با اینکه هنوز هم کمتر کسی با شنیدن نام آرشیو، احتمالا تصویری به غیر از پروندههای رنگارنگ و نوارهای بزرگ را بهخاطر نمیآورد، اما همه میدانیم که آنها اکنون در جایی داخل صف بلند نوستالژیهایمان نشستهاند و صنعت آرشیو از سالهای قبل (از دهه 1990) وارد دنیای دیجیتال شده است. با این حال همچنان انتخاب و بررسی و سایر فرایندهای آرشیو عمدتا توسط نیروی انسانی انجام میشود و این کار تا زمانیکه حجم دادههای آرشیو شده امکان بررسی توسط عامل و ارزیاب انسانی را داشته باشد امکانپذیر است. ولی افزایش حجم دادهها داستان را عوض کردهاند و نیاز به ابزارهای ماشینی پدیدار شدهاند.
سابقه استفاده از هوش مصنوعی در آرشیو و بایگانی به یک دهه گذشته برمیگردد که بهشکل محدود برای کمک به بخشی از فرایند آرشیو آزمایش شد. اما بهتازگی و با افزایش تحقیقات و سرمایهگذاریهای در حوزه هوش مصنوعی شاهد یک روند تازه هستیم که در آن هوش مصنوعی در سراسر فرایند آرشیو استفاده میشود. با توجه به همین امر نویسندگان این مقاله با استفاده از روش اسنادی، مروری بر تحقیقات انجام شده درباره کاربردهای هوش مصنوعی در آرشیو و چشماندازهای آینده آن داشتهاند.
تأثیر هوش مصنوعی بر صنعت آرشیو
با ادغام هوش مصنوعی در صنعت آرشیو در وهله اول مفاهیم اصلی آن مانند مبدأ، نگهداری اسناد و نحوه تنظیم و سازماندهی تحت تأثیر قرار میگیرند زیرا هوش مصنوعی راههای جدیدی را برای استخراج و سازماندهی اطلاعات فراهم میکند. همچنین با توجه به توانایی تجزیه و تحلیل دادههای بزرگ توسط هوش مصنوعی فرآیند ارزیابی و اینکه چه سوابقی باید نگهداری شوند، نیز تغییر میکنند. با این حال بحثهایی درباره مفاهیمی مانند اصالت، ثابت بودن، ماندگاری و منحصر بهفرد بودن بهوجود میآید.
در اثر حضور هوش مصنوعی بسیاری از کارهای معمولی و روالپذیر میتوانند با استفاده از هوش مصنوعی خودکار شوند. در عین حال مهارتهای انسانی مانند داستانسرایی، بسترسازی و مشارکت عمومی بیش از هر زمان دیگری به نیروی انسانی ماهر نیازمند هستند. در این شرایط آرشیوداران به دادهها و مهارتهای جدیدی نیاز خواهند داشت و در اثر این مهارتها، شکافی بین افراد متبحر و سنتی در این صنعت بهوجود میآید. از لحاظ آکادمیک نیز رشته جدید «علوم محاسباتی آرشیو» در تقاطع علوم آرشیو و علوم کامپیوتر در حال ظهور است.
خودکارسازی فرایند آرشیوسازی
تکنیکهای هوش مصنوعی مانند یادگیری ماشین میتوانند در تجزیه و تحلیل و ارزیابی در مقیاسهای بزرگ بهکار گرفته شوند. برای مثال بهطور معمول ارزیابهای انسانی تعیین میکند که در میان صداهای ضبط شده (مثلا موسیقی، مصاحبه و…) کدام یک ارزش آرشیو دارند. اما زمانیکه با دادههای بزرگ روبهرو هستیم این شیوه برچسبگذاری زمانبر است و پردازش زبان طبیعی میتواند به استخراج ابرداده و طبقهبندی آنها کمک کند. اما علیرغم قابلیتهای امیدوارکنده هوش مصنوعی در خودکارسازی فرایندهای آرشیو، محدودیتهایی همچون شکافهای میان علوم کامپیوتر و علم آرشیو، نیاز به مجموعه دادههای آموزشی بسیار بزرگ و تمیزسازی دادههای موجود نیز وجود دارد که همین امر باعث ضرورت توسعه ابزارهای هوش مصنوعی مختص کارهای آرشیوی و همکاریهای بینرشتهای شده است. پس هوش مصنوعی با اینکه میتواند باعث خودکارسازی مراحل مختلف جریان کار و پردازش آرشیو شود اما با محدودیتهایی نیز مواجه است که باید برای رفع آن تلاش شود.
سازماندهی و دسترسی به آرشیوها
هوش مصنوعی روشهای جدیدی را برای سازماندهی و دسترسی به آرشیوها فراتر از اصول سنتی فراهم میکند. دسترسی سنتی به آرشیو مبتنی بر اصولی مانند مبدأ و نظم اصلی است که سوابق را بر اساس سازنده یا ساختار اصلی سازماندهی میکند. در این شرایط تکنیکهای هوش مصنوعی امکان تجزیه و تحلیل و استخراج اطلاعات معنیدار از محتوای آرشیو شده را بر اساس موجودیتها، مدلسازی موضوعی، جاسازی کلمات، تجزیه و تحلیل بصری و… امکانپذیر ساختهاند. نمایهسازی و سازماندهی مبتنی بر محتوا، راههای جدیدی را برای جستجو و مرور فراهم کردهاند. بهعنوان مثال، کاربران اکنون میتوانند در مجموعهها برای یک شخص یا موضوع جستجو کنند. پس بهسخنی دیگر، هوش مصنوعی با فراتر رفتن از طبقهبندیهای اصلی سازندگان آرشیو راههای جدیدی را برای استخراج محتوا و نمایهسازی فراهم کرده است.
اشکال جدید آرشیوهای دیجیتال
هوش مصنوعی در جمعآوری و مدیریت انواع جدید آرشیوهای دیجیتال فراتر از داراییهای نهادی سنتی نقش ایفا میکند. رسانههای اجتماعی و محتوای وب حجم عظیمی از اسناد دیجیتالی با ارزش بالقوه را برای آرشیو تولید میکنند. تکنیکهای هوش مصنوعی مانند پردازش زبان طبیعی و بینایی کامپیوتری، جمعآوری و تجزیه و تحلیل گسترده این منابع نوظهور را ممکن ساختهاند. برای مثال آرشیوهای وب و رسانههای اجتماعی از هوش مصنوعی برای گرفتن عکسهای فوری از محتوای دیجیتال استفاده میکنند. پس هوش مصنوعی باعث ایجاد فرصتهای جدیدی برای صنعت آرشیو شده است.
با این حال، این اشکال جدید که عمدتا دادههایی حجیم و ساختار نیافته -در مقایسه با اسناد دیگر- هستند چالشهایی مانند مسائل اخلاقی درباره حریم خصوصی را ایجاد کردهاند که نیازمند مدیریت و راه حلهایی جدید هستند.
بحث و نتیجهگیری
این مقاله بهشکلی جامع بحثها و برنامههای کاربردی را در تقاطع هوش مصنوعی و آرشیو بررسی کرده و تأثیرات، فرصتها و چالشهای حضور هوش مصنوعی در صنعت آرشیو را بیان میکند.
استفاده از هوش مصنوعی در صنعت آرشیو روشهای جدیدی را برای استخراج و سازماندهی اطلاعات فراهم ساخته است. هوش مصنوعی نحوه ارزیابی را با توجه به امکان بهرهگیری از الگوریتمها برای تجزیه و تحلیل دادههای بزرگ را متحول کرده و استفاده از آن ثبت اسناد دیجیتال جدید در جاهایی مانند رسانههای اجتماعی را تسهیل میکند. در عین حال، چالشهای مفهومی، عملی و اخلاقی را نیز به همراه دارد.
رفع چالشهای موجود و بهبود وضعیت کنونی در آینده نیازمند همکاریهای بین رشتهای میان آرشیوکنندگان، انسانگرایان و متخصصان کامپیوتر است.