Biblioteki cyfrowe znacznie poszerzyły dostęp do dziedzictwa kulturowego, jednak ich dominujący model nadal koncentruje się na wyszukiwaniu, identyfikowaniu i prezentowaniu pojedynczych obiektów. Z perspektywy badawczej odnalezienie obiektu jest dopiero początkiem procesu obejmującego budowę korpusu, porównywanie źródeł, rozpoznawanie relacji, obserwowanie zmian oraz formułowanie i weryfikowanie hipotez. Większość tych działań odbywa się obecnie poza infrastrukturą biblioteki cyfrowej, po samodzielnym pozyskaniu danych i przeniesieniu ich do zewnętrznych narzędzi.
Wystąpienie podejmuje pytanie, w jaki sposób biblioteka cyfrowa może przejść od organizowania dostępu do obiektów do organizowania warunków odkrycia badawczego. Podstawę tej propozycji stanowi koncepcja Collections as Data, zgodnie z którą kolekcja cyfrowa powinna być rozumiana jako możliwy do badania, przetwarzania i ponownego wykorzystania układ obiektów, metadanych, tekstów, dokumentacji oraz danych pochodnych. Takie ujęcie rozszerza odpowiedzialność instytucji: obejmuje ona również ujawnianie pochodzenia danych, historii ich przekształceń, braków, niepewności i ograniczeń wpływających na interpretację.
Samo udostępnienie kolekcji w postaci danych nie wystarcza jednak do jej naukowego wykorzystania. Potrzebne jest środowisko pośredniczące między zasobem a pytaniem badawczym – humanistyczny sandbox, w którym można budować korpusy, porównywać materiały, rozpoznawać wzorce i relacje, a następnie wracać od wyniku zbiorczego do źródłowego obiektu. Takie rozwiązanie powinno wspierać iteracyjny charakter badań, łączyć lekturę z bliska i z dystansu oraz włączać krytykę danych bezpośrednio w proces analizy.
Praktyczne konsekwencje tej propozycji zostaną przedstawione na przykładzie demonstratora przygotowanego dla Śląskiej Biblioteki Cyfrowej i inspirowanego doświadczeniami projektu Impresso. Studium przypadku posłuży do sprawdzenia, w jaki sposób biblioteka może wspierać przechodzenie od zasobu do problemu badawczego: ułatwiać wyodrębnianie materiału, ujawniać zależności niewidoczne na poziomie katalogu oraz wzbogacać obiekty o nowe, podlegające weryfikacji warstwy informacji. Pozwoli to rozważyć sandbox nie jako dodatkowe narzędzie analityczne, lecz jako część infrastruktury poznawczej biblioteki – przestrzeń, w której kolekcja może prowadzić do pytań niewynikających bezpośrednio z jej istniejącego opisu.
W ramach wystąpienia przedstawiony zostanie system Aragorn-Link – warstwa upubliczniania treści bibliograficznych zaprojektowana jako uzupełnienie platformy dLibra, której celem jest zwiększenie widoczności polskich zasobów naukowych w globalnych wyszukiwarkach internetowych.
Punktem wyjścia będzie diagnoza strukturalnej luki między standardami interoperacyjności bibliotecznej (Dublin Core, OAI-PMH) a wymaganiami współczesnej sieci Internet. Zostanie wyjaśnione, że zasoby dostępne prawnie i technicznie mogą pozostawać praktycznie niewidoczne – jeśli ich strony nie zawierają znaczników Schema.org, poprawnych tagów cytowań Google Scholar, semantycznych adresów URL ani adnotacji hreflang. Badania empiryczne wskazują, że repozytoria oparte wyłącznie na Dublin Core są indeksowane przez Google Scholar nawet poniżej dziesięciu procent rzeczywistych zasobów.
Aragorn-Link adresuje ten problem bez konieczności zastępowania istniejącej infrastruktury. System importuje rekordy z dLibry, wzbogaca ich metadane przy użyciu dużego modelu językowego klasy Gemini – generując dwujęzyczne abstrakty strukturalne, zoptymalizowane tytuły i semantyczne adresy URL – a następnie publikuje każdy rekord z pełnym zestawem metadanych sieciowych. Kluczowym elementem architektury jest zasada human-in-the-loop: każdy wygenerowany rekord przechodzi weryfikację bibliotekarza przed udostępnieniem.
Omówione zostaną dwa aktywne wdrożenia pilotażowe: przetwarzanie serii Zeszyty Naukowe Politechniki Śląskiej – Górnictwo w Bibliotece Politechniki Śląskiej oraz opracowanie archiwum Biuletynu EBiB w Śląskiej Bibliotece Cyfrowej. Ten drugi przypadek zostanie przedstawiony szczegółowo jako przykład bezpośrednio bliski społeczności SBC.
Referentka wskaże również warunki brzegowe adopcji systemu przez inne instytucje oraz omówi kwestię odpowiedzialnego wdrożenia generatywnej AI w środowisku bibliotecznym – w tym plany przejścia na modele open-source przy pełnoskalowej implementacji.
Centrum Archiwistyki Społecznej opracowało system wsparcia, który łączy zaangażowanie w oddolne opowiadanie historii – często nieobecnych w głównym nurcie historii – z tworzeniem bezpiecznych narzędzi cyfrowych służących długoterminowej ochronie zbiorów archiwów społecznych. Narzędzia te projektowane są z myślą o ciągłym dostosowywaniu do potrzeb użytkowników oraz pozyskiwaniu nowych odbiorców. Portal zbioryspoleczne.pl nie jest jedynie kolejną usługą umożliwiającą publikowanie archiwalnych fotografii, lecz integralnym elementem szerszego systemu wspierającego ochronę zbiorów społecznych przy jednoczesnym zachowaniu ich oddolnego i dynamicznego charakteru.
Trwający obecnie konflikt zbrojny pomiędzy Rosją a Ukrainą zwiększa znacząco zagrożenie dla zbiorów i powoduje, że właściwie jedynym możliwym sposobem zabezpieczenia tego zasobu staje się jego digitalizacja. Zakład Narodowy imienia Ossolińskich od wielu lat współpracuje z Lwowską Narodową Naukową Biblioteką Ukrainy. Część jej zasobów stanowią obiekty należące do dawnych kolekcji Ossolińskich. W tym kontekście zaistniał projekt „Wspólne dziedzictwo w zagrożeniu”, którego celem jest uruchomienie pracowni digitalizacji w LNNBU oraz w doposażenie pracowni Ossolineum, a także przeszkolenie ich załóg w zakresie digitalizacji zbiorów piśmienniczych oraz wprowadzenie wspólnych procedur. Realizacja projektu rozpoczęła się w 2023 roku i potrwa do końca roku 2026. Drugim celem projektu jest uruchomienie wspólnego repozytorium, które prezentować będzie cyfrowe wersje dokumentów z dawnych kolekcji Ossolińskich oraz zbiory ukrainików z kolekcji Ossolineum.
Możliwości dużych modeli językowych (ang. large language models, LLM) i modeli multimodalnych wykraczają poza odpowiadanie na pytania czy interpretowanie obrazów. Systemy agentowe potrafią planować kolejne kroki, korzystać z narzędzi, analizować wyniki i na ich podstawie modyfikować swoje działanie. Podczas prezentacji przyjrzymy się obecnemu stanowi rozwoju tych systemów, zobaczymy, jak automatyzacja procesów zmienia pracę badawczą i analityczną, oraz zastanowimy się, czy rola człowieka przesuwa się od wykonywania poszczególnych zadań ku projektowaniu, nadzorowi i weryfikacji całego procesu.
Uzyskiwanie odpowiedzi na trudne pytania stało się tanie w tempie, jakiego historia techniki nie znała. Sprawdzenie, czy odpowiedź jest prawdziwa, nie potaniało wcale.
Jeżeli odpowiedź na niemal każde pytanie kosztuje dziś grosze, ale pewność co do jej prawdziwości kosztuje tyle samo co wcześniej, to pierwszy raz w historii musimy skupić się na tym drugim koszcie – wiarygodności. A jeżeli tak, to trzeba zacząć mówić o tym ile jest warta.
Ile dla polskich przedsiębiorstw, ile dla społeczeństwa? Czy polskie przedsiębiorstwa naprawdę wykorzystują sztuczną inteligencję i jak to wygląda na tle Unii. Jak często modele fabrykują odpowiedź na pytanie, którego odpowiedzi nie znają, dlaczego akurat pytanie o dokument ze zbioru regionalnego jest dla nich najtrudniejsze.
Na ile instytucje kultury ograniczają przepisy, a w jakim zakresie otwierają nowe możliwości. Co zmieniło się naprawdę, co nie zmieniło się wcale, i którą część tej pracy maszyna wykona lepiej – a którą tylko udaje, że wykonuje.
Za każdym cyfrowym zbiorem – skanem, modelem 3D czy metadanymi w repozytorium – stoi infrastruktura: sieci, moc obliczeniowa, standardy i narzędzia, które umożliwiają badaczom i instytucjom kultury pracę z dziedzictwem w sposób nowoczesny, bezpieczny i suwerenny. PCSS od lat buduje takie zaplecze dla nauk humanistycznych i społecznych (SSH), łącząc kompetencje z zakresu HPC, sieci naukowych i digital humanities.
Podczas wystąpienia przedstawię przykładowe projekty PCSS, które razem tworzą ekosystem wsparcia dla humanistów i instytucji dziedzictwa: HERIFORGE – sieć hubów innowacji łączących dziedzictwo z technologiami XR; ECHOES – budowę Europejskiej Chmury Współpracy dla Dziedzictwa Kulturowego (ECCCH); 3DBigDataSpace i 3D-4CH – rekonstrukcję i digitalizację dziedzictwa w 3D; ERIHS-PL – krajową infrastrukturę badawczą wraz z platformą DIGILAB Workspace; współpracę w ramach DARIAH-PL i europejskiej sieci DARIAH-ERIC; a także Fabrykę AI (PIAST-AI) – budowaną w Poznaniu infrastrukturę obliczeniową dla suwerennego dostępu do narzędzi sztucznej inteligencji.
Pokażę, jak te pozornie odrębne inicjatywy składają się w spójną odpowiedź na pytanie postawione w manifeście konferencji: jak sprawić, by cyfrowe zasoby przestały być statycznym zbiorem odwzorowań, a stały się żywym, dynamicznym i bezpiecznym ekosystemem wiedzy – tworzonym z myślą o badaczach, a nie kosztem ich niezależności.
Zostanie wiralem nigdy nie było w planach – choć, rzecz jasna, nie mielibyśmy nic przeciwko. Naszym celem było po prostu utrzymać Merlina w jednym kawałku.
Odkrycia są jak pudełko czekoladek – od czasu do czasu trafia się coś naprawdę wyjątkowego. Nasze nie było co prawda złotą truflą, ale wciąż był to solidny, rozpoznawalny kawałek znanej marki: Merlina. Przez pewien czas trzymaliśmy to w tajemnicy. Praca była intensywna, międzywydziałowa i skupiona na uratowaniu artefaktu, który wieki temu został albo brutalnie pocięty, albo ocalony przez nieświadomego niczego bohatera.
Ten fragment starofrancuskiego pergaminu, wykorzystany niegdyś jako makulatura introligatorska, stał się naszym placem zabaw dla pomysłów, eksperymentów i cyfrowych czarów. Rozplątaliśmy jego nici oprawy za pomocą zer i jedynek z tomografii komputerowej, przeanalizowaliśmy go przy użyciu obrazowania multispektralnego w szerokim zakresie fal świetlnych, a na koniec, z setek pojedynczych zdjęć, złożyliśmy jeden pełen obraz artefaktu – jego kompleksowe cyfrowe odzwierciedlenie.
Prezentacja przedstawia kulisy procesu cyfrowej rekonstrukcji manuskryptu: od doboru metod badawczych i narzędzi technologicznych, przez przezwyciężanie wyzwań konserwatorskich, aż po wyzwania związane z niespodziewanym, międzynarodowym zainteresowaniem medialnym.
Biblioteki i archiwa cyfrowe publikują cyfrowe wizerunki dokumentów i narzędzia ich przeszukiwania i przeglądania, często korzystające z warstwy tekstowej wydzielonej ze skanu (OCR, HTR). Czy kolejnym krokiem w rozwoju metod korzystania z tych zbiorów nie mogłyby być odpowiednio profilowane modele językowe, traktowane jako specyficzna reprezentacja treści udostępnianych obiektów?
W moim wystąpieniu podejmę temat “historycznych” modeli językowych (określanych czasem także jako vintage language models), wytwarzanych m.in. przez używanie odpowiednio skontekstualizowanych promptów do współczesnych modeli, filtrowanie danych treningowych, dostrajanie modeli (fine-tuning), stosowanie danych syntetycznych i wczesnych dat odcięcia (knowledge cutoff). W literaturze przedmiotu znajdziemy wiele propozycji ich wykorzystania: jako zbiorów językowych do dziedzinowych badań lingwistycznych, jako narzędzi edukacyjnych czy źródeł syntetycznych treści w przypadku, kiedy nie są dostępne oryginalne źródła.
Wątek historycznych modeli językowych stanowi margines debaty o sztucznej inteligencji. Proponowane w nim projekty w ciekawy sposób eksplorują jednak postać modelu jako reprezentacji kultury a nie jako narzędzia biznesowego, ujawniając przy okazji granice wykorzystania modeli językowych w dyscyplinach takich jak historia czy socjologia.
Digitalizacja zbiorów archiwalnych jest pełna wyzwań. Księgi, poszyty, luzy, wiązki… często ze śladami trudnej historii, złych warunków przechowywania lub braku opieki; dokumenty pergaminowe, obiekty wielkoformatowe, wielopieczętne czy szklane klisze – z tym na co dzień muszą mierzyć się digitalizatorzy w archiwach. Archiwa na masową skalę wykonują kopie cyfrowe ze zgromadzonych materiałów i udostępniają szerokiemu odbiorcy. Misją archiwów jest „trwałe zachowanie świadectw przeszłości i zapewnienie do nich powszechnego dostępu”. Dla dobra obiektów, aby proces digitalizacji nie był traumatyczny, świat masowo wykonywanych kopii cyfrowych musi czasami przystopować i znaleźć wspólny język ze światem konserwacji. Ważne jest wzajemne zrozumienie priorytetów, działanie zgodne ze standardami oraz odpowiednio dobrane narzędzia.
Prezentacja przybliża proces digitalizacji materiałów archiwalnych jako odpowiedź na zapotrzebowanie społeczne, metodę ochrony i zabezpieczenia najcenniejszych zbiorów oraz obszar współdziałania specjalistów różnych dziedzin. Pytanie czy przyszłość Archiwów jest cyfrowa nie pozostanie bez odpowiedzi.
Globalne modele sztucznej inteligencji świetnie radzą sobie z rozpoznawaniem uniwersalnych wzorców, ale wciąż gubią się w polskim kontekście. Kluski śląskie biorą za francuskie makaroniki, a fotografię obrony Poczty Gdańskiej lokalizują w Bydgoszczy. Wynika to z tego, że są trenowane głównie na anglojęzycznych, globalnych danych, w których polska historia, kultura i codzienność są słabo reprezentowane.
Projekt Obywatel Bielik odpowiada na ten problem, angażując samych obywateli, jak i instytucje kultury w budowę pierwszego polskiego modelu multimodalnego. Dzięki społecznej inicjatywie i aplikacji mobilnej każdy student, senior, pracownik czy przedsiębiorca może dodać zdjęcie wraz z opisem i realnie przyczynić się do powstania pierwszego polskiego modelu multimodalnego, który prawidłowo rozpozna polskie zabytki, potrawy, symbole i tradycje.
Podczas wystąpienia opowiem, jak wygląda proces budowania tego obywatelskiego zbioru danych, jak dbamy o jego jakość oraz jakie znaczenie ma udział instytucji kultury i pamięci w tworzeniu sztucznej inteligencji, która naprawdę rozumie Polskę.