تحلیلی جامع بر مفاهیم و کاربردهای هوش مصنوعی در میراث فرهنگی و هنر: از رویای باستان شناسان تا واقعیت متاورس

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 25

This Paper With 58 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_KCR-7-3_004

تاریخ نمایه سازی: 7 دی 1404

Abstract:

میراث فرهنگی و هنری، به عنوان گواهی بر تاریخ و هویت بشری، با چالش های متعددی ناشی از زوال طبیعی، محدودیت دسترسی، پیچیدگی های مستندسازی و استخراج داده روبه رو است. فناوری های هوش مصنوعی و یادگیری ماشین، به عنوان ابزارهای تحول آفرین، راه حل های نوآورانه ای برای حفاظت، نگهداری، بازسازی و بازنمایی این میراث ارائه داده اند. این مقاله با هدف ارائه تحلیلی جامع و نظام مند از کاربردهای AI و ML در حوزه میراث فرهنگی و هنر، پتانسیل ها، محدودیت ها و جهت گیری های آتی این رویکردها را بررسی می کند. مطالعات موردی برجسته شامل کاربردهای بینایی کامپیوتری در بازسازی تصاویر، پردازش زبان طبیعی برای رمزگشایی متون کهن، تحلیل داده های عددی و طیفی برای شناسایی پدیده ها و ماهیت مواد فرهنگی، توسعه دستیاران هوشمند و تولید محتوای خلاقانه می باشد. روش شناسی این مطالعه مبتنی بر مرور بیبلومتریک و ارزیابی الگوریتم های محاسباتی کلاسیک و پیشرفته ML است که نشان می دهد هوش مصنوعی نه تنها دقت و سرعت فرآیندهای حفاظتی را افزایش می دهد، بلکه تجربه های تعاملی و پایداری فرهنگی را از طریق بازآفرینی میراث ناملموس و تحلیل های مولکولی-ژنتیکی تقویت می کند. با وجود چالش هایی همچون کیفیت ناکافی داده ها، مسائل اخلاقی مرتبط با اصالت و هزینه های بالای زیرساخت، پذیرش گسترده این فناوری ها محدود شده است. این مقاله فناوری های نوظهوری مانند مهندسی پرامپت، دستیاران هوشمند، NFT و متاورس، هوش مصنوعی کوانتومی، حفاظت پیش بینانه مبتنی بر اینترنت اشیا و چاپ سه بعدی هوشمند را به عنوان جهت گیری های آتی برجسته می کند که نویدبخش تحولات چشمگیر در عصر دیجیتال هستند. در نهایت، این مطالعه بر لزوم همکاری های بین رشته ای و توسعه استانداردهای اخلاقی برای بهره برداری مسئولانه از هوش مصنوعی در حوزه میراث فرهنگی تاکید می کند و راهنمایی ارزشمند برای پژوهشگران و سیاست گذاران در این زمینه ارائه می دهد.

Authors

طلحه قدوسیان

Machine Learning Researcher, NOAI (ArchAI)

مهدی رازانی

Faculty of Conservation, Tabriz Islamic Art University. Tabriz. Iran.

امیرحسین مهدی خانی

Machine Learning Researcher, NOAI (ArchAI).

آرش کشت کار

Machine Learning Researcher, NOAI (ArchAI).

علی خواجه میرزایی

Machine Learning Researcher, NOAI (ArchAI).

علیرضا منصوری

Machine Learning Researcher, NOAI (ArchAI).

علی اکبر کیایی

Sharif University of Technology, Tehran, Iran.

حسین شیرازی

Faculty of Computer and Electrical Engineering, MUT, Tehran, Iran.

مصطفی ده پهلوان

Faculty of Literature, University of Tehran, Iran.

عبدالبصیر حسین بر

University of Art, Tehran, Iran.