Intelligenza Artificiale generativa nei Musei

1. Applicazioni attuali di Intelligenza Artificiale generativa nei Musei

L’adozione di questa tecnologia offre ai musei una serie di vantaggi significativi che coinvolgono molteplici aspetti delle loro operazioni.

1.1 Creazione di contenuti multimediali

Una delle applicazioni più immediate dell’IA generativa nei musei è la produzione automatica di contenuti testuali e visuali. Strumenti come Midourney e Kling possono generare con facilità contenuti audio e video, mentre i modelli di linguaggio come GPT-4 possono essere utilizzati per scrivere testi descrittivi, didascalie, articoli o persino audioguide multilingue in modo rapido e coerente​. Ad esempio, un museo può impiegare ChatGPT per generare versioni in inglese, francese o cinese dei pannelli informativi di una mostra, oppure per redigere bozze di comunicati stampa o newsletter periodiche.

Secondo i dati dell’Osservatorio Innovazione Digitale nei Beni Culturali, già il 14% dei musei, monumenti e aree archeologiche in Italia utilizza servizi di IA generativa per creare contenuti come testi per newsletter o immagini per i post social.

1.2 Digitalizzazione creativa delle opere

L’AI generativa può essere impiegata in processi come la conversione di collezioni fisiche in modelli digitali 3D, la colorizzazione di foto d’archivio in bianco e nero, il restauro virtuale di opere danneggiate e la creazione di visualizzazioni artistiche basate sulle collezioni museali. Nel campo del patrimonio archeologico, modelli generativi possono ipotizzare ricostruzioni di ambienti e affreschi a partire da frammenti, offrendo ai visitatori una visione di come dovevano apparire originariamente i siti antichi. Inoltre, l’automazione avanzata aiuta nella catalogazione: sistemi di visione artificiale e IA descrittive possono riconoscere e descrivere automaticamente le caratteristiche delle opere, generando metadati testuali utili per archivi e database​. Tali funzionalità accelerano la digitalizzazione e la documentazione, e rappresentano una forma di “curatela aumentata” dove l’IA supporta i curatori umani.

1.3  Chatbot e assistenti virtuali

I chatbot museali sono assistenti virtuali con cui i visitatori possono dialogare, sia in remoto (sul sito web o su app di messaggistica) sia in loco tramite totem o robot dedicati. In Italia il fenomeno è ancora agli inizi (solo il 3% dei musei dichiara di utilizzarli​), ma vi sono esperimenti significativi. Un esempio è NeroBot, il chatbot lanciato dal Parco Archeologico del Colosseo a Roma, che veste i panni virtuali dell’imperatore Nerone. Oppure Julia, l’assistente virtuale creato dal Comune di Roma per supportare i turisti che vistano la città. Tali chatbot “intelligenti” possono essere appositamente istruiti per spiegare contenuti, rispondere a curiosità sulle opere e adattare il discorso all’utente, facendo da guide virtuali personalizzate. Un uso innovativo dei chatbot in ambito museale è nella gamification: “alcuni musei, come le Case Museo di Milano, hanno sperimentato giochi basati su chatbot. In queste esperienze, il chatbot propone quiz, indovinelli o missioni narrative, trasformando la visita in un gioco interattivo.

1.4 Personalizzazione dell’esperienza di visita

Grazie all’analisi dei dati e alle capacità generative, un museo può proporre a ciascun visitatore percorsi e contenuti calibrati sui suoi interessi. Ad esempio, un sistema di guida basato su IA potrebbe porre alcune domande all’arrivo (es. “Ti piacciono più i dipinti o le sculture?” oppure “Preferisci un approccio più storico o emozionale?”) e generare un itinerario personalizzato attraverso le sale.

Un notevole progetto italiano incentrato sulla personalizzazione è AI for MUSE a Torino. Questo progetto ha coinvolto otto musei (tra cui Museo Egizio, Reggia di Venaria, GAM, MAO, Museo del Cinema, Museo dell’Automobile, Palazzo Madama e Pinacoteca Agnelli) nella creazione di un’esperienza virtuale integrata​. Il fulcro è un’IA capace di creare collegamenti automatici e trasversali tra opere di collezioni differenti, simulando il pensiero di un esperto di storia dell’arte​. In questo modo può suggerire al visitatore associazioni inaspettate: ad esempio, soffermandosi su un dipinto Impressionista alla Pinacoteca Agnelli, l’app I-Muse  può consigliare un ritratto ottocentesco dalle collezioni GAM che presenta affinità di stile, oppure collegare una statuetta dell’Antico Egitto al Museo Egizio con una scultura contemporanea alla GAM dal simbolismo simile​.

1.5 Accessibilità e inclusione

Accessibilità significa abbattere barriere di varia natura: linguistiche, sensoriali, cognitive ed economiche. Alcune soluzioni AI sono già in uso in tal senso nei musei italiani: molte istituzioni offrono videoguide in Lingua dei Segni italiana (LIS) o sistemi di sottotitolazione automatica per i visitatori sordi, oppure audiodescrizioni per ciechi. L’IA generativa, con le sue capacità di traduzione e sintesi, può potenziare questi strumenti.

Un modello avanzato può tradurre in tempo reale testi o dialoghi in decine di lingue e dialetti, rendendo multilingue ogni contenuto museale all’istante​ (ad es., chiedendo “spiegami questo quadro in arabo” e ottenendola istantaneamente). Ciò può andare oltre le lingue parlate: esistono ormai modelli in grado di convertire testo in LIS tramite avatar virtuali, o viceversa interpretare la LIS e generare testo/voce. Analogamente, per le persone non vedenti, app che sfruttano visione artificiale e voice synthesis permettono di inquadrare un testo o un oggetto e ascoltarne immediatamente la lettura o la descrizione​.

1.6 Didattica innovativa e gamification

Attraverso approcci di gamification, come già menzionato per i chatbot game, si possono creare percorsi didattici interattivi tramite AI generativa. Ad esempio, immaginate una “caccia al tesoro” in museo in cui l’IA genera enigmi personalizzati per la classe in visita: in base all’età e al programma scolastico, il sistema propone una serie di indovinelli a tappe, ognuno relativo a un’opera diversa. Questo tiene alta l’attenzione e stimola l’apprendimento giocoso. Questi giochi possono essere quiz, puzzle (es. ricomponi un quadro scomposto), oppure sfide tipo “trova l’intruso” tra opere suggerite dall’IA.

Un vantaggio dell’IA è la capacità di modulare le spiegazioni in base all’età: ad esempio, descrivere un quadro con parole semplici e toni fiabeschi per bambini delle elementari, oppure sottolineare aspetti storico-sociali per liceali. Ciò significa passare dalla tradizionale didascalia unica per tutti a un concetto di didascalia variabile: la stessa opera potrebbe avere una spiegazione “base”, una “per esperti”, una “per bambini”, e magari una “per chi ha fretta” in 50 parole. L’IA genera al volo la versione adatta, mantenendo correttezza e rigore (perché attinge a un corpus approvato dai curatori, ma rielaborato con parole differenti).

I musei italiani sono tradizionalmente attivi nella didattica, e con l’IA generativa hanno a disposizione un moltiplicatore di risorse: è come avere migliaia di schede didattiche e attività possibili, selezionabili e adattabili all’istante. Tuttavia, è bene sottolineare che l’IA non sostituisce l’educatore umano, ma lo assiste.

1.7 Curatela automatizzata e gestione delle collezioni

Nel back-end museale, l’IA generativa può supportare curatori e conservatori in vari modi. Abbiamo già accennato alla catalogazione automatica e alla scoperta di correlazioni tra opere. Un sistema AI può essere addestrato su immagini e testi di milioni di opere d’arte per poi suggerire accostamenti inaspettati o raggruppamenti tematici innovativi. Ad esempio, potrebbe emergere tramite AI un collegamento tra opere di periodi ed aree geografiche diverse (un motivo ornamentale comune, un soggetto iconografico ricorrente) che ispira una nuova mostra interdisciplinare. Naturalmente il risultato finale viene poi vagliato dall’esperto umano, che ne verifica la validità e l’interesse espositivo.

Un’altra applicazione è la generazione di testi critici o didattici in stili differenti. Un curatore potrebbe chiedere all’IA: “Genera una bozza di testo di catalogo in stile divulgativo su questa serie di opere” e ottenere un punto di partenza su cui lavorare, risparmiando tempo sulle prime stesure. Oppure, potrebbe sperimentare con l’IA per ottenere interpretazioni alternative: “Come descriverebbe quest’opera un poeta? E un architetto?”. L’IA, attingendo a diversi registri, produce testi che aiutano il curatore a vedere l’opera da prospettive meno convenzionali. Anche qui l’IA è strumento di amplificazione della creatività del curatore.

Nella gestione delle collezioni a livello conservativo, l’IA generativa può essere sfruttata per simulare interventi di restauro. Ad esempio, si può addestrare un modello sulle pennellate di un pittore e fargli “completare” le lacune di un dipinto rovinato, ottenendo una possibile versione reintegrata dell’opera da usare come riferimento​. Questo non significa che l’IA decida il restauro (che spetta ai restauratori umani e segue principi deontologici precisi), ma fornisce ipotesi visive immediate su cui ragionare.

2. Il panorama delle tecnologie di Intelligenza Artificiale generativa nei Musei

Il settore museale può beneficiare di diverse tipologie di modelli e strumenti di IA generativa, ognuno con capacità specifiche adatte a diverse applicazioni.

• Modelli Linguistici di Grandi Dimensioni (LLM) e IA Conversazionale: i modelli linguistici di grandi dimensioni (LLM) rappresentano una tecnologia chiave per migliorare l’interazione con i visitatori. Questi modelli, come ChatGPT, sono in grado di comprendere e generare testo simile a quello umano, alimentando chatbot e assistenti virtuali capaci di rispondere a domande complesse e fornire informazioni dettagliate sulle collezioni e sulle mostre. L’IA conversazionale, integrata in chatbot, può essere utilizzata per assistere i visitatori in tempo reale, rispondere a domande frequenti e personalizzare i percorsi di visita.
• Strumenti di generazione di immagini e video: gli strumenti di generazione di immagini e video permettono ai musei di creare contenuti visivi accattivanti per diverse finalità. Piattaforme come Midjourney , DALL-E, Firefly e Kling consentono di generare immagini a partire da descrizioni testuali, offrendo un modo rapido ed economico per produrre illustrazioni, visualizzazioni di ricostruzioni storiche e altro materiale visivo per mostre ed educazione. La possibilità di creare video generati dall’IA apre ulteriori opportunità per la narrazione e l’engagement del pubblico.
• Sintesi vocale e generazione audio: le tecnologie di sintesi vocale sono fondamentali per migliorare l’accessibilità e l’esperienza dei visitatori. L’IA generativa può essere utilizzata per creare audioguide personalizzate, descrizioni audio per visitatori con disabilità visive e traduzioni in tempo reale di contenuti audio in diverse lingue. La possibilità di generare voci simulate con diverse tonalità e personalità può arricchire ulteriormente l’esperienza delle audioguide.
• Altre modalità di IA generativa rilevanti: sebbene meno esplorate nei frammenti forniti, altre forme di IA generativa, come i generatori di musica e di codice, potrebbero trovare applicazioni specifiche nel contesto museale. La generazione di musica potrebbe essere utilizzata per creare atmosfere sonore per mostre o installazioni interattive, mentre la generazione di codice potrebbe assistere nello sviluppo di applicazioni e strumenti digitali per i musei.

3. Affrontare le sfide e i rischi dell’adozione dell’IA generativa nei Musei

Nonostante i numerosi vantaggi, l’adozione dell’IA generativa nei musei presenta anche sfide e limitazioni significative che devono essere attentamente considerate.

3.1 Considerazioni etiche e rischio di bias

Le considerazioni etiche sono di primaria importanza quando si utilizza l’IA generativa nei musei. La possibilità che l’IA generi contenuti distorti, inappropriati o culturalmente insensibili è un rischio reale che deve essere mitigato attraverso un’attenta supervisione e controllo dei contenuti prodotti. È fondamentale informare chiaramente i visitatori quando i contenuti sono generati dall’IA per mantenere la trasparenza e la fiducia.

3.2 Garantire l’accuratezza e mantenere l’autenticità storica

Mantenere l’accuratezza e l’autenticità storica è una sfida cruciale quando si utilizza l’IA generativa per la ricostruzione di eventi, persone e luoghi storici. È quindi fondamentale che i musei adottino misure rigorose per verificare e validare i contenuti generati dall’IA, garantendo che siano in linea con gli standard di accuratezza storica e scientifica.

3.3 Affrontare le preoccupazioni sul copyright e la proprietà intellettuale

Le implicazioni legali e di proprietà intellettuale relative all’utilizzo di contenuti generati dall’IA in un contesto museale sono complesse e in evoluzione. Esistono timori di violazione del copyright, soprattutto per quanto riguarda le immagini generate dall’IA e l’utilizzo di dati protetti da copyright per l’addestramento dei modelli. La mancanza di chiarezza sulla proprietà intellettuale dei contenuti generati dall’IA crea incertezza per i musei. È essenziale che i musei siano consapevoli delle normative vigenti e delle condizioni d’uso delle piattaforme di IA generativa, verificando i diritti sui contenuti e informando gli utenti quando il materiale è generato dall’IA.

3.4 Gestire i costi di implementazione e l’esperienza tecnica

Sebbene l’IA generativa possa offrire soluzioni economiche in alcuni casi, l’implementazione iniziale e la manutenzione continua di queste tecnologie possono richiedere investimenti significativi in infrastrutture, attrezzature e formazione del personale. La necessità di competenze specializzate per sviluppare, implementare e gestire le applicazioni di IA generativa può rappresentare una sfida per molti musei, soprattutto per quelli con risorse limitate. È importante che i musei valutino attentamente i costi e le risorse necessarie per l’adozione dell’IA e considerino la sostenibilità a lungo termine di queste iniziative.

3.5 L’Importanza della supervisione umana e dell’esperienza curatoriale

Nonostante le capacità dell’IA generativa, la supervisione umana e l’esperienza curatoriale rimangono essenziali per garantire l’accuratezza, la qualità e l’uso etico dei contenuti generati dall’IA nei musei. L’IA dovrebbe essere vista come uno strumento per potenziare le capacità umane piuttosto che come un sostituto del giudizio critico e della competenza dei professionisti museali. La verifica e la validazione dei contenuti generati dall’IA da parte di esperti umani sono fondamentali per mantenere la credibilità e l’affidabilità delle informazioni presentate dai musei.

4. L’Impatto dell’IA generativa sui professionisti e sui ruoli del personale museale

L’adozione crescente dell’IA generativa avrà un impatto significativo sui ruoli e sulle responsabilità del personale museale. L’automazione di compiti ripetitivi e amministrativi libererà probabilmente il personale da attività gravose, permettendo loro di concentrarsi su iniziative più strategiche e creative, come il miglioramento delle mostre e della programmazione.

Sebbene esistano preoccupazioni riguardo alla potenziale perdita di posti di lavoro, l’emergere di nuovi ruoli come quello di “esperto di IA” suggerisce che l’IA creerà anche nuove opportunità all’interno del settore museale, richiedendo nuove competenze e specializzazioni. I musei dovranno adattare le loro strategie di personale e investire nella formazione per prepararsi a questi ruoli in evoluzione. L’IA viene vista sempre più come un “aiutante” piuttosto che come un “sostituto” all’interno degli ecosistemi museali.

5. Conclusione: tracciare una rotta per l’IA generativa nel museo del futuro

L’Intelligenza Artificiale generativa nei musei italiani si configura come una leva trasformativa che sta ridefinendo tutte le funzioni museali – dalla comunicazione alla didattica, dalla curatela alla gestione. Le sue potenzialità includono la creazione di contenuti multilingua, esperienze di visita immersive e personalizzate, supporto alla didattica e all’accessibilità, un uso più efficace dei dati. Allo stesso tempo, è fondamentale affrontare le sfide legate all’accuratezza, all’etica e alla proprietà intellettuale attraverso una supervisione umana continua e una profonda comprensione delle implicazioni di questa tecnologia in rapida evoluzione. 

L’IA generativa si inserisce così come un nuovo “attore” nella relazione tra museo e pubblico, da usare con responsabilità e visione. Se ben implementata, può rendere i musei più inclusivi, dialogici e capaci di raggiungere ogni visitatore. Il futuro dei musei sarà sempre più ibrido e tecnologico, ma anche profondamente umano, dove l’intelligenza artificiale supporta e aiuta a valorizzare – non a sostituire –  le competenze e l’esperienza dei professionisti.