前几天一个在博物馆做展陈的朋友给我发消息,说她最近被领导安排去研究“AI赋能文化”这个课题,愁得不行。她原话是这么说的:“我一个学文物修复的,你让我搞人工智能?我连这个词到底指啥都说不清楚。”我当时听完就乐了,因为我第一次接触这个概念的时候,反应跟她一模一样。今天咱们就掰开揉碎了聊聊,AI赋能文化到底是怎么回事,新手最容易在哪些地方犯迷糊。
AI赋能文化到底在“赋”什么?
说实话,我一开始以为AI赋能文化就是让机器人写写毛笔字、画画国画,或者搞个虚拟讲解员在展厅里晃悠。后来跟几个做文化数字化的朋友深聊了几次,才发现自己想得太窄了。所谓AI赋能文化,核心是用人工智能技术去解决文化领域里那些靠人力做起来又慢又贵又容易出错的事。比如博物馆里几十万件藏品的分类编目,以前靠专家一件件看,现在用图像识别技术辅助,效率能翻好几倍。再比如地方戏曲的录音整理,老艺人的唱腔要一个字一个字听写记谱,人工智能可以先把音频转成文本和曲谱草稿,人再校对就行。注意,这里说的是辅助,不是替代人。
我印象很深的是去年参观一个省级非遗保护中心的数字化项目,他们用语音识别技术整理了几百小时的口述史录音。项目负责人跟我说,要是纯靠人工听写,三个人得干大半年,用了技术辅助之后,两个月就完成了初稿整理。当然,后期校对和标注还是靠人,但省下来的时间够他们多做两轮田野调查了。这个例子其实就说明了AI赋能文化的本质:把文化工作者从重复性劳动里解放出来,让他们把精力放在真正需要判断力和创造力的环节上。
新手最容易踩的三个坑
第一个坑是把手段当目的。我见过一些文化机构,一说AI赋能文化,上来就要采购最贵的服务器、搭建最炫的展示大屏,但你问他到底要解决什么业务问题,他答不上来。这就好比你要开一家餐馆,先把厨房装修成米其林标准,结果连菜单都没想好。技术是工具,得先有明确的痛点再去匹配工具,顺序反了就是白花钱。
第二个坑是数据底子没打好就急着上模型。我认识一个做古籍数字化的团队,他们花了大价钱买了识别系统,结果发现自家扫描的古籍图像清晰度不够、版面标注混乱,系统跑出来的结果错得离谱。后来老老实实回去重新扫描、重新标注,花了三个月补课。这个教训挺实在的:人工智能再聪明,也架不住喂给它的数据是一锅粥。文化领域的数据往往格式五花八门、标准不统一,这个基础工作绕不过去。
第三个坑最隐蔽,就是把生成内容直接当成品用。现在有些文旅宣传文案用人工智能来写初稿,速度快是快,但生成的内容经常浮在表面,缺乏对地方文化内涵的准确把握。我试过一次,让它写一段关于本地皮影戏的介绍,出来的文字通顺是通顺,但把皮影戏的流派特征搞混了,还把两个不同年代的剧目安在了同一个艺人身上。这东西要是直接发出去,懂行的人一看就知道你没做功课。所以我的习惯是:人工智能出草稿,人来核实事实、补充细节、调整语气,最后成品必须过人的脑子。
常见问题:小机构预算有限,怎么开始做AI赋能文化?
别一上来就想着自建系统。现在有不少成熟的云端工具,按使用量付费,成本可控。先从最痛的那个点切入,比如先用现成的语音转文字工具整理访谈录音,跑通了再考虑下一步。关键是先动起来,在用的过程中积累经验,比坐在屋里做三年规划管用。
文化从业者该怎么上手?
如果你是在文化机构工作的朋友,我的建议特别朴素:先把自己手头的工作流程列出来,标出哪些环节最耗时、最容易出错、最枯燥,然后拿着这张表去跟做技术的朋友聊,问他们有没有现成的方案能帮上忙。别反过来,先看技术能做什么再硬找应用场景,那样容易跑偏。
另外,别怕试错。我上个月尝试用图像生成工具做展览海报的草图,出了十几版都不满意,最后一张能用的都没有。气得我当晚没睡好。但这个过程让我搞明白了这类工具目前擅长什么、不擅长什么,下次就知道该怎么提要求了。失败的经验也是经验,总比站着不动强。
说到底,AI赋能文化这件事,技术门槛没有很多人想的那么高,真正的门槛在于你是不是真的理解自己的业务。工具会越来越顺手,但判断力、审美、对文化的敬畏心,这些还是得靠人。我到现在也没完全搞懂某些技术细节,但至少知道遇到什么问题该找什么方向的人帮忙,这大概也算一种进步吧。你要是也在琢磨这事儿,欢迎聊聊你的困惑,说不定咱们能互相提个醒。