Big Data, Machine Learning e Inteligencia Artificial son términos que utilizamos cada vez más frecuentemente, máxime hoy en día cuando las tecnologías de la informática y las comunicaciones (TICs) han experimentado un desarrollo meteórico. Parece que es diariamente que escuchamos sobre increíbles aplicaciones de estas tecnologías en los más disímiles campos, desde la agricultura hasta la aeronáutica, desde el deporte hasta la industria pesada. También escuchamos de los dilemas éticos que afloran cuando se despliegan estos avances en cualquiera de sus variados ámbitos de actuación.
Uno de estos ámbitos es el de los museos, instituciones que podemos generalmente asociar a la salvaguarda y puesta en valor de tesoros culturales patrimoniales, pero que en realidad en no pocas ocasiones devienen verdaderos laboratorios del saber y juegan un papel muy importante en la democratización del conocimiento. En la actividad de estas instituciones también encuentran cabida el Big Data, el Machine Learning, la Inteligencia Artificial y otros avances. No obstante, con anterioridad a comentar algunos ejemplos interesantes, se hace necesario aclarar qué son exactamente estas tecnologías.
La inteligencia artificial es un concepto mucho más amplio que el que usualmente se utiliza, acotado a mundo de las computadoras. En este ámbito reducido (el de las computadoras) nos referimos a los programas que se emplean para analizar información previamente obtenida, con el objetivo de generar conocimiento sobre dicha información, en aras de cumplir una o varias tareas e incluso generar tareas nuevas.
El machine learning (aprendizaje de computadoras), en cambio, es el método de análisis de datos que automatiza la generación de modelos analíticos. Usando algoritmos iterativos la computadora “aprende” a partir de la data, lo que le permite encontrar informaciones y patrones escondidos en esos datos sin haber sido programada específicamente para ello.
Para manejar esos datos se emplea la metodología de la minería de datos, encarga de recolectar, ordenar, almacenar, procesar y presentar conjuntos de datos. Luego, cuando se habla de Big Data (que se traduce del inglés literalmente como datos masivos o macrodatos), nos referimos realmente a grandes conjuntos de datos, tanto en el volumen del conjunto como en el tamaño en sí de cada dato individual.
El Grupo Internacional de Datos (IDC por sus siglas en inglés, International Data Group) estima que para 2025 existirán en el mundo 163 zettabytes (ZB) de datos. Para tener una idea, 1 ZB es 1021 bytes, o lo que es lo mismo, 12 órdenes de magnitud superior a 1 GB. Para entenderlo mejor, un kilómetro es 6 órdenes de magnitud superior a un milímetro, y ya esa diferencia es grande. Hoy en día los dispositivos de almacenamiento de 1 GB parecen historia antigua. Imaginemos que para almacenar 1 ZB hacen falta 1 billón de dispositivos de 1 GB. Obviamente, manejar este nivel de información conlleva una infraestructura tecnológica de gran envergadura.
¿Y qué aspecto de los museos genera tal volumen de información que sean necesarias estas tecnologías para analizarlos? El ejemplo más claro y directo es el de los datos de asistencia, donde se cambian los análisis retrospectivos por algoritmos de predicción. Para Oonagh Murphy, profesora de administración del arte en la Universidad de Londres, “si puedes predecir cuantas personas vendrán a una exhibición, puedes diseñar mejor el espacio de la misma. Puedes usar esa información para asegurarte de que tienes trabajando la cantidad justa de personal. Eso puede ser bastante útil desde el punto de vista de la administración de un museo en términos de eficiencia. Mejora también la experiencia del visitante ya que disminuye las colas y las esperas”.
Estos datos se recolectan en formas de encuestas y formularios de correo que llenan voluntariamente las personas que asisten al museo, pero pueden obtenerse también a partir de métodos de recogida de datos “anónimos”. La principal preocupación con estos es que se ejecutan muchas veces fuera de los museos por parte de terceros. Cuando googleas un museo y obtienes información sobre si está abierto o cerrado, esa información no viene de la propia institución, sino de Google. También se implementan mecanismos de minería de datos para predecir si un usuario asistirá o no a algún evento, como puede ser una exposición, a partir de su interacción en redes sociales digitales.
Aquí comienzan a aflorar dilemas éticos, muy comunes en la época contemporánea, concernientes a la recolección y el uso de datos personales. ¿Cuáles datos recolectar y cuáles no? ¿Deberían recolectarse de forma anónima o solo si es con el consentimiento del usuario? ¿Es preciso utilizar todos los datos que se colectan? ¿Es ético de parte del museo utilizar información recogida por terceros, o incluso comisionarlos para ello? ¿Y el control sobre el destino de mis datos quién lo tiene? ¿Están accesibles esos datos a la propia población? ¿Los museos son susceptibles a rendiciones de cuentas sobre el uso de mis datos? Estas y otras preguntas deben responderse con claridad si se quieren diseñar estrategias de gestión basadas en las nuevas tecnologías.
¿Y estas tecnologías son aplicables a cualquier institución? Por ahora estas aplicaciones han tenido mayor acogida en grandes museos, con grandes colecciones y una afluencia masiva anualmente. Por ejemplo, la Galería Nacional de Londres, que contaba antes de la pandemia de COVID-19 con más de 6 millones de visitantes anuales, se encontraba trabajando con la firma Dexibit para “explorar el potencial del análisis predictivo en aras de entender mejor cómo servir a [sus] audiencias”. Pero no se descarta que el conocimiento alcanzado por las grandes instituciones pueda generar cambios positivos en todo el sector.
Otro gran campo de aplicación de la inteligencia artificial, el machine learning y el big data en los museos es en el procesamiento de las colecciones. Hoy en día las computadoras son capaces de identificar los objetos que “ven” con un grado de exactitud considerable. También pueden realizar “análisis de sentimientos”, donde, en imágenes que muestren claramente una cara humana, son capaces de identificar de entre varias opciones qué sentimientos se expresan, por ejemplo, alegría, tristeza o enfado. Otra ventaja que brindan estas tecnologías es la de poder agrupar las obras de la colección por características como su paleta de colores. Google Arts ＆ Culture ya permite buscar pinturas y objetos a partir de su paleta de colores y algunos museos han incorporado esta información a sus archivos tanto los que se encuentran de cara al público como aquellos consultados por investigadores.
Y es que de los que más pueden beneficiarse con este nuevo enfoque de procesar colecciones son los propios investigadores que, con ayuda de las nuevas tecnologías, pueden encontrar nuevos patrones, manejar cantidades de datos mayores, estudiar más fácilmente períodos artísticos completos, regiones completas, etc. Toda la información que se pueda generar a partir del estudio de una colección puede beneficiar también la labor de curaduría. De cara al público, contar con toda esta información solo reforzaría la labor educativa y de democratización del saber que cumplen los museos.
Con el advenimiento, despliegue y constante desarrollo de las TICs, los museos del mundo se han lanzado a aprovechar aplicaciones como las antes mencionadas, que se suman a la realidad aumentada, las pantallas interactivas, los hologramas, la robótica, entre otras. Hoy se cuenta con un inmenso arsenal de tecnologías que permiten predecir y manejar mejor la asistencia al lugar, interactuar con el público y procesar grandes volúmenes de datos en colecciones de gran valor. En el mundo se habla de GLAM (galerías, bibliotecas, archivos y museos, por su traducción del inglés) pues son estas y otras las instituciones que pueden beneficiarse de esas tecnologías.
En nuestro país hemos dado pasos hacia una mayor integración de las nuevas tecnologías en el funcionamiento de los museos y aumentar la cantidad de instituciones que cuenten con estos avances forma parte de las proyecciones futuras del Ministerio de Cultura. Ahora, como hemos visto, desplegar tecnologías como el big data en museos pequeños puede parecer un sinsentido. Además, se pudiera argumentar (aunque es esto una reducción del asunto) que el principal aliciente para que los museos en las economías de mercado busquen entender mejor (y aumentar) la afluencia de público es económico.
Las instituciones culturales cubanas funcionan bajo una política cultural no supeditada al mercado, pero, política al fin, esta debe ser monitoreada y evaluada para que cumpla cada vez mejor su objetivo de democratizar el acceso al conocimiento y la cultura. Quizá no estudiemos los parámetros de asistencia de un museo municipal utilizando grandes servidores, pero si tomamos un paso atrás y analizamos el funcionamiento de las instituciones de todo el país como sistema, estas tecnologías sí tienen mucho que decir. Estos, unidos a la necesaria formación de las nuevas generaciones de profesionales en el aprovechamiento de las tecnologías infocomunicacionales, definitivamente son temas a los que habrá que volver.
