Branża konserwacji dzieł sztuki to miejsce, w którym cierpliwość, precyzja i głęboka wiedza materiałowa łączą się z najnowszymi technologiami. Konserwator odpowiada za utrzymanie integralności obiektu, ocenia stan, planuje zabiegi renowacyjne i dokumentuje każdy krok. Obecnie coraz wyraźniej wkracza sztuczna inteligencja, która nie zastępuje doświadczenia, lecz udoskonala sposób pracy, ułatwia codzienne decyzje i poszerza możliwości analizy. W niniejszym artykule przyjrzymy się czterem podstawowym zastosowaniom AI, które realnie zmieniają praktykę konserwatorską: konwersja zdjęć do grafiki wektorowej, analiza uszkodzeń, plan renowacji oraz dokumentacja fotograficzna z opisem. To zestaw scenariuszy, które pokazują, jak AI potrafi przyspieszać prace i podnosić ich jakość, jednocześnie wymagając stałej weryfikacji przez człowieka.
Wykorzystanie ChatGPT do konwersji zdjęcia dzieła do grafiki wektorowej
Konwersja zdjęcia dzieła sztuki do grafiki wektorowej stanowi narzędzie wspierające planowanie i analizę. AI w tym zastosowaniu nie generuje gotowego, ostatecznego obrazu wektorowego samodzielnie; raczej ChatGPT ułatwia proces, tworząc plan działania, prompt-y i kryteria oceny jakości. Kluczowy etap to wykonanie wysokiej jakości zdjęcia oraz przygotowanie materiału referencyjnego, który oddaje charakter materiałów, faktur i kontrastów. Następnie używamy narzędzi do konwersji rastrowej na wektorową — na przykład Adobe Illustrator Image Trace, Inkscape Autotrace czy Vector Magic — aby uzyskać kontury i warstwy kolorów. Sama konwersja nie oddaje jednak w pełni subtelności faktury pędzla ani delikatnych gradientów, dlatego rola AI polega na ułatwianiu decyzji projektowych i zapewnieniu powtarzalności procesu.
ChatGPT może generować plan konwersji i zestaw parametrów, które później przekładamy na operacje w narzędziach wektorowych. Przykładowe pytania, na które odpowiadaAI w ramach promptu, to: które kontury wyodrębnić, a które pozostawić jako warstwę do późniejszego retuszu; jaką paletę kolorów zachować, by odzwierciedlić oryginalne odcienie bez tworzenia nadmiernych uproszczeń; w jaki sposób ograniczyć liczbę punktów wektorowych bez utraty detali. Dzięki temu proces staje się bardziej powtarzalny i transparentny, a także łatwiejszy do dokumentowania w raportach konserwatorskich.
Praktyczny workflow może wyglądać tak: najpierw zdefiniować cele konwersji w kontekście planu renowacji, potem poprosić ChatGPT o przygotowanie promptów i kryteriów oceny jakości, a następnie wykorzystać wyniki w narzędziu wektorowym. Na koniec porównać wygenerowany wektor z kontekstem materiałowym i dokumentacją stanu dzieła. Efekt? Elastyczna, łatwa do aktualizacji baza wektorowa, która ułatwia późniejsze analizy i prezentacje stanu obiektu.
Narzędzia: oprócz samego ChatGPT warto korzystać z programów do konwersji wektorowej (Adobe Illustrator, Inkscape, Vector Magic) oraz z dedykowanych dostępów do automatyzacji, które umożliwiają eksport warstw i metadanych. ChatGPT pełni rolę planisty, kreatora promptów i źródła spójnych opisów jakościowych, co ułatwia utrzymanie jednolitej dokumentacji i spójnego języka opisowego w raportach.
Analiza uszkodzeń z wykorzystaniem AI
Analiza uszkodzeń to jeden z najważniejszych aspektów pracy konserwatora. AI wspiera identyfikację i charakterystykę uszkodzeń na podstawie zdjęć wysokiej rozdzielczości, zestawów fotogrametrycznych i danych 3D. Metody obejmują segmentację mikropęknięć, złuszczeń, odspojenia warstw, detekcję przebarwień i oceny ryzyka. Dzięki AI możliwe jest nie tylko wykrycie obecności uszkodzeń, ale także ich quntyfikacja — na przykład powierzchnia uszkodzeń w procentach, grubość oderwanych warstw czy szacunkowa głębokość pęknięć. To bezpośrednio przekłada się na precyzyjny plan naprawy oraz na punktowanie priorytetów w pracy konserwatora.
Proces zwykle zaczyna się od zebrania materiału: zdjęć z różnych kątów, makro zdjęć detali i danych dodatkowych (np. warunków oświetleniowych). Następnie dane trafiają do narzędzi z zakresu computer vision (OpenCV, TensorFlow, PyTorch) i/lub do dedykowanego oprogramowania do analizy obrazów. AI potrafi wyodrębnić obszary uszkodzeń, przypisać im etykiety (np. pęknięcie, delaminacja, żółknięcie werniksu) oraz policzyć ich łączny obszar. Z takich wyników generujemy mapy uszkodzeń i raporty, które mogą być zintegrowane z systemem zarządzania dokumentacją konserwatorską lub LIMS.
Dodatkowo, techniki 3D i fotogrametria umożliwiają wizualizacje zmian w czasie. Dzięki temu możliwe jest monitorowanie progresji uszkodzeń i ocena skuteczności zabiegów renowacyjnych. W praktyce ChatGPT może pomóc w stworzeniu opisu uszkodzeń, priorytetyzacji działań naprawczych i zestawów zaleceń, które będą łatwe do weryfikacji przez zespół ekspercki, a także skrócić czas przygotowania raportów z analizy do zapisu w dokumentacji zabiegów.
Narzędzia: OpenCV, scikit-image, TensorFlow, PyTorch do analizy obrazów; oprogramowanie do fotogrammetrii (np. Agisoft Metashape), narzędzia do modelowania 3D (MeshLab, CloudCompare), GIS (QGIS) do mapowania ryzyka i stanu obiektów. W praktyce AI nie zastępuje oceny eksperta, ale znacząco udoskonala identyfikację i kwantyfikację uszkodzeń, prowadząc do bardziej precyzyjnych decyzji renowacyjnych.
Plan renowacji wspomagany AI
Plan renowacji to obszar, w którym AI szczególnie udoskonala proces decyzyjny i organizacyjny. Dzięki ChatGPT konserwator może wygenerować całościowy, realistyczny plan renowacji, obejmujący kolejność zabiegów, przewidywany czas, materiały i techniki, a także warianty napraw i scenariusze testów jakościowych. AI pomaga także ocenić ryzyko i zasoby potrzebne do realizacji planu, co ułatwia tworzenie budżetów i harmonogramów.
Zastosowanie AI w planowaniu renowacji może obejmować: identyfikację celów renowacji (np. stabilizacja, retusz, werniksowanie), zestawienie scenariuszy napraw wraz z ich wpływem na estetykę i integralność materiałową, a także symulacje efektów kolorystycznych w oparciu o dane pigmentów i technik historycznych. ChatGPT może wygenerować szczegółowy, sześciopokojowy plan działania z opisem poszczególnych etapów, sugerowanych technik, potrzebnych materiałów oraz oszacowanego czasu realizacji i kosztów. Taki plan stanowi doskonałą podstawę do konsultacji z zespołem interdyscyplinarnym i klientem, a także do monitorowania postępów w trakcie renowacji.
W praktyce ważne jest, aby plan renowacji był traktowany jako elastyczny dokument roboczy, który ułatwia komunikację i powiadamianie o postępach, a nie jako ostateczna decyzja. AI ułatwia eksperymentowanie z wariantami i ocenę konsekwencji, ale końcowy wybór musi opierać się na wiedzy chemicznej, właściwościach materiałów i etyce konserwatorskiej. Przykładowe prompt-y do ChatGPT pomagające w tworzeniu planu renowacji: „Napisz plan renowacji dla obrazu z XVII wieku, z uwzględnieniem stabilizacji warstwy malarskiej, usuwania werniksu, retuszu oraz nakładania nowego werniksu, z oszacowaniem czasu i kosztów.” Dzięki temu powstaje spójny, dokumentowalny plan, który łatwo aktualizować w miarę postępu prac.
Dokumentacja fotograficzna z opisem wspomagana AI
Dokumentacja fotograficzna jest kluczowa dla zachowania spójności informacji o stanie dzieła na przestrzeni czasu. AI w tym obszarze ułatwia tworzenie opisów, tagowanie zdjęć i generowanie metadanych zgodnych z obowiązującymi standardami – na przykład Dublin Core lub PREMIS – co z kolei ułatwia wyszukiwanie, archiwizację i przyszłe odwołania do historii obiektu. AI może także wspierać OCR z opisów z etykiet i opisu przynależności, a także tłumaczenia na inne języki dla międzynarodowych zespołów i instytucji.
W praktyce proces wygląda następująco: po wykonaniu serii zdjęć standardowych (różne kąty, oświetlenie, skala), AI analizuje i generuje zestaw opisów dla każdej fotografii, identyfikując technikę, materiał, daty „przynależności” i wszelkie uszkodzenia widoczne na obrazie. Następnie opis jest weryfikowany przez konserwatora i uzupełniany o kontekst materialny i historyczny. AI pomaga także w tworzeniu spójnych, powtarzalnych metadanych, co znacząco skraca czas przygotowania raportów i eksportów do repozytorium cyfrowego. Dzięki temu dokumentacja staje się bardziej kompletna, a także łatwiejsza do odtworzenia w przyszłości, bez utraty wiarygodności źródeł.
Wskazane jest, aby wszelkie opisy tworzone przez AI były weryfikowane przez specjalistę, aby uniknąć nieścisłości w interpretacji materiałów, technik i stanu. AI nie zastępuje człowieka; to narzędzie, które udoskonala i przyspiesza pracę, jednocześnie zachowując pełny kontekst merytoryczny i odpowiedzialność for provenance.
Na co zwracać uwagę!?
Z użyciem AI w konserwacji należy pamiętać, że każdy wynik i każda sugestia pozostaje narzędziem wspierającym decyzje eksperta. AI może analizować i proponować, ale decyzje finalne, zwłaszcza dotyczące ingerencji w materialność dzieła, muszą być zweryfikowane przez doświadczonych specjalistów chemików, materiales i praktyków konserwacji. Kluczowe zasady to: traktuj AI jako pomoc, a nie zastępstwo; weryfikuj uzyskane wyniki poprzez testy materiałowe i porównania z wcześniejszymi zachowaniami dzieła; dokumentuj źródła danych i decyzje; utrzymuj przejrzystość pytań i odpowiedzi uzyskanych z narzędzi AI, aby zapewnić możliwość audytu. Dzięki temu AI udoskonala i ułatwia procesy, jednocześnie podnosząc standardy etyczne i merytoryczne pracy konserwatora.
Czy Konserwator dzieł sztuki powinni korzystać z AI
Podsumowując, omówione scenariusze pokazują, że AI nie zastępuje fachowej wiedzy, lecz ją rozszerza. Konserwator zyskuje narzędzia do szybszej analizy stanu, lepszego planowania renowacji i skuteczniejszej dokumentacji. Dzięki AI możliwe staje się tworzenie powtarzalnych, wysokiej jakości opisów, precyzyjnych map uszkodzeń i realistycznych planów napraw, co przyspiesza decyzje i poprawia transparentność procesu renowacji. Ważne jest, aby podejście to było zintegrowane z etyką zawodową i standardami branżowymi, a AI traktować jako narzędzie wspierające, a nie wyznacznik decyzji. Taki balans pomaga utrzymać zaufanie do konserwatorów i do bezpiecznej ochrony dóbr kultury.
