Eiskerzen in Gefrierschränken, ausgestellte Dinosaurier, Fische in Gläser, Vögeln in Kisten, menschliche Überreste und alte Artefakte aus langgrosen Zivilisationen, die nur wenige Menschen jemals sehen-Museum-Sammlungen sind mit all dem und mehr gefüllt.
Diese Sammlungen sind Schatztroven, die die natürliche und menschliche Geschichte des Planeten erzählen, und sie helfen Wissenschaftlern in verschiedenen Bereichen wie Geologie, Paläontologie, Anthropologie und mehr. Was Sie auf einer Reise in ein Museum sehen, ist nur ein Stück der Wunder, die in ihrer Sammlung stattfinden.
Museen möchten im Allgemeinen den Inhalt ihrer Sammlungen für Lehrer und Forscher zur Verfügung stellen, entweder physisch oder digital. Die Mitarbeiter jeder Sammlung haben jedoch seine eigene Art, Daten zu organisieren. Daher kann das Navigieren dieser Sammlungen eine Herausforderung erweisen.
Das Erstellen, Organisieren und Verteilen der digitalen Kopien von Museumsproben oder der Informationen zu physischen Elementen in einer Sammlung erfordert unglaubliche Datenmengen. Und diese Daten können sich in Modelle für maschinelles Lernen oder andere künstliche Intelligenz einfügen große Fragen beantworten.
Derzeit müssen selbst innerhalb eines einzelnen Forschungsbereichs die richtigen Daten gefunden werden, um verschiedene Repositorys zu navigieren. KI kann dazu beitragen, große Datenmengen aus verschiedenen Sammlungen zu organisieren und Informationen herauszuholen, um bestimmte Fragen zu beantworten.
Die Verwendung von AI ist jedoch keine perfekte Lösung. Eine Reihe gemeinsamer Praktiken und Systeme für das Datenmanagement zwischen Museen könnte die Datenkuration und die Teilen von KI verbessern, um ihre Arbeit zu erledigen. Diese Praktiken könnten sowohl Menschen als auch Maschinen helfen, neue Entdeckungen aus diesen wertvollen Sammlungen zu machen.
Als an Informatiker Wer die Ansätze der Wissenschaftler und Meinungen zum Forschungsdatenmanagement untersucht, habe ich gesehen Assoziierte Metadaten.
KI -Tools können erstaunliche Dinge tun, wie z. 3D -Modelle machen von Digitalisierte Versionen der Artikel in Museumssammlungen, jedoch nur, wenn genügend gut organisierte Daten zu diesem Artikel verfügbar sind. Um zu sehen, wie KI Museumssammlungen helfen kann, begann mein Forscherteam von Fokusgruppen führen mit den Menschen, die Museumssammlungen verwaltet haben. Wir fragten, was sie tun, um ihre Sammlungen sowohl von Menschen als auch von KI zu verwenden.
Sammelmanager
Wenn ein Artikel in eine Museumssammlung kommt, sind die Sammlungsmanager die Personen, die die Funktionen dieses Elements beschreiben und Daten darüber generieren. Diese Daten namens Metadaten ermöglichen es anderen, sie zu verwenden und möglicherweise Dinge wie den Namen des Kollektors, den geografischen Standort, die Zeit, die sie gesammelt wurde, und im Fall von geologischen Proben die Epoche aus. Für Proben aus einem Tier oder einer Pflanze kann es beinhalten seine Taxonomiedas ist der Satz lateinischer Namen, die es klassifizieren.
Insgesamt summieren sich diese Informationen zu einer umwerfenden Datenmenge.
Es ist jedoch wirklich schwierig, Daten über Domänen hinweg mit unterschiedlichen Standards zu kombinieren. Glücklicherweise haben Sammelmanager daran gearbeitet, ihre Prozesse zu standardisieren über Disziplinen hinweg und für viele Arten von Proben. Zuschüsse haben den Wissenschaftsgemeinschaften geholfen, Instrumente für die Standardisierung aufzubauen.
In biologischen Sammlungen, das Tool spezifizieren Ermöglicht den Managern, Proben schnell mit Dropdown-Menüs mit Standards für Taxonomie und anderen Parametern zu klassifizieren, um die eingehenden Proben konsequent zu beschreiben.
Ein üblicher Metadatenstandard in der Biologie ist Darwin Core. Ähnliche gut etablierte Metadaten und Werkzeuge gibt es in allen Wissenschaften, um den Workflow der Aufnahme echter Gegenstände und der Einbeziehung dieser Maschine so einfach wie möglich zu gestalten.
Spezielle Tools wie diese und Metadaten helfen, Sammlungsmanager zu helfen, Daten aus ihren Objekten für Forschungs- und Bildungszwecke wiederverwendbar zu machen.
All die kleinen Dinge
Mein Team und ich haben durchgeführt 10 Fokusgruppenmit insgesamt 32 Teilnehmern aus mehreren physischen Stichprobengemeinschaften. Dazu gehörte Sammelverwalter in verschiedenen Disziplineneinschließlich Anthropologie, Archäologie, Botanik, Geologie, Ichthyologie, Entomologie, Herpetologie und Paläontologie.
Jeder Teilnehmer beantwortete Fragen, wie er Daten aus seinen Sammlungen zugänglich gemacht, organisiert, gespeichert und verwendete, um ihre Materialien für die Verwendung von KI bereitzustellen. Während menschliche Probanden die Zustimmung zur Untersuchung einreichen müssen, tun dies die meisten Arten nicht. Eine KI kann also die Daten von nichtmenschlichen physikalischen Sammlungen ohne Privatsphäre oder Zustimmungsbedenken sammeln und analysieren.
Wir fanden das Sammelmanager aus verschiedenen Bereichen und Institutionen haben viele verschiedene Praktiken, wenn es darum geht, ihre physischen Sammlungen für die KI vorzubereiten. Unsere Ergebnisse deuten darauf hin Die Standardisierung der Arten von Metadaten -Managern und der Art und Weise, wie sie sie über Sammlungen hinweg speichern, können die Artikel in diesen Proben zugänglicher und verwendbarer machen.
Zusätzliche Forschungsprojekte wie unsere Studie können den Sammlungsmanagern helfen, die Infrastruktur aufzubauen, die sie benötigen, um ihre Daten maschinell zu machen. Das menschliche Know -how kann dazu beitragen, KI -Tools zu informieren, die neue Entdeckungen auf der Grundlage der alten Schätze in Museumssammlungen machen.
Dieser Artikel wird neu veröffentlicht Das Gespräch unter einer Creative Commons -Lizenz. Lesen Sie die Originalartikel.