Kan maskinlæring forbedre bevaringen af kulturarv?

Vores hypotese er, at vi kan udnytte maskinlæring til at forbedre analysen af bevaringsdata og derigennem skabe et bedre beslutningsgrundlag for bevaringen af kulturarv på arkiver, biblioteker og museer. Maskinlæring er en metode, der sætter computere i stand til at lære, uden at de er direkte programmeret til det. På basis af eksisterende data konstruerer teknologien såkaldte algoritmer – en slags opskrifter på, hvordan man løser komplekse problemer, der kan finde sammenhænge og udarbejde forudsigelser ud fra nye data. Vi anvender fx maskinlæring i gps-vejvisere, hvor algoritmer analyserer mulige veje mellem to steder, og foreslår den mest hensigtsmæssige rute. Udvikling af bevaringsstrategier forudsætter dyb faglig indsigt i samspillet mellem, hvordan kulturarvsgenstande er opbygget, hvordan det omgivende miljø påvirker den kemiske og fysiske nedbrydning samt viden om nytteværdi og omkostninger ved bevaringsindsatser. Ligeledes kræver det forståelse for den kontekst, som bevaringsarbejdet udspiller sig i – kulturarvens betydning og brugen af den, dens interessenter og den samfundsmæssige, politiske og økonomiske ramme. Det handler altså om, på baggrund af store mængder data, at kunne overskue fordele og ulemper ved indsatser og finde de bedste kompromiser. Og det er for at styrke denne komplekse analyse, at vi ønsker at bringe maskinlæring i spil og undersøge, hvordan den kan bidrage til at forbedre bevaringen af kulturarv.
Finansieret af tilskud til projektmodning fra Kulturministeriets Forskningspulje.