Tarihsel fotoğraflar statik görüntülerden çok daha fazlasıdır; araştırmacılara, eğitimcilere ve halkın ilham vermesine, bu koleksiyonların değerli anlarına ve günlük yaşamlarına dair anılarını ele almak için potansiyele sahip olan her biri, bu görsel kayıtların ve analiz edilebilir bir şekilde yeniden düzenlenmesi ve tanımlamak için, bu koleksiyonların çok değerli bir şekilde yeniden tanımlanmasına olanak sağlar.

Problemin Ölçeği

AI'nın etkisini takdir etmek için, bir tanesi ilk olarak kataloglama görevini anlamak gerekir. Tek büyük bir arşiv - Amerika Birleşik Devletleri Kongre Baskıları ve Fotoğraflar Bölümü - 14 milyondan fazla öğeye sahip - bu işlem, yetenekli bir kataloglama işlemi sadece birkaç düzine resimde kullanılabilir ve bu tür bir insan uzmanlarını incelemek için gereklidir. Sonuç olarak, birçok fotoğrafın neredeyse her türlü resimde olduğu gibi, tarihler, ve yapılandırılmış metadata yer alan bir veritabanına girmektedir.

Ayrıca, manuel kataloglama doğal olarak tutarsız. Farklı kataloglar aynı nesne için farklı terimler uygulayabilir veya farklı şekillerde belirsiz tarihi bağlamı yorumlayabilirler. Zamanla, bu hampers arama kabiliyetine sahip metadata'nın bir patchwork oluşturur. Araştırmacılar “otomobil” veya “karriage” ile etiketleyebilirler. Daha verimli, tutarlı ve ölçeklenebilir bir yaklaşım için ihtiyaç asla daha baskıya uğramaz, özellikle de doğmuş bir şekilde, özellikle de “otomobil” olarak doğan araştırmacılar, örneğin, örneğin, arşivlere göre daha etkili bir şekilde devam ederler.

AI Photo Kataloğu Nasıl Dönüştürüyor

Yapay zeka, kataloglama iş akışını büyük ölçüde hızlandırabilecek ve geliştirebilecek bir teknoloji paketi sunar.İnsan uzmanlığını tamamen yerine, AI, çok basit bir şekilde çalışır ve en yoğun kimlik ve etiketleme görevlerine sahiptir, nuanced yorum ve kalite kontrolü arkivists için uygularken.

Görüntü Tanımlama ve Bilgisayar Vizyon

At the heart of modern AI cataloging is computer vision—the ability of machine learning models to interpret the content of images. Convolutional neural networks (CNNs) and more recent transformer-based architectures can be trained to detect objects, scenes, and even specific individuals. For example, a model can be trained on thousands of historical photographs to recognize a Model T Ford, a Victorian-era dress, or a typical 1920s storefront. Some advanced systems can identify architectural styles, distinguish between indoor and outdoor settings, and classify time periods based on visual cues such as clothing or technology.

Optik Karakter Tanımlama (OCR) ve Handgraph Recognition

Birçok tarihsel fotoğraf metinsel bilgileri içeriyor - yazı, isimler veya notlar geri yazılmış. OCR teknolojisi, bir kez baskı ile sınırlı, tahıllı, silinmiş el yazmaları veya yazıtları için, özel el yazma modelleri (endüstriyel ağlara veya transformatörlere dayalı) baskılarla ilgili olarak, zorluklar hızla artarak, kabarıcı senaryolar ve alışılmadık el yazma stilleri ile kalır.Bu yetenek, metrajlı el yazma stilleri için gereklidir.

Metadata Generation ve Tagging

AI modelleri ayrıca açıklayıcı etiketler ve anahtar kelimeler otomatik olarak üretebilir.Görünüşe göre görsel özellikleri ve bunları mevcut kontrollü vocabularies (örneğin Grafik Malzemeleri veya Kongre Kütüphanesi için Thesaurus for Grafik Malzemeler veya Kitapçıklıklar) gibi, sistemler konu şartlarını, coğrafi konumları ve zaman zaman zaman zaman zaman zaman zaman zaman zaman zaman zamanlarını odaklanmalarını önerebilir.

Yüz Tanıklığı ve İnsanlar Tanımlama

Bazı uygulamalarda tartışmalı olsa da, yüz tanıma, grup fotoğraflarında veya portrelerde bilinmeyen bireyleri tanımlamak için tarihsel arşivlerde değerli kanıtlamıştır. Bilinen rakamlar kümesinde yapılan referanslarda AI, tarihçiler tarafından doğrulanabilir potansiyel maçları önerebilir. Örneğin, Amerika Birleşik Devletleri Holokost Müzesi, kurbanları ve hayatta kalanları önceden bilinen fotoğrafları tanımlamak için yüz tanımayı kullandı, kişisel hikayeleri koruma sürecini hızlandırdı.

Detaylı Bilgi İçin Anahtar AI Teknolojileri

Bu yeteneklerin desteklenmesi, modern bir kataloglama boru hattında birlikte çalışan birkaç teknik alandır.

Derin Öğrenme ve Neural Ağlar

Çoğu çağdaş görüntü tanıma sistemleri derin öğrenmeye güveniyor, çok katmanlı bir sinir ağları kullanarak, veri tabanlarından hiyerarşik özellikleri öğrenerek, gelişmiş doğrulukla küresel bağlamı yakalamayı başarabiliyorlar.Convolutional sinir ağları (CNNs) özellikle de görüntücüleri tespit edebildikleri gibi, büyük bir veri kümesi (örneğin ImageNet) ince olarak algılanabilir.

Metadata için Doğal Dil İşleme

Görsel tanıma bir dizi etiket üretirken, doğal dil işleme (NLP) onları eşanlı metadata kayıtlarına göre düzenleyebilir. NLP modelleri, şehir içi vocabularies kontrol etmek için harita terimleri ve hatta kısa tanımlayıcı sumary veya altyazılar üretebilir. Örneğin, bir model “kadın, şapka, bisiklet, 1910” etiketleyebilir ve bir cümle üretebilir: “Büyük bir şehir sokaktaki bir bisikletle dolu bir kadın, dolay 1910.

İş Akışı Otomasyon ve Entegrasyon

Etkili AI kataloglama sadece modeller hakkında değil; API'ler aracılığıyla onları entegrasyon, insan inceleme ve düzenleme imkanı sunan bir platformdur.Bu tartışma için bulut tabanlı bir AI hizmeti, önerilen etiketler ve güven puanları için bir set olarak hizmet edebilir ve daha sonra bir insan incelemesi ve düzenleme sağlayabilir. Tipik bir algoritma: dijital görüntüyü elde edebilir, onu görsel analiz için bulut tabanlı bir AI hizmetine gönderebilir.

Arşiv ve Kurumlar için Faydaları

Kataloglama için AI'nın benimsenmesi, bu araçları uygulayan dönüşümsel faydalar getiriyor: Aşağıdaki iyileştirmeleri rapor etti:

  • [FONT:0)Speed:[DÜDÜDÜDÜ:0) AI, günde binlerce görüntüyü günde veya haftalar meselesine götürecek olan şeyleri azaltabilecektir.
  • [FONT:0]Consistency:[Dönetici:[Dönetici:0)[Dönetici:0)Consistency:[[Dönetici:[Dönetici:[Dönetici:0)) Machine-prodüktif metada aynı kelimeye ve kurallara uymaya devam eder.
  • [FONT:0)Enhanced Accessability:[Dönetici:[Dönetici] Kapsamlı metadata ile fotoğraf, tarih, yer veya konu tarafından kullanılabilir ve online portallar aracılığıyla keşfedildi. Birçok kurum AI tabanlı kataloglama yaptıktan sonra kullanıcı katılımında dramatik artışlar gördü.
  • [FONT:0] Yeni Analytical Olasılıklar: AI, milyonlarca görüntüyü fark etmek için insanlar için imkansız olan modelleri ve bağlantıları tespit edebilir. Örneğin, bir soru sorabilirsiniz: “Kadınların moda değişimleri 1890 ve 1920 yılları arasında nasıl yapılır?”
  • [FONT:0]Cost-Effectiveness: İlk kurulum ve hesaplama maliyetleri var olsa da, düşük el işçiliğinden uzun vadeli tasarruflar önemli. Cloud tabanlı AI hizmetleri teklif ödeme-as-you-go modelleri, gelişmiş teknoloji finanse edilen kurumlara bile erişilebilir.

Gerçek Dünya Uygulamaları ve Vaka Çalışmaları

Birçok belirgin arşiv, AI'yı kataloglama işlerine entegre etmeye başladı, değerli öngörüler ve konsept kanıtı sağladı.

Kongre Kütüphanesi – Kronik Amerika ve Baskılar ve Fotoğraflar

Kongre Kütüphanesi, büyük holdinglere erişimi artırmak için AI ile deney yaptı. Kronik Amerika gazetesi dijitalizasyon projesinde, OCR ve görüntü analizi, metin ile ilgili resimler ve fotoğraflar çekmek için kullanılmıştır.For the Prints and Photos, machine learning has been used to offer to offer subject readings for historical Photos, the backlog of uncatalogued material.

Google Arts & Culture – Partner Museums

Google’ın platformu, platformun arama ve öneri özelliklerini kullanarak, koleksiyonları online olarak yayınlamaya ve örneklemelere izin verdi.

Smithsonian Institution – Tarihi Portreler için Yüz Tanık

Smithsonian, daha önce Sivil Savaş-era görüntülerindeki bilinmeyen insanlar da dahil olmak üzere fotoğraf arşivlerinde bireyleri tanımlamak için yüz tanımayı araştırmıştır. Bilinen portreler ve biyografik veritabanı ile ilgili olarak araştırmacılar, bir yüzyılda anonim olan yüzleri tanımlayabildiler.

Hollanda Devlet Arşivleri - Otomatik Metadata Nesil

Hollanda Ulusal Arşiv, Microsoft'un AI araçlarını otomatik olarak üretebilmek için bir pilot proje başlattı. Sistem, 10.000 kişilik bir görüntünün setinde eğitildi ve ardından AI'nın temel elementlerini doğru bir şekilde tanımlayabildiğini gösterdi - “eski” veya “şehir meydanı” gibi -% 80'den fazla doğrulukla, sadece 10.000'den fazla manuel görüntüyü gözden geçirmeli ve doğru bir şekilde AI'nın önerilerine uygun şekilde azaltıldı.

Daha fazla okuma için, Kongre Dijital Koleksiyonlar [Döneticileri İçin Bir Pencereyi Soruna Karşı Bir Şekilde Sunuyor ve Google Arts & Culture platformu) ve AI odaklı keşif gücünü gösteriyor[Döneticiler için AI’nın gücü].

Meydanlar ve Etik Bakışlar

AI muazzam bir söz tutarken, tarihsel kataloglamadaki uygulaması, istenmeyen zararlardan kaçınmak ve güvenliğe yardımcı olmak için ele alınması gereken önemli zorluklar değildir.

Doğru ve Yanlış Olumlular

AI modelleri aşırı derecede önemsiz değildir. nesneleri, özellikle modern eğitim verilerinden büyük ölçüde farklı olan tarihsel görüntülerde, 19. yüzyıl bonnet modern kıyafetlerle karıştırılabilir veya bir at-drawn vagonu, bir kamyonun yakalanması ve doğru AI hataları için yanlış olabilir.

Eğitimde Bias

AI sistemleri sadece eğitim aldıkları veriler kadar iyidir.Eğer bir model Batı'da ağırlıklı olarak eğitilmişse, 20. yüzyıl fotoğraflarının yanı sıra farklı eğitim veri kümelerinin görüntüleri üzerinde kötü performans sergileyecek ve farklı kategorilerde sistematik olarak devam eden model performanslarını takip edecektir.

Data Privacy and Ethics Use

Tarihsel fotoğraflar genellikle hassas içerik içerir - bireylerin resimleri, tıbbi hastaların görüntüleri, savaş fotoğrafçılığı ve kırılgan grupların resimleri. Otomatik kataloglama, İngiltere'nin Ulusal Arşivleri gibi, özellikle de AI tanıması için tasarlanmış özel bilgiler ortaya çıkarabilir.

Maliyet ve Teknik Engeller

AI uzun vadede maliyetle etkisiz olsa da, teknolojideki ilk yatırım, altyapı ve eğitim, daha küçük arşivler için yasaklanabilir. Birçok kişi esnek entegrasyon katmanı sağlayarak bu sorunların bir kısmını hafifletebilir, ancak büyük AI modellerini çalıştırmanın hesaplamak için hesaplamalı kaynaklar bir engel olarak kalır.

Değişime Karşı Direniş

Arkeolojik ve tarihçiler, profesyonel yargılarının anlaşılabilir bir şekilde koruyucusu, AI odaklı kataloglamanın aksine, otomasyonun insan uzmanlığını veya tarihsel bağlamın karmaşıklığını basitleştirmesi için bir araç olduğunu gösteriyorlar. Başarılı uygulama, AI'nın çalışmalarının yerine geliştirmek ve eğitim sağlamak için bir araç olduğunu gösteriyor.

AI Kataloğunu Uygulamak için En İyi Uygulamalar

Erken evlat edinmelerden öğrenilen derslere dayanarak, burada tarihi fotoğraf kataloglama için AI'yı düşünen kurumlar için en iyi uygulamalar önerilir:

  • [FONT:0] Bir Pilot Projesi ile Küçük Başlayın: Koleksiyonunuzun bir temsilcisi olarak seçin - birkaç yüz görüntüyü test edin - AI aletlerini ve iş akışını test edin.Bu, doğruluk, maliyet ve zaman tasarruflarını ölçeklendirmeden önce değerlendirmenize olanak sağlar.
  • [Üyetim:0) Yüksek kaliteli Eğitim Verilere Sahip:) Özel modeller kullanarak, koleksiyonunuzun tam yelpazesini yansıtan çeşitli ve iyi eğitimli bir eğitim seti oluşturun. kenar vakalarını ve zor-dunan görüntüleri örneklerini ekleyin.
  • [FONT:0)Maintain Human-in-the-Loop:[DÜDÜT:1) AI, önerileri üretmeli, nihai kararlar almamalıdır. Bir kravatlı inceleme süreci - insan incelemesi için otomatik olarak bayraklı ve yüksek güven etiketlerin doğruluğu ile verimlilik.
  • [FONT=0)Adopt Open Standards ve Vocabularies:) Dublin Core, MODS veya Kongre Kütüphanesi, Grafik Malzemeler için arayabilirlik ve uzun vadeli sürdürülebilirlik sağlamak için mevcut metada standartları kullanın.
  • [FONT=0]Monitor ve Denetim Sürekli: [Dönetici:[Dönetici:0) AI modellerinin zaman içinde performanslarını takip edin, özellikle yeni görüntüler eklenir.
  • [FONT:0]Toplumla Katkı:[Dönetici:0][Döneticileri, başarılarınızı ve başarısızlıklarınızı, daha geniş arşiv toplumlarıyla paylaş.Ş.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.S.

Tarihi Arkeolojide AI'nın Geleceği

Önümüzdeki gibi, AI'nın tarihsel fotoğraf kataloglamasına entegrasyonu, daha sofistike ve çıplak hale gelmeye hazır.Görünüşekkküresel arşivlerden anlam çıkarma yeteneğimizi derinleştirmeye söz veriyor.

Geliştirilmiş Contextual Understanding

Future AI modelleri sadece nesneleri tanımlayamaz, aynı zamanda çerçevedeki bu nesnelerin tarihsel önemini de yorumlayacaktır. Bir siyasi ralli bayrağını tanıyan ve görsel giriş ile ilişkili belirli bir olayı, tarihi ve konuşmaları elde edebilecekler.Bu, bilgi grafikler ve yapılandırılmış tarihi veritabanı ile bütünlemeleri gerektirecektir.GPT-4 gibi büyük dil modelleri (LLMs) zaten makul bir bağlamsal anlatılar oluşturabilir; güvenilir bir görsel girişle birlikte, zengin tarihi olmayan tarihsel olmayan bir metin üretebilirler.

Multimodal Analiz

Fotoğraflar nadiren izolasyonda bulunurlar. Genellikle bir günlük olarak bahsedilen bir fotoğrafla veya bir haritaya uygun bir şekilde bir görüntü oluşturabilirler. Multimodal AI bu farklı tür verileri birleştirilmiş anlayışa sokabilir, bir resimde bir isim ile bir araya getirir veya bir haritaya bir şekilde bir haritada belirtilen bir şekilde bir araya getirir.

Collaborative ve Crowdsourced Platforms

AI sadece profesyonel arşivciler değil, aynı zamanda ortak platformlar da gönüllülerin AI'yı doğrulamaya ve geliştirmelerine izin verecek araçlar – Smithsonian'ın “Smithsonian Digital Gönüllüleri” programı gibi – topluluk uzmanlığına sahipken ölçek kalitesi kontrolüne sahip olabilir. Gelecekte, işbirlikçi platformlar tarihçilerin fotoğrafları doğrudan diğer holdinglere ve dış kaynaklara bağlamalarına izin verebilir.

Koruma ve Dijital Restorasyon

AI ayrıca hasarlı fotoğrafları geri yüklemek için de kullanılıyor - lekesiz, renkli değişimleri düzeltiyor ve düşük çözünürlüklü görüntüler – daha önce çok iyi hazırlanmış görüntüler için kataloglama mümkün.Bu restorasyon yetenekleri, tarihi rekora geri getiriyor.

Tasarım tarafından etik AI

önyargı ve mahremiyetin farkındalığı arttıkça, gelecekte AI sistemleri adilliği, hesap verebilirliği ve şeffaflığı temel tasarım ilkeleri olarak içerecektir. Bu teknolojileri özellikle yüz tanıma için nasıl dağıtabileceğimizi daha yaygın bir şekilde bekleyebiliriz.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Tarihsel fotoğraf kataloglamanın yapay zeka aracılığıyla otomasyon, daha önce düşünülemez ve yeni analiz biçimlerine eriştiğimiz bir paradigma değişikliğini temsil ediyor: Ancak ileriye dönük bilgi, gizlilik ve insan uzmanlığının vazgeçilmez değeri, arşivler, daha önce düşünülemez bir ölçek ve hıza sahip olan koleksiyonları yönetebiliyor.

Sonuçta, AI, arkeologların ve tarihçilerin rolünü azaltmıyor; bu tür milyonlarca görüntüde saklı olan hikayeleri ortaya çıkarma yeteneğini basitleştiriyor.Bu teknolojiler olgun olarak, her tarihi fotoğrafın nerede olduğunu bir geleceğe bakabiliriz - sadece bir aramayı yapmaya hazır, geçmişimizi yaratmaya hazır, geçmişimizi yaratmaya hazır, bağlantıya sokmaya ve bize bağlanmak için.