Искусство и искусственный интеллект
История создания
С 2021 года в Школе искусств и культурного наследия Европейского Университета в Санкт-​Петербурге совместно с государственным Эрмитажем работает исследовательский и ​образовательный кластер, объединяющий специалистов по искусственному интеллекту, ​компьютерному зрению, обработке естественного языка и машинному обучению. Наша цель — ​интегрировать современные технические достижения в процесс научного изучения искусства и ​культурного наследия, а также в современные кураторские практики.
Лаборатория в Школе искусств
В стенах лаборатории научная идея, сформированная внутри школы, проходит пошаговую ​декомпозицию и проверку гипотез. Затем создается основа научно-технического проекта и ​планируется сбор данных. В процессе работы над проектом инженерами лаборатории создается ​исследовательский инструмент, позволяющий студентам и преподавателям школы находить новое ​в фондах музеев и археологических раскопках, извлекать информацию из плохо сохранившихся ​архивных документов.
Чего мы хотим достичь?
Наша цель — подготовка специалиста, умеющего общаться на одном языке с культурным и техническим сообществом. Первоочередная задача — облегчить и ускорить при помощи машины рутинные процессы научной работы. Мы считаем, что исследование любого корпуса культурных памятников через методы анализа данных существенно расширяет границы применения любой существующей и возникающей методологии в искусствознании.

Принципы лаборатории

Исходный код проектов ​лаборатории должен ​быть открыт и доступен ​для использования в ​научных целях.
Лаборатория открыта ​для партнерских ​проектов с ​университетами, ​культурными ​институциями и IT-​предприятиями.
Любое исследование, ​проводимое на базе ​лаборатории, должно ​нести ценность, которая ​всегда важнее процесса ​исследования.

Мы видим искусственный интеллект как простой и понятный инструмент в ​изучении культурного наследия.

Не «черным ящиком», применяющим субъективное восприятие, ​насмотренность и опыт человека, но возможностью дополнить ​исследовательскую оптику объективным видением машины.

Вместе со специалистами ​лаборатории студенты ​магистерской программы «Музейные исследования и ​кураторские стратегии» Школы ​искусств и культурного наследия ​осваивают технологии ​программирования на Python, ​анализа и разметки данных, ​машинного обучения. В обучении ​студентов в лаборатории мы ​следуем правилу работать на ​примерах практически применимых ​кейсов из реальной жизни.
В рамках общего курса ​«Информационные технологии в ​научной и проектной деятельности» ​для студентов магистратур ​сотрудники лаборатории проводят ​учебные занятия по основам ​кибербезопасности и применению ​генеративных нейросетей. С 2022 ​года в лаборатории работает база ​практики для студентов технических ​и искусствоведческих ​специальностей университетов-​партнеров школы искусств.
Для распространения и ​актуализации знаний о Computer ​Science и машинном обучении ​среди студентов, гуманитарных ​исследователей и деятелей ​культуры лаборатория проводит ​ежемесячный научно-​просветительский онлайн-семинар ​“Modus ex Machina”, на котором ​обсуждаются актуальные события и ​технологии искусственного ​интеллекта.
Проекты
  • Инструмент улучшения ​изображений ​архивных документов ​и распознавания ​текста, как ​машинописного, так и ​рукописного.
  • Инструмент для поиска ​визуальных аналогий ​археологических ​находок и создания ​карты их ​распространения в ​культурных ​памятниках.
  • Потерянное искусство
    Инструмент для поиска ​соответствий в ​каталоге музейных ​объектов по цифровым ​репродукциям и ​текстовым описаниям.
  • Скрытый слой
    Алгоритмы очистки и ​разделения ​рентгенографических ​снимков для ​обнаружения скрытых ​слоев в живописных ​полотнах.
Команда
  • Олег Лашманов
    научный руководитель и исполнительный директор
  • Александр Королев
    технический руководитель
  • София Осбанова
    комьюнити-менеджер
  • Руслан Иванов
    бэкенд-разработчик
  • Дарья Ульянова
    инженер машинного обучения
  • Анна Козлова
    ассистент преподавателя
  • специалист по тестированию алгоритмов машинного обучения