Musei e gallerie hanno iniziato a sfruttare i benefici dell’Intelligenza artificiale (Artificial intelligence -AI) per coinvolgere il pubblico e personalizzare le visite.

L’AI può essere suddivisa in differenti sottocategorie, fra queste le seguenti tre sono tra le più utilizzate: Chatbot; Reti neurali / Deep Learning e Machine Learning. La prima sottocategoria sono le cosiddette Chatbot, ovvero dei software robotici (bot deriva da robot) che interagisce con il pubblico, personalizzandone, ad esempio, il tour e interagendo con un servizio clienti intelligente. La seconda sottocategoria è Machine Learning. Una tecnologia di acquisizione automatica attraverso la quale l’agente intelligente apprende, classifica e opera previsioni sulla base dei dati esistenti. L’analisi dei dati potrebbe venire dal riconoscimento facciale (Computer vision), il tracciamento geografico nei Social e il monitoraggio delle presenze del pubblico per delineare una possibile futura strategia espositiva. La terza sottocategoria, basata sul Machine Learning, è la Rete neurale / Deep Learning. Si tratta di sistemi informatici che generano nuovi dati, somiglianti a un set di dati esistenti, modellati liberamente sul cervello umano. Questa tecnologia può essere utilizzata nella ricerca archivistica nei musei. Ad esempio, un sistema di Deep Learning può riconoscere vecchi documenti scritti a mano in latino e renderli digitali basandosi sulla sua enorme banca di memoria. Una rete neurale può essere in grado di cambiare il modo in cui gli artisti generano i loro prodotti attraverso i Generative Adversarial Network (GAN). Si tratta di una rete generativa avversaria o rete antagonista generativa in cui due reti neurali vengono addestrate in maniera competitiva all’interno di un framework di gioco minimax.Questo tipo di framework permette alla rete neurale di apprendere come generare nuovi dati aventi la stessa distribuzione dei dati usati in fase di addestramento. Un esempio è una rete neurale in grado di generare volti umani iperrealistici. Un prototipo è fornito da “Generist Maps (Gen Studio)” creato da Met, Microsoft e MIT. È facile intuire l’infinità di applicazioni per l’arte e gli artisti, senza dimenticare l’utilità dell’AI nelle questioni gestionali per la fruizione dell’arte.

Il Museo Nazionale Scienza e Tecnologia di Milano è stato uno dei primi a sperimentate un’applicazione di monitoraggio per il distanziamento Covid-19. Qui, attraverso un’intelligenza artificiale e telecamere intelligenti, sono rilevati in tempo reale la posizione e i movimenti delle persone negli ambienti, conteggiati gli utenti e rapportati a una precisa informazione volumetrica, nel rispetto della privacy degli utenti e senza raccogliere dati su di loro. Quest’applicazione è particolarmente utile per riaprire le porte di musei e gallerie in seguito a periodi di lockdown. Un’app, nota come KIKU, utilizza la tecnologia di Machine Learning per identificare un oggetto antico dalle foto. Ne accerta la provenienza, se è stato illegalmente saccheggiato o trafugato da un sito archeologico. Le foto vengono quindi inviate al sistema di Deep Learning di KIKU per cercare artefatti simili e informazioni archeologiche specifiche, come il luogo di origine e la data. Ciò fornisce una base iniziale per le forze dell’ordine per giudicare se l’oggetto è stato sottratto illegalmente. L’intelligenza artificiale è un concetto che offre molte promesse, genera fermento e sta attualmente iniziando a farsi strada nel mondo dell’arte. Machine Learning, Computer Vision ecc. sono tutti strumenti molto potenti e via via sempre più accessibili. Nelle mani dei musei, queste tecnologie porteranno inevitabilmente a scoperte interessanti, ricerche specifiche e nuovi percorsi all’interno delle collezioni.