AI, kunstig intelligens, banker på overalt – også hos museerne. Men hvordan får vi gavn af teknologien uden at smide hverken kvalitet, faglighed, ansvarlighed eller andre ønskebørn ud med badevandet? SMK’s erfaringer kan måske hjælpe med at kaste lys over spørgsmålet.
En grå februardag i 2017 sad jeg og gode kolleger omkring et rundt mødebord og så bekymrede ud. For det var netop gået op for os, at vores spæde digitale formidlingsprojekt snart ville blive ramt af to pragteksemplarer af det man kun i meget optimistiske kredse kalder udfordringer.
Kort fortalt ville projektet ikke længere have de forventede årsværk, samtidig med at alle museets systemer og alle museets data i nær fremtid skulle omstruktureres og flyttes til, på dette tidspunkt, ukendte adresser. Nej, jeg ved heller ikke, hvorfor det altid er sådan.
Under alle omstændigheder: Vi havde akut brug for hjælp. Og vi besluttede derfor at ’tilkalde robotterne’ ved at skrue kraftigt op for brugen af kunstig intelligens.
Gæster eksperimenterer med kunstig intelligens i form af en installation til et SMK Fridays-arrangement. Foto: Jonas Heide Smith/SMK.
Drømmen om den åbne samling
Hvad var egentlig målet dengang i 2017? I al beskedenhed var vores drøm at gøre al museets viden frit tilgængelig online: Al samlingsdata, alle værkfotos og, meget gerne, alt formidlingsmateriale i form af video, audio, artikler, kataloger, blogindlæg og hvad vi ellers har produceret gennem tiden. At tilgængeliggøre digitale ressourcer lyder måske nemt, men virkeligheden var naturligvis kryptiske filformater, hostende harddiske opkaldt (med sprittusch) efter græske filosoffer og uklare aftaler om brugsret.
Udover oprydning i vores samlingsdata havde vi alvorligt brug for kontekst til værkerne og ’lægmands-indgange’ til samlingen. Mindre “olie på lærred”, mere “hest”, “solopgang” og “farven blå”.
På dette tidspunkt var vores AI-erfaringer blandede. Let overmodigt havde vi i projektgruppen eksperimenteret med at træne en AI til at kategorisere museets samling i stilarter som fx barok, manierisme, naturalisme eller kubisme. Da vi slap denne AI løs på samlingen var resultatet interessant, men lad os bare sige, at det blev modtaget med en vis skepsis af kunstfaglige kolleger. Og ikke uden grund, vi havde nok slået et for stort brød op.
Men det havde ikke taget modet fra os, og de mere lavpraktiske opgaver stod heldigvis i kø, ikke mindst det problem, at vores 40.000 værkfotos var meget uens beskåret. Rodet at se på og svært at forstå for brugeren. Vi trænede en AI til at hjælpe os med overblikket og kunne, med gode, lockdown-ramte kollegers hjælp, få styr på billedsamlingen.
Siden da har vi tilkaldt robotterne tit og ofte. AI har produceret hundredtusindvis af beskrivende emneord til vores værkfotos, AI har fundet visuelle ligheder mellem værker, AI har placeret værker geografisk på et Danmarkskort, AI har hjulpet os med at producere udstillingsvideo og vi har ladet gæster eksperimentere med teknologien under ret løsslupne forhold.
Der er mange kanter på dette foto af et grafisk værk, og derfor er det ikke oplagt for AI, præcist hvor man bør beskære.
Hans Nikolaj Hansen, Vinteren, 1908-1910, Statens Museum for Kunst, open.smk.dk, public domain.
Hvad har vi lært?
Som bekendt udgør november 2022 en skarp skæringsdato. Her eksploderede den såkaldt generative AI – ikke mindst i form af DALL-E, Midjourney og ChatGPT – og affødte en omgående kulturel chokreaktion. Tusindvis af artikler, podcasts og rapporter har fulgt efter.
Reaktionen er både meget interessant og meget forståelig, for den generative AI indtager en enorm del af det efterhånden begrænsede landområde, vi troede var forbeholdt mennesker.
Men lad os sætte parentes om de store erkendelsesspørgsmål og fokusere på museerne. Hvad har vi lært? Efter alle SMK’s eksperimenter og efterfølgende, lange diskussioner har jeg lyst til at pege på en række forhold.
Vi har været her før
Tænk på fotografiet, PC’en og internettet. Teknologier som gav radikalt nye muligheder og som man i udgangspunktet kunne forledes til at tro ville påvirke museernes praksis og forhold til deres gæster markant. At disse opfindelser faktisk ikke omkalfatrede museerne er tegn på en meget kraftig forandringsresistens (både hos museer og deres brugere). Det kan man naturligvis mene meget om, men at formulere AIs fremmarch som et fundamentalt skifte for museerne tyder på historieløshed. Hvilket er yderst heldigt, for så kan vi bruge kræfterne på at udpege de mange områder, hvor AI faktisk hensigtsmæssigt kan appliceres.
AI gør arbejdet 80% nemmere
Samtlige af vores erfaringer peger i samme retning: AI kan i visse situationer gøre arbejdet meget nemmere. Men snydeordet i foregående sætning er “arbejdet” og der skal tyk streg under “visse situationer”. For hvad går vores arbejde egentlig ud på?
Koger man museumsarbejdet ned til formelle stillingsbeskrivelser får man et svar, som siger meget lidt om, hvordan en arbejdsdag ser ud. Er du for eksempel kommunikationsmedarbejder, går din opgave måske formelt set ud på at producere indhold, men
dette endemål siger intet om de konstante afvejninger, oversættelser, forhandlinger og sociale hensyn, du konstant må navigere i for at nå til målet. Disse ting står ikke i vejen for arbejdet, de er arbejdet.
Det interessante er måske, at vi ofte selv overvurderer graden af systematik i vores arbejde. Kan du huske eksemplet med de mange beskæringskrævende værkfotos? Det lyder jo rutinepræget, banalt og meget robot-egnet, men det viser sig, at variationen i både værkerne og deres præsentation er enorm (der er virkelig mange måder at markere en kant på en tegning). En tegning på papir er måske nok firkant-agtig, men det er faktisk langt fra det perfekte rektangel.
AI er en utrættelig assistent, der kan gøre mange processer langt nemmere. Men at tro, at maskinerne kan fungere alene svarer til at tro, at praktikanter (med al respekt for praktikanter) kan køre museet alene.
Hybrid virker bedst
Stirrer man intenst på de fejl, som AI’er begår, vil man nok beroliget konkludere, at vi ikke skal være bekymrede for at blive erstattet. Men måske er det slet ikke det væsentlige. Det er ofte mere interessant at se på, hvordan samarbejdet bedst orkestreres. Dette blev ikke mindst tydeligt for os i projektet Kunstens Danmarkskort, hvor vi ønskede at placere samlingen på et landkort. Her koblede vi, om man vil, tre typer intelligens sammen, da vi supplerede museets egen viden med stedbestemmelse via AI, som vi endelig lod almindelige danskere hjælpe med at finpudse. Alle tre bidrag gjorde resultatet bedre.
Den sorte boks bør bekymre
For museer er det måske vanskeligste AI-problem, at man nemt giver køb på indblik i egne processer. En AI giver måske brugbare resultater, men hvordan er de opstået? De fleste AI-tjenester er sorte bokse, hvor mellemregningerne er uudgrundelige. Ligegyldigt når det handler om billedbeskæring, ikke meget væsentligt når det handler om oversættelse, men problematisk når det handler om at kategorisere samlingen. Man bør tænke sig godt om, før man veksler gennemskuelighed til effektivisering.
Nemme svar, svære spørgsmål
Nogle kan lide at sige, at de generative chatbots har “en ph.d. i alt”. Nogle kan også lide at sige, at der ikke findes dumme spørgsmål. Det sidste er tvivlsomt. Ekspertise er jo ikke (kun) evnen til at svare korrekt, men i høj grad evnen til at stille de rigtige spørgsmål. Måske kan du få et klogt svar fra en AI, men det kræver det helt rigtige spørgsmål, og det kræver indsigt at afgøre, om svaret faktisk er klogt.
Således også for selve vurderingen af, hvilken rolle AI skal spille på et museum. Kloge svar kræver indsigt i både museet og i teknologien. Museumsfolk har førstnævnte og gør klogt i at tilegne sig sidstnævnte. Måske har denne artikel hjulpet en lille smule. Og på SMK deler vi gerne ud af både de erfaringer vi gør os (se smk.dk/ai) og hører umådeligt gerne om andres.
Jonas Heide Smith er leder af Digital Enhed på SMK – Statens Museum for Kunst.
Bragt i Magasinet Museum, forår 2024.