Propostas de fluxos de trabalho utilizando aprendizagem de máquina e aprendizagem profunda relativas aos desafios mais patentes de preservação digital de patrimônio artístico e memória digital em Minas Gerais

Resumo

Introdução: Este trabalho, a partir de pesquisas realizadas no Laboratório de Poéticas Fronteiriças (LABFRONT - UEMG/CNPq), levanta os problemas mais patentes, em termos estatísticos, relacionados à preservação digital no campo de patrimônio e memória digital, restrito ao escopo dos desafios relativos às itens de instituições museais e acervos digitais ou digitalizados de Minas Gerais, em especial as obras de arte. Objetivo: Propõe-se correlacionar tais problemas às soluções disponíveis pelas estratégias mais recentes de aprendizagem de máquina e aprendizagem profunda, bem como demais subcampos sob o escopo das inteligências artificiais. Metodologia: Este trabalho emprega a metodologia exploratória, levantamento bibliográfico e pesquisa quantitativa, objetivando listar e evidenciar ferramentas e fluxos de trabalhos pertinentes ao trabalho de preservação digital de patrimônio artístico. Resultados: Aborda-se os problemas relativos à coleção de dados (estruturados ou não-estruturados e em grandes quantidades), seus métodos de modelagem, bem como escolha e teste (prototipagem ou implementação) de algoritmos de redes neurais (recorrentes, convolucionais, transformadores, entre outros). Conclusão: São investigados os problemas efetivos relacionados à automação de metadados e curadoria de arquivos, análise e descoberta de padrões, simulação e reconstrução de itens incompletos ou danificados, recuperação de dados digitais deteriorados, automatização em tarefas de reconhecimento e indexação. (Na versão a ser publicada os autores agradecerão o apoio da FAPEMIG)