Project Glashelder: Hoe AI 61.000 glasplaten helpt beschrijven

Glashelder laat mens en machine samenwerken bij het verrijken van 61.000 gedigitaliseerde glasplaten. Glasplaten zijn de eerste fotografische dragers, en kwamen in gebruik in de 19e eeuw. Ze werden gebruikt om reproducties te maken of om beelden te projecteren, bijvoorbeeld in het onderwijs. Deze vroege fotografische dragers zijn historisch relevant, maar ook erg kwetsbaar.

Het onderzoeksproject 'Glashelder' bestudeert hoe we bestaande Visual Language Models en AI-technieken kunnen inzetten voor het beschrijven van beeldcollecties. De glasplaten dienen als proeftuin om te analyseren hoe processen van intelligent automatiseren, leren en valoriseren kunnen ingezet worden. Een ethisch en juridisch kader biedt houvast bij de uitdagingen die AI met zich meebrengt.

Een hybride aanpak: mens en machine werken samen

Het project 'Glashelder' gebruikt verschillende AI-technieken om de omvangrijke beeldcollectie te verrijken. We gaan aan de slag in drie stappen: intelligent automatiseren, leren en valoriseren. Dit is een hybride methode: mens en machine werken samen en wisselen elkaar af. Zo kunnen we menselijke feedback gebruiken om de AI-modellen te trainen en de resultaten te verbeteren. Er wordt bewust gekozen voor het gebruik van open source modellen. Dit garandeert niet enkel de toegankelijkheid en transparantie maar ook de veiligheid van de data. Deze bestaande modellen kunnen we efficiënt toepassen en verfijnen voor onze casussen, zonder eigen modellen te gaan ontwikkelen.

De uitdaging - naar een rijke, inhoudelijke beschrijving

Hoe kan de ruime collectie gedigitaliseerde glasplaten inhoudelijk worden beschreven en ontsloten? Het GIVE-project digitaliseerde 61.000 glasplaten uit de Boekentorencollectie: van topografische beelden en lesmateriaal van de vakgroep kunstwetenschappen tot een etnografische collectie. De collectie is een zeer omvangrijk, divers geheel.

Hoewel de glasplaten een beperkte technische beschrijving hebben, is deze beschrijving niet gedetailleerd genoeg om nuttig te zijn voor het publiek of voor verder onderzoek. Sterker, het is op dit moment voor de collectiebeheerders moeilijk om een totaalbeeld te krijgen van de aard van de beeldcollectie en de diverse inhoud van de verschillende deelcollecties. Het handmatig, inhoudelijk beschrijven van deze collecties is praktisch onmogelijk: zowel de schaalgrootte als de nodige expertise zorgt voor aanzienlijke uitdagingen.

De ambitie om een waardering en kwalitatieve beschrijving van de volledige collectie te bereiken, komt dichterbij dankzij artificiële intelligentie. De omvang en typologische diversiteit van de glasplatencollectie maakt het de ideale proeftuin om de methodologie en technieken omtrent artificiële intelligentie in de breedte en de diepte te onderzoeken en beschrijven.

Op het einde van het project Glashelder zullen we:

• De prachtige en diverse collectie glasplaten verrijkt hebben met gedetailleerde beschrijvingen en zo toegankelijk maken voor iedereen.
• Interne kennis en expertise opgebouwd hebben rond de inzet van artificiële intelligentie in erfgoedprojecten en deze integreren in de werking.
• Een analyse gemaakt hebben over diverse AI-technieken die herbruikbaar zijn voor het registreren van beelden in de erfgoedsector.
• Een kritische reflectie over de samenwerking tussen mens en machine in de erfgoedsector gestimuleerd hebben.