导语
文化机构也不断研究机器视觉，利用机器视觉来检查和分析图像。这些都在博物馆主题内容进行探索及学习。
博物馆中的AI
2015年，人工智能成为主流，2016年，国际各地博物馆的文化空间实验项目增加。人们正探索与机器学习相关的AI的最强大用途，以及它对美术馆、图书馆、档案馆和博物馆在收集、票务及出勤数据方面的影响。
文化机构也不断研究机器视觉，利用机器视觉来检查和分析图像。这在博物馆中也一直进行探索及学习，识别内容包含：内容主题、精确的颜色组成、情感分析、文本/字符识别、识别相似性、艺术鉴定等等，在博物馆实际运用中，这些技术带来了有趣的发现、丰富的数据并开辟了收藏的新路径。
机器学习（machine learning）
机器学习是一种自动建立分析模型的数据分析方法。使用从数据中迭代学习的算法，机器学习允许计算机发现隐藏的洞见，而无需显式地编程查找。”(SAS, 2016)
对收藏的影响
博物馆拥有大量数据不足为奇。在过去的十年中，我们已经取得了很大的进步，可以对收集到的数据进行结构化分类，并使公众能够访问和试验这些数据。虽然分类高度未开发，但是这种有价值的元数据具有强大的功能，并提供了以新的方式分析集合、对象和创建者的方法。但是，它也需要大量的资源、工具、时间和专业知识。
理想的GLAM（galleries画廊、libraries图书馆、archives档案馆和museums博物馆）收藏数据会被结构化分类，但考虑到“90%以上的(企业)数据是无结构化的，而是来源于人为、各种分散的主体”(2015年IDC)，我们可以假定博物馆收集数据将受益于净化、甚至全面改革。
人工智能能否拯救甚至帮助博物馆对藏品做新探索？博物馆馆藏管理系统合作的人可以“训练”系统对数据进行有效清理、分类和深度解析。
在欧盟文化遗产数字平台Europeana 2016年发布的搜索策略中，机器学习已是反复出现的主题。曾有三家博物馆运用情感分析进行试验：
旧金山现代艺术博物馆：情绪分析(John Higgins, 2015)
卡内基艺术博物馆：海湾塔项目
泰特美术馆：潜入博物馆的社交媒体流(Elena Villaespesa, 2013)
对票务和参与量的影响
大量收集门票、游客流量数据，利用AI寻找其与社交媒体活动、天气、广告支出和其他变量之间的关联。
宾夕法尼亚州立大学(Pennsylvania State University)的研究调查了报告中概述预测参与量的方法。在基于事件的社交网络中预测事件出席率。博物馆可以利用这些信息预测人流量、分配人力资源，从而有效规划。
对会员和筹款制度的影响
模式识别可以帮助博物馆识别最有可能更新、升级或离开的成员。新的工具可以帮助开发团队在筹款活动中破译趋势，通过社交图导航使捐助者扩展实现自动化。
虽然市场对Gravyty、Affectly等软件公司还相对陌生，但它们已经在用来帮助非营利组织有效筹集资金了。
对电子商务的影响
亚马逊、eBay和Zappos等大型电子商务网站使用推荐功能与个性化引擎的历史可以追溯到很久以前。通过分析行为，即浏览的网页、产品、搜索的类别，在线零售商可以为访问者提供更个性化体验提出有效建议。
主要的博物馆在线商店，如大都会博物馆、现代艺术博物馆等，已经在使用推荐引擎。即将出现的是会话商务的大众概念。优步(Uber)的克里斯•梅西纳(Chris Messina)表示:“2016年将是会话商务年。”(墨西拿,2016)
机器视觉（machine vision）
机器视觉是计算机理解它所看到的东西的能力。“我们正在从有照相机的电脑、拍照的电脑、发展到有眼睛的电脑、能看见东西的电脑。”本尼迪克特·埃文斯，安德森·霍洛维茨说道。
2014年，纽约艺术与设计博物馆(Museumof Arts and Design)设立审查小组，从艺术家的角度审视“计算机视觉的文化影响”。快进到现在，我们将从博物馆的角度来看。
对识别主题的影响
机器视觉已经发展到足以探测图像中所描绘的主题和对象。这幅画、照片、录像或雕塑描绘了什么？
图1:卡纳莱托的《威尼斯大运河从弗兰吉尼宫到圣马尔科拉坎波》，保罗盖蒂博物馆
使用谷歌Vision API测试了卡纳莱托在威尼斯的大运河，从弗兰吉尼宫到位于洛杉矶保罗盖蒂博物馆的圣马尔科拉坎波。结果得到的四个术语(划艇、划艇、贡多拉和绘画)都是对主题和对象的准确描述。
对象分类是一种方法，但是值得注意的是，对机器视觉引擎的“训练”越多，它就变得越精确。
哈佛艺术博物馆(Harvard Art Museums)、明尼阿波利斯艺术博物馆(Minneapolis Arts Museums)、挪威国家博物馆(NorwegianNational Museum)等博物馆率先尝试了这种方法，并公开分享了他们的发现。
对情绪分析的影响
如果图像出现人脸，机器视觉可以通过分析人脸特征来判断所描绘的人脸的情绪状态。
为了测试这个过程，我们通过Microsoft Cognitive Services的Emotion API运行了一些肖像。
对文本/字符识别的影响
从收藏的物品中提取文本的功能存在实现的可能性已经有很多年了，近期，“光学字符识别”工具的出现使得这一功能更加容易达成，通过云API使用速度更快。
虽然对于劳伦斯•韦纳(Lawrence Weiner)的作品来说，这可能不是绝对必要的（因为他作品中标题和文本通常相同），但这功能最大价值可能是从书面文档（古文字等）中提取文本，以便于搜索和分类。
对精确色彩构成的影响
色彩构成是一个元标记，不太可能在大多数博物馆的数据库中找到。通过计算机视觉工具运行一个对象的图像可以提取和输出与其颜色簇、分区和直方图数据相关的数据。库珀休伊特，史密森尼设计博物馆和谷歌艺术与文化已经实施了这一过程，以扩展新的发现方法。
对识别相似性影响
在作品集中，是否有其他作品在主题、视觉构图上非常相似？计算机可以看到这些关系并量化它们的异同。
例如，这两幅克莱福德·斯蒂尔（Clyfford Still）复制品略有不同，准确地说是5.58%。
克莱弗德博物馆(Clyfford Still Museum)的“重复/再造”(Repeat/Recreate)，这本身就是一场精彩的展览。博物馆数字媒体总监莎拉·温伯德(Sarah Wambold)在一篇文章中也把这个概念的名字取为《双胞胎》(Wambold,2016)。
对艺术鉴定的影响
早在2008年，美国公共广播公司(PBS NOVA)就报道过电脑帮助辨别赝品和原创杰作的案例。这个项目是与梵高博物馆合作的，它要求计算机科学家制造工具来分析笔触和识别赝品。
2016年9月，人工智能成为英国泰特美术馆展览和项目的核心主题。2016年IK奖的获得者运用了机器视觉的各个方面，如主题识别、构图、面部识别等。
泰特英国IK奖
结论
人工智能被誉为“未来”。“在寻求商业、科学和教育潜力的各个领域，都有尚未开发的价值有待释放。”机器学习和视觉工具比以前更容易获得，博物馆有机会在之前过于昂贵或资源稀缺的领域进行创新和优化。
至于更广泛的人工智能应用，我们必须承认，创意机器人已经在创作绘画、写剧本和作曲。在未来，AI会写对象标签，脚本音频指南，并协助解释吗?我们应该让机器来做这些吗?
史蒂芬·霍金预言:“在未来100年里，计算机将取代人类成为人工智能的霸主。”当这种情况发生时，我们需要确保计算机有与我们一致的目标。这听起来可能有些不祥之兆，但我们可以(几乎)肯定，博物馆和文化机构将把人类的最大利益放在心上。这仅仅是个开始。
