
Slik bruker Nasjonalmuseet KI: – Man må kunne utfordre museumsbransjen
Vi tok en prat med Tord Nilsen fra Nasjonalmuseet om hva som skjer når kunst møter kunstig intelligens.
Kan Nasjonalmuseet bli et bedre museum med kunstig intelligens?
Svaret på det er ja. Men med et tydelig forbehold, ifølge Tord Nilsen, utvikler og rådgiver ved Nasjonalmuseet.
– Kunstig intelligens er altomfattende, og det griper inn i måten vi jobber og opplever verden på. Vi skal være lydhøre overfor et publikum som kan komme til å forvente andre typer tjenester i fremtiden, sier han.
– Samtidig skal vi gå langsomt frem og ikke hoppe på alt som er nytt. Vi skal bruke KI på en fornuftig måte.

Admin-ansatte «vibbekoder» og bruker KI-agenter
Kunst, kultur og kunstig intelligens kan være et betent tema.
På den ene siden ser man hvordan teknologien kan generere musikk, bilder og fortellinger som noen (blant dem en viss oljefondssjef) mener kan måle seg med det menneskeskapte.
På den andre siden handler KI-utviklingen om spørsmål om åndsverk og opphavsrett. Kan kunstsektoren helt uten videre akseptere premisset om at store språkmodeller er trent på norske kulturprodukter på en måte ingen egentlig har kontroll over?
På toppen av alt dette kommer man ikke utenom at kunstig intelligens er en del av samfunnet.
Hvis museene ikke tilpasser seg og tar stilling, kan de miste relevans og gå glipp av reelle muligheter, mener Nilsen.
– Man må huske på at Nasjonalmuseet er en helt vanlig norsk arbeidsplass. Vi har regnskapsavdeling, administrasjon, interne systemer og praktiske driftsoppgaver, forteller han.
Her er KI-bruken «nokså ukomplisert». De samme gevinstene gjelder her som hos andre. Nasjonalmuseet har kontorarbeidere som «vibbekoder» og de bruker kjente verktøy for å bli mer effektive i det daglige arbeidet.
Blant annet tester museet egne språkagenter som skal trenes på institusjonens språkprofil. Dette skal gjøre det enklere å sikre at man formidler på en konsistent måte.
Det som er mer komplisert er det som retter seg ut mot publikum, og som er museets kjerneoppgave, nemlig kunsten.
– Det siste er mer sammensatt. Vi skal være helt sikre på at vår bruk av teknologi aldri går på bekostning av tilliten til Nasjonalmuseet som kunnskapsinstitusjon, sier han.
Utviklet smart søkemotor
Disse forbeholdene til tross, finnes det flere områder der KI gir bedre tjenester og gjør kunsten mer tilgjengelig for flere.
Et godt eksempel er hvordan Nasjonalmuseet tester ut semantisk søk. Enkelt fortalt kan dette være en måte å gjøre det enklere å finne frem til kunst basert på utradisjonelle søkeord som farger, former, objekter og til og med stemninger.
– Slik kan man finne frem til kunst med hverdagsspråk og ikke museal fagterminologi, forklarer han.
Behovet oppsto da museet ble gjort oppmerksom på at søket «trestoler» ikke ga noen treff.
– Selvfølgelig har vi trestoler i samlingen vår. Problemet var at de var katalogisert under «stol», «eik», men ikke «trestol». Så vi begynte å se på om store språkmodeller kunne analysere bildene og bidra til å forstå hva brukeren egentlig søker etter, sier han.
Fakta: Slik tester Nasjonalmuseet KI
- Metatekst og bildebeskrivelser: Museet tester KI til å lage bedre beskrivelser av verkene, blant annet tekst som kan brukes i alt-tekster og annen tilgjengelighetsinformasjon.
- Kontorstøtte:Som mange andre arbeidsplasser tester museet KI i språkarbeid, tekstproduksjon og i andre interne oppgaver.
Museet tester også mer tradisjonell maskinlæring, for eksempel til å beregne riktig lysforhold i utstillingsrom.
På sikt kan det også være aktuelt å teste hvordan KI og prediktivt vedlikehold kan oppdage sprekker, rifter, slitasje og andre endringer i verk over tid.
– Kunstig intelligens er ikke bare store språkmodeller, sier Nilsen.
Foreslår samarbeid om felles «kunstmodell»
Det semantiske søket har Nasjonalmuseet jobbet med lenge. Frem til nylig brukte de et API fra en av de store amerikanske KI-aktørene. Det var kraftig teknologi, men Nilsen forteller at de slet med manglende kontroll over oppdateringer og endringer «under panseret».
– Tidligere kunne vi søke etter noe så abstrakt som «menneskets beste venn» og få opp bilder av hunder fra samlingen vår. Men med nye oppdateringer har dette endret seg bare de siste månedene, sier Nilsen.
Nå bygger de søket på lokale modeller. Det vil si modeller som kjører på museets egne maskiner, og som er tilpasset museets egne behov.
Det gir mer forutsigbarhet og kontroll, men innebærer også kompromisser. Lokale modeller er gjerne mindre og mindre kapable enn de kommersielle gigantene, og resultatene avhenger av tilgjengelig maskinvare.
– Det har fungert delvis. Det er jo slik at jo bedre maskinvare, desto bedre resultater får du. Her strekker ikke ressursene alltid til, sier Nilsen.
Han mener en løsning kan være at kunstsektoren går sammen om en felles plattform – en slags dedikert «kunstmodell» som kjører på samme maskinpark, og som er trent på materiale fra ulike kunstinstitusjoner.
– Hvis hvert museum forsøker å løse de samme utfordringene alene, blir man både mer sårbar og mer avhengig av eksterne aktører. Hvis sektoren derimot samarbeider om modeller, infrastruktur og prinsipper, kan man stå sterkere både teknologisk og faglig, sier han.
Nilsen understreker at dette prinsippet om samarbeid på tvers også bør gjelde andre områder der KI-verktøy brukes, som for eksempel kodeverktøy.
Tar algoritmer jobben til kuratorer?
Hva skjer med museumsarbeidet når kunstig intelligens blir en del av verktøykassa? Ifølge Nilsen finnes det mange oppgaver som kan løses raskere og smartere med ny teknologi.
Samtidig går det en viktig grense mellom å støtte fagfolkene og å erstatte dem. Det gjelder særlig i arbeidet med å velge ut, sette i sammenheng og fortolke kunstverk, oppgaver som ligger tett på kuratorenes rolle.
– Informasjon er ikke nødvendigvis det samme som kunnskap. Et KI-verktøy kan ha informasjon, uten å ha kunnskap. En algoritme kan være flink til å finne mønstre, foreslå sammenhenger, gruppere verk og oppdage likheter i samlingen som vi mennesker ikke klarer å se, sier Nilsen.
– Men det er fagfolkene våre som kan prioritere hva som er viktig, og ikke minst ta ansvar for tolkningen.
Samtidig er det mange oppgaver i et museum som kan gjøres annerledes og mer effektivt. For eksempel til å oppdage sprekker og rifter, og etter hvert kanskje til å gi fagfolk bedre grunnlag for å vurdere hvordan kunstverk bør bevares over tid.
– Men den overgangen et maleri har fra å være på et magasin til å bli vist til publikum, den prosessen tror jeg det er vanskelig å forsvare at en kunstig intelligens skal gjøre, sier han.
– Og så kan man selvfølgelig også utfordre museumsbransjen litt, og tenke: Hva om man bruker kunstig intelligens i innsiktsarbeidet?
Det spørsmålet handler også om hvordan brukere møter og opplever kunstverk. I dag kan man nemlig besøke museer med «en digital guide i lomma». Besøkende kan rette mobilen mot et verk, be et KI-verktøy om forklaringer og få tolkninger, historikk og sammenhenger servert på sekunder.
Nilsen understreker at kunst oppleves best uten en mobilskjerm mellom betrakteren og verket, men at tilgangen på informasjon er en utvikling museet må komme i møte.
– Fremover bør museer i enda større grad sette kunnskap i sammenheng og verifisere, sier han.
– I en verden hvor det stadig blir vanskeligere å skille mellom hva som er skapt av maskiner og hva som er skapt av mennesker, kan museer være de pilarene hvor man kommer inn og vet at det man ser er menneskeskapt. Så håper jeg vi kommer til å være på det nivået ganske lenge.
