引用本文
鲁越, 郭超, 潘晴, 倪清桦, 李华飙, 王春法, 王飞跃. 平行博物馆系统:框架、平台、方法及应用. 模式识别与人工智能, 2023,36(7): 575-589
LU Yue, GUO Chao, PAN Qing, NI Qinghua, LI Huabiao, WANG Chunfa, WANG Fei-Yue. Parallel Museum Systems: Framework, Platform, Methods and Applications. PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE, 2023,36(7): 575-589.  
Doi: 10.16451/j.cnki.issn1003-6059.202307001
Permissions
Copyright©2023, 《模式识别与人工智能》编辑部
《模式识别与人工智能》编辑部
平行博物馆系统:框架、平台、方法及应用
鲁越1,2, 郭超2, 潘晴3, 倪清桦4, 李华飙3, 王春法3, 王飞跃2
1.山东大学 控制科学与工程学院 济南 250061
2.中国科学院自动化研究所 复杂系统管理与控制国家重点实验室 北京 100190
3.中国国家博物馆 北京 100006
4.澳门科技大学 创新工程学院 澳门 999078
通讯作者:

王飞跃,博士,研究员,主要研究方向为平行系统的方法与应用、社会计算、平行智能、知识自动化.E-mail:feiyue.wang@ia.ac.cn.

作者简介:

鲁 越,博士,主要研究方向为机器学习、小样本学习、机器人系统.E-mail:luyue@sdu.edu.cn.

郭 超,博士,助理研究员,主要研究方向为机器学习、强化学习、机器艺术创作、智能机器人系统.E-mail:chao.guo@ia.ac.cn.

潘 晴,博士,研究员,主要研究方向为展览策划、国际交流与传播、科技在博物馆展览中的应用等.E-mail:panqingart@foxmail.com.

倪清桦,博士研究生,主要研究方向为平行智能、数字孪生、智能系统等.E-mail:3230001810@student.must.edu.mo.

李华飙,硕士,高级工程师,主要研究方向为智慧博物馆、文物数字化技术.E-mail:lihuabiao@chnmuseum.cn.

王春法,博士,研究员,主要研究方向为科技政策与科学文化、博物馆管理、智慧博物馆.E-mail:wangchunfa@chnmuseum.cn.

收稿日期: 2023-07-17 接受日期: 2023-07-31
摘要

随着基础模型、区块链与元宇宙等技术的迅速发展,新时代博物馆建设面临藏品数字化、服务通融性和智能化管理上的需求和挑战.为此,文中基于平行系统与ACP理论,构建虚实互动的平行博物馆系统,设计平行博物馆系统的体系框架、系统平台与基本方法,旨在实现博物馆的智能化建设和管理.基于数字化采集、场景工程、多模态人机交互、博物馆文博大模型和数字资产管理等子系统构建平行博物馆的系统功能,通过基于场景工程的任务构建、基于人类反馈的知识强化模型以及基于分布式自治组织的数据资源治理提供技术支撑,利用博物馆文物研究与保护、博物馆展览和博物馆运营管理等服务提升博物馆典型业务和服务场景的运行效果.最后,介绍平行博物馆系统的应用场景及案例.

关键词: 平行博物馆; 智慧博物馆; 平行系统; ACP理论
中图分类号:G26
Parallel Museum Systems: Framework, Platform, Methods and Applications
LU Yue1,2, GUO Chao2, PAN Qing3, NI Qinghua4, LI Huabiao3, WANG Chunfa3, WANG Fei-Yue2
1. School of Control Science and Engineering, Shandong University, Jinan 250061
2. The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190
3. National Museum of China, Beijing 100006
4. Faculty of Innovation Engineering, Macau University of Science and Technology, Macau 999078
Corresponding author:
WANG Fei-Yue, Ph.D., professor. His research interests include methods and applications for parallel systems, social computing, parallel intelligence and knowledge automation.

About Author:
LU Yue, Ph.D. His research interests include machine learning, few-shot learning and robotic systems.
GUO Chao, Ph.D., assistant professor. His research interests include machine lear-ning, reinforcement learning, artificial intelligence for art and intelligent robotic system.
PAN Qing, Ph.D., professor. Her research interests include exhibition curating, international exchanges, and the application of science and te-chnology in museum exhibitions.
NI Qinghua, Ph.D. candidate. Her research interests include parallel intelligence, digital twins and intelligent systems.
LI Huabiao, master, senior engineer. His research interests include smart museums and cultural relics digitization technology.
WANG Chunfa, Ph.D., professor. His research interests include science and techno-logy policy and science culture, museum management and intelligent museums.

Abstract

With the development of foundation models, blockchain and metaverse, museum construction in the new era faces the challenges of collection digitization, service integration and intelligent management. The parallel museum system is constructed with virtual-real interactions. Its framework, platform and methods are designed based on parallel systems and ACP theory to realize the intelligent construction and management of museums. The subsystems of the digital collection, scene engineering, multimodal human-computer interaction, the big model of the museum and digital asset management are utilized. The parallel museum system is built with the scenarios-engineering-based task construction, human-feedback-based knowledge enhancement model and decentralized-autonomous-organizations-based data resource management. The museum services of heritage research, heritage conservation, exhibition and management are utilized to improve the operation of typical museum tasks and scenarios. Finally, application scenarios and cases of parallel museum systems are introduced.

Key words: Parallel Museum; Intelligent Museum; Parallel System; ACP Theory

博物馆的英文“Museum”来源于希腊语的“Mouseion”, 意为“供奉缪司及从事研究的处所”, 其中缪司(Muse)代表掌管学问与艺术的九位希腊神话中女神的总称[1].17世纪末, 阿什莫林博物馆等现代公共博物馆逐渐出现.20世纪以来, 世界各国博物馆呈现出快速发展的态势, 博物馆的主要职能也随着时期和地域发生变化.1964年, 国际博物馆协会(International Council of Museums, ICOM)成立, 成为研究博物馆学及博物馆管理等内容的重要国际组织之一.近年来, 为了适应世界博物馆事业的发展, ICOM不断更新和修改博物馆的定义.2022年, ICOM在第26届ICOM大会上更新博物馆的定义:“博物馆是一个非营利性的永久性机构, 为社会服务, 进行研究、收集、保存、解释和展示物质和非物质遗产”[2].

博物馆储存能够展示国家文化的代表性物证, 具有重要的研究价值[3, 4, 5].随着元宇宙、数字孪生、基础模型等技术[6, 7, 8, 9, 10, 11]的发展, 文物展览呈现愈发明显的数字化与智能化趋势, 涌现出大量的数字作品, 对博物馆的文物研究、服务和管控提出新的要求[12].国家发布的《关于推进实施国家文化数字化战略的意见》提出, 到“十四五”时期末, 基本建成文化数字化基础设施和服务平台, 形成线上线下融合互动、立体覆盖的文化服务供给体系.

研究者们利用新兴技术对博物馆的管理方法进行研究[13, 14, 15, 16].然而, 当前的博物馆管理仍面临诸多智能化上的挑战, 例如:藏品利用率较低、服务融通性不足和智能化水平较低等问题.因此, 如何利用新兴技术实现博物馆的文博知识融合、个性化服务和高效管控, 从而提升传统文化的影响力[17, 18, 19], 是亟待解决的研究问题.

针对博物馆等实际系统中的智能化管理问题, 研究者们基于机器学习和深度学习的多种解决方法进行探索.其中, 平行博物馆方法[20]提供新时代博物馆运营的智能管理与控制方案, 核心思想是通过平行系统理论[21, 22, 23]构建虚拟博物馆, 并通过虚实互动的方法提升博物馆管理的效果.平行系统通过描述学习构建与实际系统对应的人工系统, 利用预测学习在人工系统中进行计算实验, 从而实现根据引导学习提升实际系统的运行质量[24].平行系统在多源知识图谱知识协同[25]、文化遗址的智能管理与运营[26]、人工智能辅助艺术创作[27, 28, 29, 30, 31, 32]、艺术智能分析[33, 34, 35]、智能汽车零部件设计[36]、智能教育[37]、社会物理信息系统[38]、智能工厂[39]、服务系统管理[40]和人工智能医疗[41, 42]等领域得到广泛应用.

本文基于平行博物馆体系[20], 进一步提出平行博物馆系统, 阐述体系框架、系统平台和基本方法, 并对平行博物馆的应用场景进行展望.平行博物馆系统针对藏品数字化、服务融通性和智能化管理等博物馆建设需求, 基于数字化采集、场景工程、多模态人机交互、博物馆文博大模型和数字资产管理的子系统构建平行博物馆的系统功能.平行博物馆系统通过基于场景工程的任务构建、基于人类反馈的知识强化模型以及基于分布式自治组织(Decentra-lized Autonomous Organizations, DAO)的数据资源治理提供技术支撑, 提升博物馆文物研究与保护、博物馆展览和博物馆运营管理等博物馆典型服务场景的运行效率和质量.

1 新时代博物馆建设的挑战与需求

在新时代博物馆建设中, 面临着藏品数字化、服务融通性和智能化管理等方面的挑战与需求, 成为新时代博物馆建设的重要影响因素, 具体如图1 所示.

图1 新时代博物馆建设的挑战与需求Fig.1 Challenges and needs of museum construction in the new era

1.1 藏品数字化需求

随着公众的观赏需求的增大, 藏品数字化需求也不断增大.在藏品数字化研究上, 青铜器数字化[43]和藏品虚拟现实展示[44]等研究已经在博物馆展览中得到应用, 但现有的藏品数字化在应用范围和数字化效果等方面仍存在不足.藏品规模、结构、质量和管理水平影响博物馆的核心价值[45], 然而藏品管理的征集、鉴定、登记、保护和库房管理等业务仍主要依赖手工方法, 电子化感知的应用范围仍不全面[46].同时, 对藏品、展览、观众、场馆等主要实体构建虚拟实体的效果和建模精度仍有待提高[47].

博物馆中多种业务具有藏品数字化方面的需求.在文物保护与研究时, 为了避免珍稀藏品的频繁操作和暴露, 需要对藏品建立数字化模型, 提供藏品的数字化备份和档案, 从而减少藏品损失或丢失等可能出现的破坏.在藏品展览中, 公众的在线和远程观展需求不断增大, 需要实现藏品的数字化和在线展示, 从而给观众提供更广泛和沉浸的观展体验.在博物馆的藏品管理和分析中, 也需要藏品及相关数据的数字化存档, 实现全流程的藏品展览和研究记录追溯.

1.2 服务融通性需求

博物馆在文物保护、展览展示、社教传播、学术研究等业务中均具有服务融通性方面的需求, 博物馆的服务融通性旨在对多种相关业务实现数据、方法和模型等方面的交互与共享.利用数据融通和藏品融通等方法, 结合高效原真采集、图像质量增强、安全可靠存储、众包协同标注、智能分割识别和系统平台研发等关键技术, 能够从理论和实践角度设计方案, 提升展览效果[48].

同时, 基础运维和服务等方面也具有服务融通性方面的需求.例如:在基本的数据采集、保存、检索和应用[49]以及基础运维社会化服务中存在相关专业技术人才短缺问题和服务单位的选择和管理问题[50], 在采集相机的参数设置对博物馆数字化效果的影响[51]、彩绘陶器的图像检索[52]和博物馆藏品数字化[53]等研究内容中也需要服务融通性以提升数据的规模和质量.

在博物馆的多种创新应用中, 融通的服务能够促进业务质量的提高.例如:博物馆通过调查研究等方法构建观众画像[54]、投入产出效率的研究[55]、智慧博物馆建设标准及评价方法[56]、智慧博物馆顶层设计[57]、博物馆文物纹理生成[58]、馆藏文物三维模型的数据质量评价[59]、社会服务和智慧服务[60]以及软件架构设计中的分而治之的微服务理念[61], 这些业务都需要文化和科技的有机融合以及不同业务的融通交互.

1.3 智能化管理需求

传统的管理方式存在智能化水平较低和知识体系不够完善的问题, 需要实现分析、预测、演练和提前干预等关键技术组成的智能管理方案.例如:在设备管理方面, 根据日常或重大活动、晴天或阴天等条件, 自动化调节照明设备[62]; 针对观众服务、展览布置等业务场景, 需要实现绿色可持续的能源设备管理[63].同时, 需要在传统人员基础上增加数字人和机器人, 结合技术人员的技术特长进行高效的协作和智能分工, 对新员工进行智能化的岗前培训和自动化的针对性考核.

博物馆的展览需要智能化管理.陈列是博物馆主要的展示形式, 需要利用人员流动信息的数据特点优化陈列布置方式.展览需要结合主题、序列和艺术形式进行设计, 陈列方式决定藏品和观众交流的效果.长期的陈列和短期的展览, 二者具有相似的布置优化方案.因此, 算法优化的对象可以先从短期的展览开始, 提供展览内容和顺序的布置建议.对展览中的总体设计、内容设计、艺术形式设计、辅助产品和设备设计、陈列方式、展览总结和评估等内容进行智能化优化.需要通过图像等模态的方式输入展览的艺术形式设计方案和平面设计图, 并按藏品年份等信息制定陈列方式和展览计划.利用基础语言模型撰写陈列大纲, 基于强化学习方法设计展览路线, 规划合理的展出面积、展线布置和展品疏密.根据展览主题和内容布置展品位置, 形成合理的布展方式.

博物馆的安全也需要智能化的设计.博物馆安全的管理具有特殊性[64], 相比一般场所, 博物馆对火灾等大事故和水管道的跑冒滴漏等小事故的容忍度均很低.因此, 博物馆需要防火系统的定时监测和薄弱环节的系统增强.需要设计智能化的安全保卫工作, 重点区域加强巡逻, 将人防和技防进行有机结合, 将安保人员的管理经验进行数字化处理, 用于安保培训和安保方案的加强设计.

2 平行博物馆的体系架构

针对新时代博物馆建设在运营、管理和服务等方面的挑战, 本文基于平行系统及其提出的人工系统 (Artificial Systems, A)、计算实验 (Computational Experiments, C)和平行执行(Parallel Execution, P)的ACP方法, 构建社会物理信息系统(Cyber Phy-sical Social System, CPSS)人机物混合的平行博物馆体系, 体系架构如图2 所示.

图2 CPSS人机物混合的平行博物馆体系架构图Fig.2 Structure of parallel museum with human-cyber-physical fusion in CPSS

平行博物馆通过真实博物馆和虚拟博物馆的平行执行提升博物馆管理效果, 提出预测与引导、实验与评估、学习与培训的实验方法及三者在数据和模型上的交互, 从而进行博物馆的系统建模、业务设计和计算实验.

平行博物馆体系构建过程包括三个主要环节.首先, 通过描述学习进行人工系统构建, 根据实际的博物馆系统构建人工博物馆系统, 使人工系统具备展览、服务、管理等功能的模拟和推演能力.然后, 利用预测学习在人工系统中进行计算实验, 在人工博物馆系统中布置数字人和机器人, 实现与虚拟环境的动态交互, 从而进行多种博物馆任务的推演.最后, 基于引导学习, 根据人工系统的运行状态, 对实际系统进行优化.

在平行博物馆系统中, 存在自然人、数字人和机器人三种与环境交互的角色, 以及自主模式(Autonomous Mode, AM)、平行模式(Parallel Mode, PM)和专家/应急模式(Expert/Emergency Mode, EM)三种运行模式.

在三种与环境交互的角色中, 自然人负责监管系统的运行状态、困难场景下解决方案的示教以及系统运行效果的评价.数字人进行人工系统中计算实验、知识演化以及方案推荐.机器人实现管控方案的执行, 在实际系统中执行人工系统的推荐方案.在博物馆运行过程中, 平行博物馆系统中的“自然人”包含观众、博物馆工作人员等真实博物馆中的人员.“数字人”角色包含平行博物馆中的基础模型和管理算法等软件定义的智能体, 通过在虚拟博物馆中的模拟推演进行训练, 并给实际系统的管理策略提供建议.“机器人”角色对应实际博物馆中展览系统、服务系统和教育系统等真实的系统和执行组件.自然人和数字人通过与机器人交互以实现对博物馆业务的管理和控制.

在三种运行模式中, 自主模型通过基础模型和在线系统对博物馆实现自动化的管理.平行模式是在自主模式中对疑难的业务问题增加人工远程操控.专家/应急模式针对平行模型中难以解决的业务问题, 借助专家在现场对博物馆进行实地指挥和控制.AM、PM和EM的稳定性依次增强, 执行成本也依次增大, 随着平行博物馆系统中模型和算法的不断完善, 基于自动化控制的AM模式将发挥越来越重要的作用.

平行博物馆的管控对象主要包括基础设施、藏品和人员, 根据平行博物馆的主要环节, 对三种管控对象使用描述、预测及引导的方法进行管理.平行博物馆对系统构成、服务内容和基本方法进行针对性的设计, 具体如图3 所示.

图3 平行博物馆的系统构成、服务内容和基本方法Fig.3 System components, service contents and fundamental methods of the parallel museum

为了实现上述平行博物馆构想, 设计多种与业务相关的管理和服务子系统, 构成平行博物馆系统, 包括数字化采集、场景工程、多模态人机交互、博物馆文博大模型和数字资产管理的子系统.数字化采集子系统对博物馆中有形或无形藏品实现电子化感知, 提供全面精准的藏品建模信息.场景工程子系统利用基础设施层、操作层、知识层、智能层、管理层和交互层六个层级结构进行建模, 对博物馆业务进行全生命周期的模拟和推演.多模态人机交互子系统结合音频、视觉、文字等多种交互方式, 提升观众游览体验和管理人员的管理效果.博物馆文博大模型子系统对文博领域知识进行针对性训练和学习, 为博物馆管理提供多方面的技术支撑.数字资产管理子系统融合区块链、基于分布式自治组织的去中心化科学(DAO-Based Decentralized Science, DAO Based DeSci)[65]和非同质化通证(Non-fungible Token, NFT)等技术, 对数字文物的展览、移动和追溯实现精准的记录和跟踪.

针对博物馆中的典型业务和服务场景, 平行博物馆提供多种服务, 包括博物馆文物研究与保护服务、博物馆展览服务和博物馆运营管理服务.在博物馆文物研究与保护服务上, 平行博物馆系统融合三维扫描、数字重建、虚拟现实、增强现实等技术, 为博物馆提供文物知识图谱、文物数字化修复、数字化创作等服务内容.在博物馆展览服务上, 平行博物馆系统基于在线平台、应用程序或虚拟现实设备等渠道, 从数字化虚拟展示、分布式移动博物馆、智慧化展览分析等方面给博物馆提供更优的展览服务.在博物馆运营管理服务上, 平行博物馆系统利用多类型多模态的传感器信息以及虚拟博物馆中大量的计算实验, 从藏品管理、人员管理和业务管理三方面提供运营管理方面的服务, 提升博物馆的运行效率和质量.

针对设计的系统和平台, 采用基于场景工程的任务构建、基于人类反馈的知识强化模型以及基于DAO的数据资源治理等方法, 实现平行博物馆子系统和服务的技术支撑.在基于场景工程的任务构建方法中, 平行博物馆使用数据采集、数据处理、场景渲染、交互式设计和应用开发等一系列步骤对博物馆中的展览、教育、管理等任务进行方案设计, 从智能、校准、认证、验证和确认共五个维度提升模型和任务构建的效果.在面向文博领域知识的多模态基础模型上, 平行博物馆结合已有的基础模型知识和文博领域的特定知识, 构建对文博领域知识具有多模态信息处理能力的基础模型.在基于DAO的数据资源治理上, 平行博物馆基于分布式去中心化、自主型自动化以及组织性有序化等方法, 对数据所有权、收益权等相关方面的业务进行管理机制的设计, 并应对文博领域的数据资源方面存在的数据孤岛的问题.

平行博物馆的三种基本方法作为其服务内容的技术支撑, 可提升博物馆服务质量.通过基于场景工程的任务构建、基于人类反馈的知识强化模型以及基于DAO的数据资源治理, 从任务建模、知识学习和数据处理三方面共同提升博物馆中文物研究与保护、展览和运营管理等服务的运行效果.

3 平行博物馆系统
3.1 平行博物馆的系统构成与运行流程

为了应对博物馆管理中藏品数字化、服务融通性和智能化管理等需求, 平行博物馆由数字化采集、场景工程、多模态人机交互、博物馆文博大模型和数字资产管理等子系统构成.平行博物馆的子系统及其运行流程如图4所示.

图4 平行博物馆的系统构成Fig.4 System composition of parallel museum

在平行博物馆运行过程中, 首先通过数字化采集子系统根据真实藏品进行虚拟藏品建模, 然后利用场景工程子系统建模博物馆运行机制, 基于多模态人机交互子系统和博物馆文博大模型子系统提升博物馆的业务交互效果和智能化水平, 并利用数字资产管理提供博物馆的运行数据支撑.上述五个子系统在平行博物馆运行过程中进行数据和知识的交互, 协同提升平行博物馆的管理效果.

3.1.1 数字化采集子系统

博物馆中信息的数字化是平行博物馆系统中算法推演的基础, 平行博物馆系统中的数字化采集子系统的目标是对博物馆中有形藏品或无形藏品进行电子化感知.为了获取全面且精准的藏品建模信息, 数字化采集子系统融合文字信息、音频信息、二维及三维视觉信息等多模态信息.

数字化采集子系统对博物馆中不同形式的藏品使用不同的数字化采集策略.对于绘画、书法等以二维信息为主的藏品, 使用摄像头、线扫描等高精度传感器进行采集[30].对于陶器、雕塑等三维物体, 结合摄像头视觉采集和三维扫描进行三维信息的采集.对于非实体的博物馆藏品, 将藏品资料进行数字化和结构化.

在平行博物馆系统进行数字化采集的过程中, 为了得到高精度的采集效果, 对光线照明等采集环境进行精细设计.数字化采集子系统先构建虚拟的数据采集系统, 在其中进行光照条件等因素的实验, 根据藏品尺寸、大小、形状和纹理等信息布置合适的打光方案, 从而提升藏品采集的保真度.

3.1.2 场景工程子系统

基础模型能够利用海量训练数据和大量模型参数提升模型性能, 然而其训练过程中仍然存在黑盒漏洞特性(Black-Box Vulnerability), 对数据的处理和感知逻辑的透明性不足, 使其面临数据投毒攻击(Data Poisoning Attacks)等方面的威胁.为此, 场景工程(Scenarios Engineering, SE)利用基础设施层、操作层、知识层、智能层、管理层和交互层这6个层级结构进行建模, 构建元宇宙中可控制、可信赖和可交互的基础模型[66].平行博物馆中的场景工程子系统使用场景工程的构建方法对博物馆中的数据和模型进行优化, 能够构建虚实交互、人机交互的闭环模型运行场景.

场景工程子系统能够优化平行博物馆系统中的数据获取和处理、模型构建和训练等流程.为了保证较好的系统运行效果, 平行博物馆系统需要收集多种模态和多种来源的原始数据, 再利用人工标注等方法进行数据处理, 但存在人力物力消耗较大和处理精度不佳的问题.场景工程子系统利用真实和虚拟两种数据进行系统特性建模, 结合来自有形藏品和无形藏品的数据信息, 在平行博物馆系统的全生命周期中推进数据的学习和处理.

平行博物馆中的场景工程子系统发挥软硬件结合的优势, 利用六个层级结构进行建模.1)使用基础设施层整合博物馆中的硬件资源和软件资源, 为后续的资源利用提供基础.2)利用操作层封装软硬件环境的管理软件, 提高设施的可靠性, 促进博物馆相关模型的部署.3)利用知识层构建连接和处理单元、知识库、专家经验和知识建模, 提取真实场景中的真实知识“小数据”.4)使用智能层为平行博物馆基础模型提供智慧标准, 封装认知智能(Cognitive Intelligence)、平行智能(Parallel Intelligence)、加密智能(Crypto Intelligence)、联邦智能(Federated Intelligence)、社会智能(Social Intelligence)和生态智能(Ecological Intelligence)这六种智能形态(6I)[67].5)使用管理层提供全面的评价情报、指标和目标信息, 用于指导和开发博物馆系统中可信的基础模型.6)利用交互层定义博物馆人员和场景工程子系统的交互方式、系统的输入和输出数据类型等.

3.1.3 多模态人机交互子系统

随着多模态基础模型技术的发展, 利用模型交互提升观众游览体验和管理人员的管理效果, 是博物馆管理的重要发展方向之一.平行博物馆系统支持多模态的人机交互方式, 结合音频、视觉、文字等多种交互方式, 给观众和管理人员两方面群体提供服务.

对于观众群体, 通过多模态人机交互子系统, 可以提供展厅分布、藏品信息和安全提示等方面的博物馆信息, 同时也可以利用平行博物馆中的知识库信息进行知识教学.多模态人机交互子系统结合三维显示、虚拟现实、增强现实等技术, 增强观众在藏品浏览、文博知识学习和问答交互等应用场景中的融合效果.

对于管理人员, 利用多模态的交互方法, 能够使管理人员对系统的操作更便捷.例如:通过自然语言的对话方式提升博物馆管理系统的使用效率.多模态人机交互子系统将同时考虑交互式管理、便捷性和可靠性的权衡, 对容错率较高的任务提供较灵活的交互方式, 如展厅灯光的布置方案等.对重要设备管理等相关任务, 通过更严谨的流程控制, 提高相关任务的控制精度, 如库房温湿度的控制等.

3.1.4 博物馆文博大模型子系统

博物馆中的藏品包括长期的历史和文化信息, 藏品的分析鉴定等博物馆工作需要深厚的知识积累, 这种特点限制博物馆知识的应用范围.基于大数据的训练素材, 可以利用基础模型的构建方法构建文博领域知识的专有基础模型.

博物馆文博大模型子系统能够为博物馆管理提供多方面的技术支撑.首先, 博物馆文博大模型具有较强的知识储备能力, 能够涵盖多元多样的文博领域知识, 从而为博物馆管理提供丰富的信息参考.然后, 博物馆文博大模型具有较强的数据处理能力, 能够分析具有长序列和多模态特点的大量数据, 扩展博物馆管理的自动信息处理范围.最后, 博物馆文博大模型具有灵活的交互方式, 管理人员可以通过类人化的对话方式获取基础模型的知识信息和参考方案, 与多种博物馆管理应用进行高效连接.

3.1.5 数字资产管理子系统

博物馆中含有大量的数字资产, 如何利用有限的管理资源实现设定的管理目标是亟需解决的研究问题之一.在数字资产管理中, 数字文物的展览、移动和追溯需要实现精准的记录和跟踪.因此, 博物馆中的数字资产管理具有数据量较大、情况多样和复杂度较高等特点, 需要设计科学的管理方案.

DeSci[65]能够通过开放式自组织形式进行文博资产管理和研究.NFT能够对数字藏品进行精准认证.根据平行管理的方法[68], 通过融合区块链、DeSci和NFT等技术设计管理方案, 可以发挥DeSci和NFT在分布式管理和数字资产管理上的优势, 促进博物馆数字资产管理的分布式化、精准化和安全管理, 从而推动管理效果及管理中场景工程建模效果的提升.数字资产管理子系统通过虚拟资产和实际资产的平行互动, 实现博物馆资产的精准管理、追踪及状态监测.通过在虚拟的资产流动场景中进行模拟推演, 提升数字资产管理子系统对各种情况的应对能力.

数字资产管理子系统的核心是平行管理方法, 结合虚实平行互动的方式、虚实双反馈双闭环的管理模式, 更好地应对实际资产流动中的突发情况.同时关注各种资产流动链条, 构建一种可描述、可计算、可实验、可估计、可验证、可比较、可执行的可编程管理体系[68].

3.2 平行博物馆体系提供的服务

3.2.1 博物馆文物研究与保护服务

为了促进文物研究与保护工作的发展, 平行博物馆体系提供文物知识图谱、文物数字化修复、数字化创作等服务内容.

文物数字化修复服务能够针对存在残缺或破损的文物进行修复, 为后续的研究和观赏提供辅助.文物数字化修复融合三维扫描、数字重建、虚拟现实和增强现实等技术, 通过多层次递进的步骤实现文物修复.首先, 通过三维扫描获取现存部位及破损残片的结构信息, 为数字化分析提供数据.然后, 利用破损残片和文物缺口等信息的比对, 结合基于基础模型的修复方案实验, 生成文物的重组或修补方案.最后, 利用虚拟现实和增强现实技术对修复方案进行直观立体的展示, 为实体文物修复过程提供参考, 并根据实际修复流程实时进行方案调整.

文物知识图谱服务利用知识图谱方法构建文物的知识表示和关联模型, 更全面地呈现文博领域的知识信息.文物知识图谱服务容纳文物对象、作者、分类、属性、时间、文化研究及相似文物等信息, 有助于文物之间的相互关联和推理, 为文物的展览和研究提供大量的辅助信息.利用平行博物馆中虚拟文物的构建方法, 对文物知识图谱服务中大量数据的获取、数据表示的一致性、数据形式的定义和建模等方面的挑战进行针对性的设计, 从而提升文物知识图谱的构建效果.

数字化创作服务利用二维及三维的数字化建模和渲染等技术, 辅助创作专家或爱好者进行文物相关的艺术创作.从创作形式上分类, 数字化创作服务包括数字绘画、数字摄影、数字雕刻和数字动画等从二维到三维、从静态到动态的多元创作形式.数字化创作能够为创作者提供灵活的创作接口, 使创意想法能更便捷地实现, 同时拓展创作的边界, 使更多创作者可以参与创作.

3.2.2 博物馆展览服务

平行博物馆从数字化虚拟展示、分布式移动博物馆、智慧化展览分析等方面给博物馆提供更优的展览服务.

数字化虚拟展示服务拓宽传统陈列展示的形式, 通过在线平台、应用程序或虚拟现实设备等媒介进行文物展示, 扩展文物的传播和欣赏渠道.例如:观众可以通过头戴显示器和手柄等交互设备, 利用更灵活的方式进行交互.数字化虚拟展示增大展览设计人员的展览方案设计空间, 同时缩小观众观展的时间和空间限制.

分布式移动博物馆服务是在藏品数字化的基础上提供的一种不限于地域的博物馆服务.分布式移动博物馆服务通过构建和下发数字化的藏品, 使观众无需到达物理的博物馆, 能够通过手机和平板电脑等移动终端设备在虚拟博物馆中进行游览.分布式移动博物馆服务具有无地域限制、可个性化定制和互动体验佳等特点.

智慧化展览分析服务针对展览的设计、布置、执行和复盘等环节提供自动化的分析方法.结合多模态传感器、智能识别和基础模型优化等方法, 实现优化展览设计、提高展览效果、提升展览管理效率以及提升个性化服务的作用.例如:智慧化展览分析能够利用雷达、摄像头等设备记录展览过程中观众随时间的分布特点, 进而优化藏品的陈列方案等展览布置策略.

3.2.3 博物馆运营管理服务

平行博物馆从藏品管理、人员管理和业务管理三方面提供运营管理方面的服务, 从而提升博物馆的运行效率和质量.

在藏品管理方面, 平行博物馆开展融合视频和音频等多模态信息的展厅管理和仓库管理, 引入室内定位、传感器感应等方法, 对博物馆中的藏品进行智联网监测.平行博物馆对有形藏品、无形藏品及数字藏品进行综合管理, 利用区块链等实现安全、可信和透明的藏品展览等流程管理.结合平行博物馆中虚拟藏品的构建, 对博物馆中的藏品构建数字化档案, 利用智能合约等技术保障藏品管理的安全可靠性.平行博物馆对数字文物与实体文物进行联合管理, 通过联邦学习缓解各博物馆间在管理经验上的信息孤岛问题.

在人员管理方面, 平行博物馆对观众和博物馆员工两方面人员进行管理和辅助.对于观众的管理, 通过场馆内多种传感器信息的获取和利用, 对观众的观展过程和人流分布等信息进行实时引导.对于博物馆工作人员的管理, 结合传感器信息、工作总结报表和虚拟博物馆的推演信息, 对博物馆工作人员进行培训和评价等工作.

在业务管理方面, 平行博物馆对展览、教育和社会服务等业务提供设计、组织、执行和评估等方面的服务.平行博物馆利用虚拟展览拓展传统的实体陈列展览, 通过虚拟展品的构建和陈列增大博物馆展览的影响范围.基于基础模型和博物馆知识模型, 在讲座、培训、互动展览等教育服务业务中增强教育内容的系统性和可传播性, 提高博物馆教育服务的价值.在社会服务方面, 平行博物馆基于基础模型提升社区交流、文化交流和残障人士服务等方面业务的执行效果和服务质量.

3.3 平行博物馆的基本方法

3.3.1 基于场景工程的任务构建

人工智能发展中存在可靠性和可解释性不足的问题, 限制人工智能模型的应用范围.为此, 场景工程从智能、校准、认证、验证和确认这五个维度提升模型和任务构建的效果.在面对博物馆中复杂的任务建模时, 传统特征可能存在特征建模上的不足, 基于场景工程的任务构建通过基础模型等技术对各种场景中的任务进行精细建模.

场景工程使用数据采集、数据处理、场景渲染、交互式设计和应用开发等一系列步骤, 对博物馆中的展览、教育、管理等任务进行方案设计.例如:对于博物馆中的展览场景, 场景工程能够结合数据库中已有的展览布置方案及目标展厅的三维空间结构, 综合考量展品的历史和价值等信息, 给出多种可选的展览布置方案, 并结合决策人员的设计思路进行交互式方案设计.

在效果评价上, 通过“6S”目标的评价指数衡量场景工程模型的构建效果, 包括物理安全指数(Safety Index)、信息安全指数(Security Index)、可持续发展指数(Sustainability Index)、个性化需求指数(Sensitivity Index)、服务指数(Service Index)、智慧指数(Smartness Index)[66], 从而通过场景工程模型设计提升平行博物馆的“6I”智能, 包括认知智能、平行智能、加密智能、联邦智能、社会智能和生态智能.

3.3.2 面向文博领域知识的多模态基础模型

平行博物馆系统针对文博领域中的文化遗产、艺术品、管理和考古等方面的知识, 构建包含图像、语音、语言、视频和三维数据等多种模态的基础模型[29], 提升博物馆中有形藏品及无形藏品的知识表示和信息挖掘等应用效果.

在模型的构建方法上, 结合已有的基础模型知识和文博领域的特定知识, 构建具有多模态信息处理能力的基础模型.首先, 基于实体博物馆、在线博物馆和虚拟博物馆等平台进行多模态信息的收集, 并对信息进行规范化和标注等处理.然后, 利用自然场景中存在的通用基础模型作为初始化状态, 设计文博领域的图像识别、知识问答和文艺创作等任务, 提升基础模型在文博领域的知识水平和应用能力.最后, 在博物馆的实际业务应用中进行模型的不断微调和适应.

面向文博领域知识的多模态基础模型可以在艺术品识别、文化和历史信息挖掘及博物馆展览设计等任务和业务上进行应用, 能够促进博物馆中藏品和文化遗产的传承和保护, 有助于数字化、智慧化博物馆的构建.

3.3.3 基于人类反馈的知识强化模型

博物馆领域中观众和管理人员的信息对于提升博物馆业务效果具有重要作用, 平行博物馆利用人类反馈的强化学习训练方法, 结合观众在观展中的需求和评价等反馈信息以及管理人员对系统的要求和建议等信息, 对博物馆系统基础模型进行知识修正和强化, 提升基于基础模型的博物馆管理效果.

为了基于人类反馈信息对模型性能进行强化, 平行博物馆通过模型初始化、数据训练和人类反馈训练获得知识强化模型.首先, 利用自然场景中存在的通用基础模型或面向文博领域知识的多模态基础模型进行模型参数的初始化, 使模型获得基础的业务知识.然后, 利用文博领域的数据和博物馆运行中的业务数据对模型进行训练, 增强模型在文博领域的特定知识.最后, 利用训练得到的基础模型对博物馆中的业务场景在虚拟博物馆中进行推演, 结合管理人员的反馈信息对可能存在的不足进行修正和强化, 同时在实际系统的运行中根据观众和管理人员的反馈信息不断提升模型性能.

基于人类反馈的知识强化模型, 将博物馆中观众和管理人员等方面反馈信息作为模型的训练参考, 相比仅利用现有的文博信息进行训练的方法, 能够对实际系统中的关键环节和信息实现加强训练, 从而提升模型在实际系统中的应用效果.

3.3.4 基于DAO的数据资源治理

在博物馆管理中, 由于文物、艺术品和历史档案等资源分散在不同的机构中, 文博领域的数据资源面临着数据孤岛的问题, 使博物馆管理效果的提高面临重要挑战.针对分布式数据和知识的管理问题, 区块链中“道(DAO)”融合分布式去中心化(Distri-buted+Decentralized)、自主型自动化(Autonomous+Automated)以及组织性有序化(Organized+Ordered)等技术[69], 使平行博物馆能够从数据和模型等方面进行管理机制的设计.

平行博物馆从单个机构内部和不同机构之间两方面采用基于区块链的联邦数据技术.单个机构内部的数据和模型的分布式储存和处理, 使相关的博物馆业务构建过程实现并行化, 有助于提升数据的处理和模型的构建效率.不同机构之间的数据和模型的分布式连接, 能够通过特征提取和模型加密等数据脱敏方法, 联合利用来自多个数据的信息进行训练, 在保障信息安全的同时提升博物馆管理模型的性能.

基于 DAO 的数据资源治理能够提升博物馆内部数据和模型的构建效率, 同时利用来自不同机构的文博知识与数据, 促进博物馆之间的信息共享和业务合作, 提升平行博物馆中数据管理等相关业务执行的效率和效果.

4 平行博物馆的典型应用
4.1 甲骨文识别系统

作为一种在中国发现的古老文字之一, 甲骨文对社会、地理、历史和艺术等方面的研究具有重要价值.中国国家博物馆利用Mask R-CNN(Mask Region-Based Convolutional Neural Networks)实现甲骨文拓片的自动检测与识别[70], 促进平行博物馆中文博大模型子系统的构建, 识别过程如图5 所示.

图5 甲骨文拓片识别过程[70]Fig.5 Oracle rubbings recognition process[70]

甲骨文识别系统的构建包括数据采集、标注及模型训练等过程.首先, 收集典型的带有甲骨文文字的甲骨文拓片, 通过手工标注的方法对拓片上文字的位置和文字内容进行标注, 形成带有标注信息的甲骨文拓片数据.然后, 通过卷积神经网络和区域建议网络等网络结构构建Mask R-CNN目标检测器, 对网络的参数进行初始化, 并利用带有标注信息的甲骨文拓片数据进行训练和验证.训练后的甲骨文识别系统能够检测甲骨文拓片图像上的甲骨文位置及甲骨文的含义, 实现将图像信息转换为甲骨文文字信息, 从而为平行博物馆中文化和历史知识的整合与学习提供技术支撑.

甲骨文识别系统的研究为甲骨文语义知识库的构建、文化遗产保护、历史研究、甲骨文数字化等相关研究的深入探索提供借鉴, 体现平行博物馆系统文博大模型子系统中甲骨文相关的文化和历史知识的数据和模型构建方法.今后可进一步利用平行博物馆系统中场景工程等子系统的资源整合和数据建模等研究方法提升甲骨文识别系统的效果, 如提升文字残缺严重等情况下的甲骨文识别性能.

4.2 虚拟数智人

2022年, 中国国家博物馆创造首个虚拟数智人“艾雯雯”作为博物馆员工, 其将参与展览设计和藏品管理等博物馆多方面的业务, 并在业务流程中不断学习和强化自身的业务能力.2023年, 中国国家博物馆的虚拟数智人“仝古今”通过视频渠道与公众见面, “仝古今”通过大数据的学习获得博物馆的藏品陈列和藏品历史等方面的知识, 与虚拟数智人“艾雯雯”共同为博物馆管理提供参考方案.中国国家博物馆创造的虚拟数智人形象如图6所示.

图6 中国国家博物馆创造的虚拟数智人Fig.6 Virtual-digital-intelligent humans created by national museum of China

虚拟数智人的名字设计也体现人工智能和博物馆学科的融合互通:“艾”通“人工智能(Artificial Intelligence, AI)”, 也通“爱”, “雯”通“文”; “仝”(音Tóng)字形为“人工”, 象征人工智能.虚拟数智人通过结合人工智能等技术和针对性的文化设计, 同时具备技术和文化方面的影响力, 促进平行博物馆中多模态人机交互子系统的构建[13].

虚拟数智人的设计从技术和文化两方面推动新时代博物馆的建设.一方面, 虚拟数智人能够依靠基础模型和大数据训练等技术手段, 实现对藏品展示、研究和管理等多方面业务的支撑.另一方面, 虚拟数智人提供观众与藏品和历史文化的另一种友好的交互方式, 扩大观众观展的规模和提高藏品展示的效果, 有助于拓宽博物馆文化展示的影响范围.

4.3 文博知识图谱构建

在博物馆管理和文博领域相关研究中, 需要博物馆中藏品的多方面知识, 构建文博知识图谱对博物馆的藏品分析等研究具有重要价值, 如辅助绘画等藏品的内容和文化分析等.在信息模态方面, 为了应对文博领域相关研究的高复杂度等特点, 文博知识图谱需要涵盖视觉、语言和听觉等跨模态信息.例如:在视觉与语言间建立映射, 促进多模态信息的文博大模型子系统的构建.

通过绘画及其描述文字的跨模态研究能够构建语言与视觉的联合知识图谱, 从而利用结构化的文字语言表示绘画等文物藏品的语义信息.在绘画图像描述中, 可以通过数据收集、模型构建、模型训练和模型测试等步骤进行绘画图像描述模型的构建[71, 72].首先, 通过人工或自动标注的方法收集绘画图像描述的数据集.然后, 通过网状记忆Trans-former等文字生成网络结合卷积神经网络等视觉感知网络, 先进行图像特征的提取, 再根据图像特征通过马尔可夫过程逐个单词地生成描述文字, 从而构建绘画图像描述模型.最后, 在标注的数据集上进行模型的训练和测试.上述过程实现文博领域中图像形式到文字形式的知识转换.具体文博领域知识图谱中的绘画图像描述案例如图7所示.

图7 文博领域知识图谱中绘画图像描述案例[71]Fig.7 Examples of painting image captioning in knowledge graph of antiquities and museums field

今后可以将视觉模态信息、文字模态信息与基础模型进行结合, 通过艺术图像自动化描述、艺术图像生成和机器人艺术绘画等任务的推演和训练, 提高平行博物馆中文博大模型的艺术理解能力和艺术生成能力.例如:结合艺术绘画生成模型和语言大模型的想象智能方面的能力, 通过语言模型辅助人类艺术家进行艺术设计, 促进平行博物馆中文博领域知识库的构建和知识学习[28].

5 结束语

本文针对新时代博物馆建设在藏品数字化、服务融通性和智能化管理等方面的需求, 基于平行系统与ACP理论, 构建虚实互动的平行博物馆系统, 提升博物馆的建设质量和管理效果.在体系框架、系统平台与基本方法等方面对平行博物馆系统进行优化设计, 能够在文物研究与保护、博物馆展览和博物馆运营管理等服务上提升博物馆典型业务和服务场景的运行效果.平行博物馆系统发挥其设计的数字化采集、场景工程、多模态人机交互、博物馆文博大模型和数字资产管理子系统的作用, 体现平行系统与ACP理论在博物馆管理上的应用价值.

今后可进一步探索文博领域基础模型在博物馆中的应用场景, 例如:利用文博领域基础模型进行社交媒体和数字互动、促进跨界合作与跨文化交流、提升虚拟与增强现实的体验效果等.同时, 可进一步增强区块链、虚拟现实与增强现实、多模态交互等技术与博物馆业务的融合, 例如:通过区块链技术促进用户画像、藏品追溯和展览复盘等业务效果的提升; 利用虚拟现实与增强现实优化观众展览和管理人员管理的体验和执行效果; 通过多模态交互完善博物馆中展览、教育和安全等功能的运行效率和效果.

本文责任编委 张军平

Recommended by Associate Editor ZHANG Junping

参考文献
[1] 王宏钧. 中国博物馆学基础. 上海: 上海古籍出版社, 2001.
(WANG H J. The Basis of Chinese Museology. Shanghai, China: Shanghai Classics Publishing House, 2001. ) [本文引用:1]
[2] GARLANDINI A. Final Report from the Stand ing Committee for Museum Definition, ICOM Define[R/OL]. [2023-06-27]. https://icom.museum/wp-content/uploads/2022/07/EN_EGA2022_MuseumDefinition_WDoc_Final-2.pdf. [本文引用:1]
[3] 王春法. 智慧博物馆建设中的机遇和挑战. 中国国家博物馆馆刊, 2019(1): 6-9.
(WANG C F. The Opportunity and Challenge in the Construction of a Smart Museum. Journal of National Museum of China, 2019(1): 6-9. ) [本文引用:1]
[4] 王春法. 科学文化的社会功能. 科技导报, 2019, 37(9): 6-10.
(WANG C F. Social Function of Science and Culture. Science & Technology Review, 2019, 37(9): 6-10. ) [本文引用:1]
[5] 王春法. 让文物说话向世界展示中华文化魅力. 中国新闻发布(实务版), 2022(5): 67-70.
(WANG C F. Let Cultural Relics Speak and Show the Charm of Chinese Culture to the World. China News Release, 2022(5): 67-70. ) [本文引用:1]
[6] XUE X, YU X N, WANG F Y. ChatGPT Chats on Computational Experiments: From Interactive Intelligence to Imaginative Intelligence for Design of Artificial Societies and Optimization of Foundational Models. IEEE/CAA Journal of Automatica Sinica, 2023, 10(6): 1357-1360. [本文引用:1]
[7] 王飞跃, 缪青海, 张军平, 等. 探讨AI for Science的影响与意义: 现状与展望. 智能科学与技术学报, 2023, 5(1): 1-6.
(WANG F Y, MIAO Q H, ZHANG J P, et al. The DAOs to AI for Science by DeSci: The State of the Art and Perspective. Chinese Journal of Intelligent Science and Technology, 2023, 5(1): 1-6. ) [本文引用:1]
[8] 田永林, 陈苑文, 杨静, 等. 元宇宙与平行系统: 发展现状、对比及展望. 智能科学与技术学报, 2023, 5(1): 121-132.
(TIAN Y L, CHEN Y W, YANG J, et al. Metaverses and Parallel Systems: The State of the Art, Comparisons and Prospects. Chinese Journal of Intelligent Science and Technology, 2023, 5(1): 121-132. ) [本文引用:1]
[9] 关鑫, 史佳敏, 陈仕韬, 等. 自动驾驶安全挑战: 行为决策与运动规划. 模式识别与人工智能, 2023, 36(3): 191-210.
(GUAN X, SHI J M, CHEN S T, et al. Autonomous Driving Safety Challenge: Behavior Decision-Making and Motion Planning. Pattern Recognition and Artificial Intelligence, 2023, 36(3): 191-210. ) [本文引用:1]
[10] 张晓彤, 王嘉诚, 何景涛, 等. 面向不确定性环境的自动驾驶运动规划: 机遇与挑战. 模式识别与人工智能, 2023, 36(1): 1-21.
(ZHANG X T, WANG J C, HE J T, et al. Motion Planning under Uncertainty for Autonomous Driving: Opportunities and Challenges. Pattern Recognition and Artificial Intelligence, 2023, 36(1): 1-21. ) [本文引用:1]
[11] 郑楠, 章颂, 戴汝为. “人-机结合”的综合集成研讨体系. 模式识别与人工智能, 2022, 35(9): 767-773.
(ZHENG N, ZHANG S, DAI R W. Hall for Workshop of Metasynthetic Engineering Based on Man-Machine Integration. Pattern Recognition and Artificial Intelligence, 2022, 35(9): 767-773. ) [本文引用:1]
[12] 王春法. 关于智慧博物馆建设的若干思考. 博物馆管理, 2020(3): 4-15.
(WANG C F. Some Thoughts on the Smart Museum Construction. Museum Management, 2020(3): 4-15. ) [本文引用:1]
[13] 王春法. 加强数据治理, 积极探索元宇宙在文博领域的应用场景与发展方向. 博物馆管理, 2023(1): 4-7.
(WANG C F. Strengthening Data Management to Explore the Application and Development of the Metaverse in the Museums. Museum Management, 2023(1): 4-7. ) [本文引用:2]
[14] 王春法. 努力为创建中国特色、世界一流的现代化强馆而不懈奋斗. 中国国家博物馆馆刊, 2022(8): 22-24.
(WANG C F. Strive to Build the NMC into a World-Class Modern Powerful Museum with Chinese Characteristics. Journal of National Museum of China, 2022(8): 22-24. ) [本文引用:1]
[15] 王春法. 加快建设中国特色世界一流博物馆. 红旗文稿, 2022(15): 10-13.
(WANG C F. Accelerating the Development of World-Class Museums with Chinese Characteristics. Red Flag Manuscript, 2022(15): 10-13. ) [本文引用:1]
[16] 王春法. 构建起“没有围墙的博物馆”. 中国政协, 2020(18): 54-55.
(WANG C F. Build a ″Museum without Walls″. Chinese People's Political Consultative Conference, 2020(18): 54-55. ) [本文引用:1]
[17] 王春法. 赋能城市未来——博物馆的力量. 科学教育与博物馆, 2023, 9(1): 1-3.
(WANG C F. Empowering the Future of Cities-The Power of Museums. Science Education and Museums, 2023, 9(1): 1-3. ) [本文引用:1]
[18] 王春法. 打造新时代博物馆新型智库推动博物馆高质量发展. 博物馆管理, 2019(1): 8-15.
(WANG C F. Building the New Think Tank and Promoting the High-Quality Development of the Museum in a New Era. Museum Management, 2019(1): 8-15. ) [本文引用:1]
[19] 王春法. 关于新时代博物馆事业发展的若干思考. 中国国家博物馆馆刊, 2018(5): 12-19.
(WANG C F. Thoughts on the Development of Museums in the New Era. Journal of National Museum of China, 2018(5): 12-19. ) [本文引用:1]
[20] 王春法, 王飞跃, 鲁越, 等. 平行博物馆: 新时代博物馆运营的智能管理与控制. 智能科学与技术学报, 2021, 3(2): 125-136.
(WANG C F, WANG F Y, LU Y, et al. Parallel Museums: Inte-lligent Management and Control of Museum Operations in the New Era. Chinese Journal of Intelligent Science and Technology, 2021, 3(2): 125-136. ) [本文引用:2]
[21] 王飞跃. 平行系统方法与复杂系统的管理和控制. 控制与决策, 2004, 19(5): 485-489, 514.
(WANG F Y. Parallel System Methods for Management and Con-trol of Complex Systems. Control and Decision, 2004, 19(5): 485-489, 514. ) [本文引用:1]
[22] WANG F Y. Parallel Control and Management for Intelligent Transportation Systems: Concepts, Architectures, and Applications. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(3): 630-638. [本文引用:1]
[23] 王飞跃. 平行控制: 数据驱动的计算控制方法. 自动化学报, 2013, 39(4): 293-302.
(WANG F Y. Parallel Control: A Method for Data-Driven and Computational Control. Acta Automatica Sinica, 2013, 39(4): 293-302. ) [本文引用:1]
[24] 杨静, 王晓, 王雨桐, 等. 平行智能与CPSS: 三十年发展的回顾与展望. 自动化学报, 2023, 49(3): 614-634.
(YANG J, WANG X, WANG Y T, et al. Parallel Intelligence and CPSS in 30 Years: An ACP Approach. Acta Automatica Sinica, 2023, 49(3): 614-634. ) [本文引用:1]
[25] 王晓, 杨林瑶, 胡斌, 等. 平行推理: 一种基于ACP 方法的虚实互动的知识协同框架. 智能科学与技术学报, 2023, 5(1): 69-82.
(WANG X, YANG L Y, HU B, et al. Parallel Reasoning: A Virtual-Real Interactive Knowledge Collaboration Framework Based on ACP Approach. Chinese Journal of Intelligent Science and Technology, 2023, 5(1): 69-82. ) [本文引用:1]
[26] 康孟珍, 邱文忠, 陈自富, 等. 平行圆明园: 从数字孪生园林到元宇宙智慧遗址公园. 智能科学与技术学报, 2022, 4(3): 301-307.
(KANG M Z, QIU W Z, CHEN Z F, et al. Parallel Yuan-Ming Yuan Imperial Garden: From Digital Twin Garden to Metaverse Smart Heritage Park. Chinese Journal of Intelligent Science and Technology, 2022, 4(3): 301-307. ) [本文引用:1]
[27] 郭超, 鲁越, 王晓, 等. 人机物CPSS 智能融合的平行创作架构与关键技术研究. 智能科学与技术学报, 2022, 4(3): 344-354.
(GUO C, LU Y, WANG X, et al. Architecture and Key Techniques of Parallel Creation through the Fusion of Human-Cyber-Physical Intelligence in CPSS. Chinese Journal of Intelligent Science and Technology, 2022, 4(3): 344-354. ) [本文引用:1]
[28] GUO C, LU Y, DOU Y. Can ChatGPT Boost Artistic Creation: The Need of Imaginative Intelligence for Parallel Art. IEEE/CAA Journal of Automatica Sinica, 2023, 10(4): 835-838. [本文引用:2]
[29] GUO C, DOU Y, BAI T X, et al. ArtVerse: A Paradigm for Pa-rallel Human-Machine Collaborative Painting Creation in Metaver-ses. IEEE Transactions on Systems, Man, and Cybernetics(Systems), 2023, 53(4): 2200-2208. [本文引用:2]
[30] GUO C, BAI T X, WANG X, et al. ShadowPainter: Active Lear-ning Enabled Robotic Painting through Visual Measurement and Reproduction of the Artistic Creation Process. Journal of Intelligent & Robotic Systems, 2022, 105. DOI: 10.1007/s10846-022-01616-1. [本文引用:2]
[31] GUO C, BAI T X, LU Y, et al. Skywork-DaVinci: A Novel CPSS-Based Painting Support System // Proc of the IEEE 16th International Conference on Automation Science and Engineering. Wa-shington, USA: IEEE, 2020: 673-678. [本文引用:1]
[32] 郭超, 鲁越, 林懿伦, 等. 平行艺术: 人机协作的艺术创作. 智能科学与技术学报, 2019, 1(4): 335-341.
(GUO C, LU Y, LIN Y L, et al. Parallel Art: Artistic Creation under Human-Machine Collaboration. Chinese Journal of Intelligent Science and Technology, 2019, 1(4): 335-341. ) [本文引用:1]
[33] LU Y, GUO C, DAI X Y, et al. Data-Efficient Image Captioning of Fine Art Paintings via Virtual-Real Semantic Alignment Trai-ning. Neurocomputing, 2022, 490: 163-180. [本文引用:1]
[34] LU Y, GUO C, DAI X Y, et al. Generating Emotion Descriptions for Fine Art Paintings via Multiple Painting Representations. IEEE Intelligent Systems, 2023, 38(3): 31-40. [本文引用:1]
[35] 鲁越, 郭超, 林懿伦, 等. 绘画艺术图像的计算美学: 研究前沿与展望. 自动化学报, 2020, 46(11): 2239-2259.
(LU Y, GUO C, LIN Y L, et al. Computational Aesthetics of Fine Art Paintings: The State of the Art and Outlook. Acta Automatica Sinica, 2020, 46(11): 2239-2259. ) [本文引用:1]
[36] 张向文, 王飞跃. 平行轮胎的基本架构与关键技术. 智能科学与技术学报, 2022, 4(3): 445-457.
(ZHANG X W, WANG F Y. Basic Framework and Key Technologies of Parallel Tires. Chinese Journal of Intelligent Science and Technology, 2022, 4(3): 445-457. ) [本文引用:1]
[37] WANG J C, TANG Y, HARE R, et al. Parallel Intelligent Education with ChatGPT. Frontiers of Information Technology & Electronic Engineering, 2023. DOI: 10.1631/FITEE.2300166. [本文引用:1]
[38] WANG X, YANG J, HAN J P, et al. Metaverses and Demetaver-ses: From Digital Twins in CPS to Parallel Intelligence in CPSS. IEEE Intelligent Systems, 2022, 37(4): 97-102. [本文引用:1]
[39] WANG F Y, YANG J, WANG X X, et al. Chat with ChatGPT on Industry 5. 0: Learning and Decision-Making for Intelligent Industries. IEEE/CAA Journal of Automatica Sinica, 2023, 10(4): 831-834. [本文引用:1]
[40] LI L F, WANG F Y. Parallel Services: Intelligent Systems of Di-gital Twins and Metaverses for Services Science. Berlin, Germany: Springer, 2023. [本文引用:1]
[41] 王飞跃. 数字医生与平行医疗: 从医疗知识自动化到系统化智能医学. 协和医学杂志, 2021, 12(6): 829-833.
(WANG F Y. Digital Doctors and Parallel Healthcare: From Medical Knowledge Automation to Intelligent Metasystems Medicine. Medical Journal of Peking Union Medical College Hospital, 2021, 12(6): 829-833. ) [本文引用:1]
[42] 王飞跃. 平行医生与平行医院: ChatGPT与通用人工智能技术对未来医疗的冲击与展望. 协和医学杂志, 2023, 14(4): 673-679.
(WANG F Y. Parallel Doctors and Parallel Hospitals: Impact and Perspective of ChatGPT-Like AIGC and AGI on Medicine and Me-dicare. Medical Journal of Peking Union Medical College Hospital, 2023, 14(4): 673-679. ) [本文引用:1]
[43] 陈一萌, 连梦媛, 闫彤, 等. 博物馆藏青铜器数字化展示调查分析——以山西博物院和山西青铜博物馆为中心. 博物馆管理, 2023(1): 44-61.
(CHEN Y M, LIAN M Y, YAN T, et al. The Digital Display of Museum Bronzes: The Case Study of Shanxi Museum and Shanxi Bronze Museum. Museum Management, 2023(1): 44-61. ) [本文引用:1]
[44] 李华飙, 王若慧, 郝琳霰. 数字技术在博物馆中的应用现状与对策. 中国信息化, 2022(9): 80-82.
(LI H B, WANG R H, HAO L X. Current Situation and Countermeasures of the Application of Digital Technology in Museums. Chinese Informatization, 2022(9): 80-82. ) [本文引用:1]
[45] 王春法. 博物馆藏品和人才工作的规律及方向——基于中国国家博物馆的思考. 博物馆管理, 2022(4): 4-16.
(WANG C F. Laws and Directions of Museum Collection and Ta-lent Work: Based on the Thinking of National Museum of China. Museum Management, 2022(4): 4-16. ) [本文引用:1]
[46] 姜玉涛. 中国国家博物馆在北京历史博物馆时期的藏品工作考述. 博物馆管理, 2022(2): 34-42.
(JIANG Y T. An Overview of Beijing History Museum's Collection. Museum Management, 2022(2): 34-42. ) [本文引用:1]
[47] 马玉静. 基于数字孪生的博物馆智能运行中心构建探析. 博物院, 2022(6): 6-12.
(MA Y J. Study on the Construction of Museum Intelligent Operation Center Based on Digital Twin. Museum, 2022(6): 6-12. ) [本文引用:1]
[48] 王春法. 什么样的展览是好展览——关于博物馆展览的几点思考. 博物馆管理, 2020(2): 4-18.
(WANG C F. What Makes a Good Exhibition: Some Thoughts on Museum Curation. Museum Management, 2020(2): 4-18. ) [本文引用:1]
[49] 李华飙, 史雪振, 李洋. 文化遗产大数据体系建设研究与实践. 东南文化, 2021(S2): 78-82.
(LI H B, SHI X Z, LI Y. Research and Practice on the Construction of Cultural Heritage Big Data System. Southeast Culture, 2021(S2): 78-82. ) [本文引用:1]
[50] 伍林芳. 我国博物馆基础运维社会化服务现状及对策思考——以山西博物院为例. 博物馆管理, 2022(3): 62-67.
(WU L F. Exploration of the Present Situation and Improvements of Socialized Services in Chinese Museums: A Case Study of Shanxi Museum. Museum Management, 2022(3): 62-67. ) [本文引用:1]
[51] MARČI$\bar{S}$M, FRA$\bar{S}$TIA M. Effect of Camera Network Configuration on the Accuracy of Digitization of Architectural Objects. Digital Applications in Archaeology and Cultural Heritage, 2023, 28. DOI: 10.1016/j.daach.2022.e00254. [本文引用:1]
[52] ZHAO X H, SHU C, JIANG S P, et al. From Classification to Matching: A CNN-Based Approach for Retrieving Painted Pottery Images. Digital Applications in Archaeology and Cultural Heritage, 2023, 29. DOI: 10.1016/j.daach.2023.e00269. [本文引用:1]
[53] WANG S Y. A Bodies-on Museum: The Transformation of Museum Embodiment through Virtual Technology. Curator: The Museum Journal, 2023, 66(1): 107-128. [本文引用:1]
[54] 于梦瑄. 美国博物馆会员管理经验思考与借鉴. 博物馆管理, 2023(1): 81-87.
(YU M X. Reflections on the Management Experience of American Museum Membership. Museum Management, 2023(1): 81-87. ) [本文引用:1]
[55] 杨晓琳, 孔欣欣. 基于DEA 模型的博物馆投入产出效率实证研究——以2019 年数据为例. 中国博物馆, 2023(2): 100-107.
(YANG X L, KONG X X. An Empirical Study on Input-Output Efficiency of Museums Based on DEA Model: A Case Study Using Data in 2019. Chinese Museum, 2023(2): 100-107. ) [本文引用:1]
[56] 李华飙, 李洋, 王若慧. 智慧博物馆建设标准及评价方法的初步研究. 中国博物馆, 2021(1): 87-93, 128.
(LI H B, LI Y, WANG R H. Preliminary Research on Construction Stand ards and Evaluation Methods of Smart Museum. Chinese Museum, 2021(1): 87-93, 128. ) [本文引用:1]
[57] 李华飙. 智慧博物馆顶层设计方法. 中国科技信息, 2020(24): 15-17.
(LI H B. Top-Level Design Method of Smart Museum. China Science and Technology Information, 2020(24): 15-17. ) [本文引用:1]
[58] 李华飙, 侯小刚, 王婷婷, 等. 基于规则学习的传统纹样统一生成模式研究. 浙江大学学报(理学版), 2020, 47(6): 669-676, 680.
(LI H B, HOU X G, WANG T T, et al. An Unified Generation Scheme of Traditional Patterns Based on Rule Learning. Journal of Zhejiang University(Science Edition), 2020, 47(6): 669-676, 680. ) [本文引用:1]
[59] 李华飙. 馆藏文物三维模型的数据质量评价方法研究. 博物馆管理, 2020(4): 5-10.
(LI H B. Research on Data Quality Evaluation Method of 3D Mo-del of Museum Collection. Museum Management, 2020(4): 5-10. ) [本文引用:1]
[60] 周虹霞, 李华飙, 周宇阳, 等. 基于大数据与微服务的博物馆智慧服务研究. 博物馆管理, 2022(3): 47-54.
(ZHOU H X, LI H B, ZHOU Y Y, et al. Research on the Mu-seum Smart Service Based on Big Data and Micro-Services. Mu-seum Management, 2022(3): 47-54. ) [本文引用:1]
[61] 杨超. 基于微服务理念的藏品数字化全生命周期管理模式的研究与实践——以中国国家博物馆为例. 中国文物科学研究, 2023(1): 23-29.
(YANG C. Research and Practice of the Digital Collection's Full Lifecycle Management Mode Based on the Microservices Concept-A Case Study of the National Museum of China. China Cultural Heri-tage Scientific Research, 2023(1): 23-29. ) [本文引用:1]
[62] 杨晓红, 刘超, 张晔, 等. 博物馆机电设备管理现状分析及对策研究. 博物馆管理, 2021(1): 78-86.
(YANG X H, LIU C, ZHANG Y, et al. Countermeasure Research on Electromechanical Equipment Management of Museum. Museum Management, 2021(1): 78-86. ) [本文引用:1]
[63] 杨晓红, 李燕, 时志远. 基于能源管理体系的中国国家博物馆设备运行管理研究. 中国博物馆, 2023(2): 4-11.
(YANG X H, LI Y, SHI Z Y. Research on Equipment Operation Management of National Museum of China Based on Energy Ma-nagement System. Chinese Museum, 2023(2): 4-11. ) [本文引用:1]
[64] 张宇. 博物馆消防安全的特殊性与标准化管理的要点. 博物馆管理, 2023(1): 88-96.
(ZHANG Y. The Distinctiveness of Fire Safety and the Gist of Stand ardized Management in the Museums. Museum Management, 2023(1): 88-96. ) [本文引用:1]
[65] DING W W, HOU J C, LI J J, et al. DeSci Based on Web3 and DAO: A Comprehensive Overview and Reference Model. IEEE Transactions on Computational Social Systems, 2022, 9(5): 1563-1573. [本文引用:2]
[66] LI X, YE P J, LI J J, et al. From Features Engineering to Scenarios Engineering for Trustworthy AI: I&I, C&C, and V&V. IEEE Intelligent Systems, 2022, 37(4): 18-26. [本文引用:2]
[67] WANG F Y, CARLEY K M, ZENG D, et al. Social Computing: From Social Informatics to Social Intelligence. IEEE Intelligent Systems, 2007, 22(2): 79-83. [本文引用:1]
[68] 王飞跃. 平行管理: 复杂性管理智能的生态科技与智慧管理之DAO. 自动化学报, 2022, 48(11): 2655-2669.
(WANG F Y. Parallel Management: The DAO to Smart Ecological Technology for Complexity Management Intelligence. Acta Automatica Sinica, 2022, 48(11): 2655-2669. ) [本文引用:2]
[69] 王飞跃. 平行哲学与智能科学: 从莱布尼茨的Monad 到区块链之DAO. 模式识别与人工智能, 2020, 33(12): 1055-1065.
(WANG F Y. Parallel Philosophy and Intelligent Science: From Leibniz's Monad to Blockchain's DAO. Pattern Recognition and Artificial Intelligence, 2020, 33(12): 1055-1065. ) [本文引用:1]
[70] 刘芳, 李华飙, 马晋, 等. 基于Mask R-CNN 的甲骨文拓片的自动检测与识别研究. 数据分析与知识发现, 2021, 5(12): 88-97.
(LIU F, LI H B, MA J, et al. Automatic Detection and Recognition of Oracle Rubbings Based on Mask R-CNN. Data Analysis and Knowledge Discovery, 2021, 5(12): 88-97. ) [本文引用:1]
[71] LU Y, GUO C, DAI X Y, et al. ArtCap: A Dataset for Image Captioning of Fine Art Paintings. IEEE Transactions on Computational Social Systems, 2022. DOI: 10.1109/TCSS.2022.3223539. [本文引用:1]
[72] LU Y, GUO C, DAI X Y, et al. Image Captioning on Fine Art Paintings via Virtual Paintings // Proc of the IEEE 1st Internatio-nal Conference on Digital Twins and Parallel Intelligence. Washington, USA: IEEE, 2021: 156-159. [本文引用:1]