موزه‌ها گنجینه‌هایی از تاریخ طبیعی و انسانی را در خود جای داده‌اند، از یخ‌های قطبی گرفته تا فسیل دایناسورها، ماهی‌های نگهداری‌شده در شیشه، پرندگان تاکسیدرمی‌شده و آثار باستانی تمدن‌های گذشته. این مجموعه‌ها علاوه بر نمایش عمومی، منابع ارزشمندی برای پژوهشگران در زمینه‌های زمین‌شناسی، دیرینه‌شناسی، انسان‌شناسی و سایر علوم محسوب می‌شوند. اما تنها بخش کوچکی از این گنجینه‌ها برای بازدیدکنندگان قابل مشاهده است. یکی از چالش‌های بزرگ موزه‌ها، سازماندهی و دیجیتالی کردن داده‌های مربوط به این مجموعه‌ها برای دسترسی پژوهشگران و معلمان است. هر موزه روش خاص خود را برای دسته‌بندی و مدیریت داده‌ها دارد، که می‌تواند یافتن اطلاعات مناسب را دشوار کند. بااین‌حال، هوش مصنوعی می‌تواند با پردازش حجم عظیمی از داده‌ها، این فرایند را ساده‌تر کند و اطلاعات لازم را برای پاسخ به پرسش‌های علمی استخراج نماید.

با وجود توانایی‌های بالای هوش مصنوعی، هنوز چالش‌هایی در استفاده از آن وجود دارد. نبود استانداردهای یکپارچه برای مدیریت داده‌ها بین موزه‌ها باعث پیچیدگی در استفاده از این فناوری می‌شود. اگر موزه‌ها استانداردهای مشترکی برای جمع‌آوری، ذخیره و اشتراک‌گذاری اطلاعات داشته باشند، می‌توانند زمینه را برای استفاده بهتر از داده‌ها توسط انسان‌ها و ماشین‌ها فراهم کنند. یک تیم تحقیقاتی برای بررسی این موضوع، گروه‌های متمرکزی از مدیران مجموعه‌های موزه‌ای را مورد مطالعه قرار داد. این افراد مسئول ثبت و توصیف ویژگی‌های اشیای ورودی به موزه‌ها هستند و اطلاعاتی مانند نام جمع‌آوری‌کننده، مکان و زمان جمع‌آوری، و مشخصات علمی نمونه را ثبت می‌کنند. این اطلاعات، که به "فراداده" (Metadata) معروف‌اند، اهمیت زیادی برای دسترسی پژوهشگران به مجموعه‌های موزه‌ای دارند.

در حال حاضر، ابزارهایی برای استانداردسازی این فراداده‌ها در برخی حوزه‌ها وجود دارد. برای مثال، در مجموعه‌های زیست‌شناسی، نرم‌افزاری مانند Specify به مدیران کمک می‌کند که نمونه‌ها را به‌صورت استاندارد طبقه‌بندی کنند. استانداردهایی مانند Darwin Core نیز در زیست‌شناسی رایج‌اند. ابزارهای مشابهی در سایر علوم مانند زمین‌شناسی و باستان‌شناسی به کار گرفته می‌شوند. در این پژوهش، تیم تحقیقاتی 10 گروه متمرکز با 32 شرکت‌کننده از رشته‌های مختلف از جمله مردم‌شناسی، باستان‌شناسی، گیاه‌شناسی، زمین‌شناسی، جانورشناسی، حشره‌شناسی و دیرینه‌شناسی را بررسی کرد. هدف این مطالعه شناسایی روش‌های فعلی ذخیره، سازماندهی و استفاده از داده‌های موزه‌ای برای آماده‌سازی آن‌ها جهت استفاده توسط هوش مصنوعی بود.

نتایج نشان داد که مدیران مجموعه‌های موزه‌ای روش‌های متفاوتی برای آماده‌سازی داده‌ها دارند. این اختلافات، مانعی برای یکپارچه‌سازی و استفاده از داده‌ها در مقیاس وسیع است. استانداردسازی فراداده‌ها و روش‌های ذخیره‌سازی می‌تواند دسترسی و بهره‌وری از این داده‌ها را بهبود بخشد. تحقیقات بیشتر می‌تواند به مدیران مجموعه‌ها کمک کند تا زیرساخت‌های لازم را برای استفاده از هوش مصنوعی فراهم کنند. دانش انسانی در کنار توانایی‌های هوش مصنوعی می‌تواند به کشف‌های جدیدی بر اساس گنجینه‌های تاریخی موزه‌ها منجر شود.

منبع خبر: theconversation