.

Algorytm rekomendacyjny może dodatkowo wzmacniać dotychczasowy kanon. Najczęściej oglądane i najlepiej opisane dzieła otrzymają jeszcze większą widoczność, a obiekty z mniejszych kultur, uboższą dokumentacją albo nietypową klasyfikacją pozostaną na marginesie.

AI może poszerzać dostęp do kolekcji, ale decyzja o tym, co społeczeństwo powinno zobaczyć i z jakiego powodu, pozostaje zadaniem kuratorskim. Nie każda wystawa powinna być wygodna. Nie każdy obiekt powinien być przedstawiony w sposób odpowiadający wcześniejszym preferencjom odbiorcy.

Rekonstrukcja musi pozostawić ślad

.Najważniejszym standardem AI w muzeach powinna być widoczność interwencji. Zwiedzający musi wiedzieć, czy patrzy na oryginał, kopię, konserwatorskie uzupełnienie, rekonstrukcję naukową czy generatywną wizję.

Instytucja powinna zachowywać pełną dokumentację danych wykorzystanych przez model, decyzji kuratorów i stopnia pewności poszczególnych elementów. Rekonstrukcja musi być możliwa do zakwestionowania oraz zmiany, gdy pojawią się nowe źródła. Wynik algorytmu nie może zastygnąć jako jedyna wersja historii tylko dlatego, że wygląda przekonująco.

Szczególnej ochrony wymagają głosy, twarze i świadectwa ludzi. Odtworzenie osoby nie powinno prowadzić do przypisywania jej nowych wypowiedzi, opinii albo emocji. Wierność historyczna nie polega na tym, że cyfrowa postać brzmi naturalnie. Polega na tym, że instytucja nie przekracza granic materiału źródłowego.

Muzeum powinno także zachować prawo do powiedzenia: nie wiemy. Brak nie jest porażką ekspozycji. Niekiedy jest najuczciwszą informacją o przeszłości.

.Sztuczna inteligencja może pomóc odzyskać dostęp do świata utraconego przez wojny, katastrofy, czas i zapomnienie. Nie może jednak zmienić prawdopodobieństwa w fakt ani estetycznej spójności w prawdę historyczną.

Szymon Ślubowski