Hír

A mesterséges intelligencia (MI) jelentős potenciállal rendelkezik a metaadatok munkafolyamatainak javításában, hatékonyságnövelő eszközöket kínál, javítja a kereshetőséget és megoldást kínál a könyvtárakban régóta fennálló kihívásokra. Ugyanakkor, mint minden átalakító technológia esetében, az MI bevezetése megfontolt mérlegelést igényel annak korlátai, etikai következményei és a szakmai gyakorlatra gyakorolt hatása tekintetében. A kulcs a megfelelő egyensúly megtalálása – olyan, amely kihasználja az MI képességeit, miközben fenntartja a könyvtárak számára elengedhetetlen minőségi és szakmai színvonalat.

 

Ez a blogbejegyzés összefoglalja a legfontosabb témákat, többek között a metaadatok minőségének kritikus fontosságát, az etikai normák és az átláthatóság szükségességét, a metaadatokkal foglalkozó szakemberek változó szerepét, valamint a fenntartható MI gyakorlatok alkalmazásának felelősségét. Ezek a betekintések, az OCLC-hez hasonló szervezetek új, bevált gyakorlataival kombinálva, egy olyan jövőt vetítenek előre, amelyben az MI nem helyettesíti, hanem kiegészíti az emberi szakértelmet a metaadatokkal kapcsolatos munkában.

 

A metaadatok minősége és megbízhatósága elengedhetetlen

 

Az összes megbeszélés alapvető témája a metaadatok minőségének kritikus fontossága volt. A munkacsoport résztvevői egyöntetűen kijelentették, hogy az MI használatával történő rekordok létrehozása kontraproduktív, ha az erőforrások leírása nem pontos, vagy ha a felhasználókat félrevezetik. A minőségre helyezett hangsúly nem akadálya az MI bevezetésének, hanem a felelősségteljes megvalósítás kerete.

Számos minőségi szempont merült fel többször is:

 – Hallucinációk, amelyek hamis információkat visznek be a katalógusrekordokba.

 – Azonos bemenetekből származó inkonzisztens kimenetek, amelyek aláássák a megbízhatóságot.

 – Megbízhatatlan bizalmi pontszámok, amelyek nem mindig tükrözik pontosan az MI által generált tartalom minőségét.

 – Entitásfelismerési hibák, amikor az MI által generált eredmények szintaktikailag helyesnek tűnhetnek, de nem azonosítják a megfelelő személyt, földrajzi helyet vagy intézményt.

 

Ezek a kihívások azonban inkább produktív innovációkat ösztönöznek, mint leküzdhetetlen akadályokat jelentenek. Az OCLC megközelítése a WorldCat MI-vel támogatott duplikátumok eltávolításához bemutatja, hogyan lehet a minőségi problémákat hibrid megközelítésekkel megoldani, amelyek ötvözik az MI hatékonyságát az emberi szakértelemmel. Az OCLC szorosan együttműködött a katalógusok közösségével, hogy segítsen validálni a gépi tanulási modellnek a WorldCat duplikátum rekordok megértését. A mai napig az OCLC több mint 9 millió duplikátum rekordot távolított el a WorldCatból ennek az MI modellnek köszönhetően, amelyet továbbra is tesztelnek és finomítanak. A folyamat konzervatív döntéshozatali protokollokat és emberi felügyeletet tartalmaz a komplex esetek esetében, bemutatva, hogy az MI hogyan tudja javítani a minőségi munkát, ahelyett, hogy rontaná azt.

 

Ezek a fejlemények produktív beszélgetéseket indítanak el az emberi felügyeleti folyamatokról, a minőség-ellenőrzési ellenőrző pontokról és a képzési megközelítésekről, amelyek segítenek a személyzetnek hatékonyan értékelni az MI eredményeit – és amelyek máris gyakorlati megoldásokat hoznak.

 

Kontextuális és kulturális ismeretek hiányosságai

 

A munkacsoport által azonosított egyik legjelentősebb korlát az MI jelenlegi nehézségével kapcsolatos, a kontextuális és kulturális ismeretek terén. A résztvevők gyakorlati kihívásokra hívták fel a figyelmet, például arra, hogy az MI átírási rendszerek a „MARC” szót „Mark”-ra, a „nomen” szót pedig „Newman”-ra konvertálják a műszaki terminológiát tartalmazó felvételekben. Általánosabban fogalmazva, az MI rendszerek gyakran nem rendelkeznek a közösségspecifikus terminológiához vagy a kulturális árnyalatokhoz szükséges mély kontextuális megértéssel, amelyek nem jelennek meg az általános képzési adatbázisokban.

 

A könyvtári közösség ezeket nem végleges korlátoknak tekinti, hanem aktívan foglalkozik velük. Ezek a kihívások egy fontos lehetőségre hívják fel a figyelmet: az általános célú modellek helyett specializáltabb, feladatspecifikus MI-eszközökre van szükség. Az OCLC tárgyelemzéssel és osztályozási előrejelzéssel kapcsolatos kísérletei bemutatják ezt a megközelítést a gyakorlatban. Az MI-modelleket magas színvonalú könyvtári metaadatokra – konkrétan a WorldCat-adatokra – alapozva az OCLC olyan eszközöket fejleszt, amelyek jobban megértik a könyvtári kontextusokat, mint az általános célú modellek.

 

Ez a speciális megközelítés megerősíti a könyvtárosok és levéltárosok mélyreható gyűjteményismeretének és kulturális szakértelmének folyamatos értékét, és az MI-t a szakmai ítélőképességet kiegészítő, nem pedig helyettesítő eszközként pozícionálja.

 

A szakmai szerepek és készségek fejlődése: fejlesztés, nem pedig helyettesítés

 

A résztvevők őszinte érdeklődést mutattak az MI iránt, mint a hatékonyság növelésének és a metaadatokkal foglalkozó szakemberek ismétlődő munkától való megszabadításának eszközét, hogy azok komplexebb és specializáltabb feladatokra koncentrálhassanak. Ugyanakkor átgondolt kérdések merültek fel a szakmai fejlődésről és a készségek fenntartásáról egy MI-vel támogatott környezetben.

 

A legfontosabb szempontok között szerepel annak biztosítása, hogy az új szakemberek elsajátítsák azokat az alapvető készségeket, amelyeket hagyományosan olyan feladatok elvégzésével szereztek meg, mint a rövid rekordok létrehozása, mert ezek a készségek később, karrierjük során elengedhetetlenek lesznek az MI-eredmények hatékony értékeléséhez. A tapasztalt katalogizálók felvetették a kérdést, hogy ha több időt töltenek a felülvizsgálattal, mint a létrehozással, az hatással lehet-e arra a képességükre, hogy felismerjék a finom hibákat, vagy kezeljék az emberi éleslátást igénylő összetett anyagokat.

 

Ezek a megbeszélések rávilágítanak arra, hogy az MI-megvalósításokat nem az emberi szakértelem helyettesítésére, hanem kiegészítésére kell tervezni, biztosítva, hogy a szakmai fejlődés útjai továbbra is szilárdak maradjanak, miközben az MI potenciálját kihasználják a nagy mennyiségű és rutin jellegű feladatok kezelésére. Az OCLC megközelítése jól példázza ezt a filozófiát. Az OCLC MI-duplikációmentesítési projektje például nem szünteti meg az emberi felügyeletet, hanem átirányítja azt oda, ahol a szakértelem a legfontosabb. Ahogy Bemal Rajapatirana megjegyezte: „Ez a duplikációmentesítési megközelítés nem az emberek szerepének csökkentéséről szól, hanem arról, hogy szakértelmüket oda összpontosítsák, ahol az a legfontosabb. A katalogizálók a duplikált rekordok megoldásával töltött órák helyett olyan magas értékű munkára koncentrálhatnak, amely összeköti őket közösségeikkel.”

 

A valós könyvtári példák már bizonyítják ezt a potenciált. A Calgary Egyetem Könyvtára az MI chatbot bevezetését követően sikeresen átirányította 1,5 teljes munkaidős alkalmazott idejét stratégiaibb, magasabb szintű feladatokra, megmutatva, hogy az MI hogyan teremt teret a könyvtári munka egyedülállóan emberi aspektusainak, ahelyett, hogy csökkentené a szakmai szerepeket.

 

Etikai szempontok és szabványok: az átláthatóság beépítése a gyakorlatba

 

A munkacsoport tagjai számos fontos etikai szempontot azonosítottak, amelyek közül az adatok eredete és az átláthatóság különösen fontosnak bizonyult. A résztvevők hangsúlyozták, hogy mind a minőség-ellenőrzés, mind az átláthatóság érdekében nyomon kell követni, hogy az MI mikor és hogyan járul hozzá a metaadatokhoz.

 

Például egy esettanulmányban, ahol az MI-nek egy keresőeszközt adtak, és megkérték, hogy adjon meg címszavakat személynevekhez, amelyeket az LC Name Authority File-ban ellenőriztek, az eszköz helyesen megfogalmazott címszavakat adott (pl. „Bukowski, Charles, 1920–1994” dátumokkal kiegészítve), és az MI azt is állította, hogy azok ellenőrzésre kerültek, de valójában nem voltak helyes, engedélyezett címszavak („Bukowski, Charles”). Ilyen esetekben a származási információk megadása, amely jelzi, hogy a címszót az MI adta, minőség-ellenőrzési célból emberi felülvizsgálatot indíthat el.

 

Az OCLC a WorldCat dokumentációjának frissítésével és olyan programok révén nyújtott útmutatással, mint az AskQC Office Hours, válaszolt a közösség kérdéseire az MI által generált metaadatok eredetéről. Az OCLC Bibliographic Formats and Standards (BFAS) mostantól a 3.5. szakaszban tartalmaz utasításokat az MI által generált metaadatok bibliográfiai rekordokban való rögzítésére. Az olvasók számára hasznos lehet az AskQC Office Hours 2025. augusztusi ülésének megtekintése is.

 

Kérdések merültek fel az MI által generált metaadatok életciklusával kapcsolatban is: Mikor válik az MI által generált tartalom egyszerűen „szakember által ellenőrzött tartalommá”? Hogyan egyensúlyozzuk az átláthatóságot a gyakorlati munkafolyamatok szempontjaival? Ezek a viták tükrözik a könyvtári közösség elkötelezettségét az új technológiák gyakorlati következményeinek felelősségteljes feldolgozása iránt.

 

Környezettudatosság és felelősségvállalás

 

A résztvevők aggodalmukat fejezték ki az MI környezeti hatásait illetően, és jelezték, hogy hasonló hatékonyság mellett az alacsonyabb energiaigényű megoldásokat részesítik előnyben. A metaadat-kezelők ezt nem akadálynak tekintették, hanem felismerték, hogy szükség van a különböző MI-alkalmazások környezeti hatásairól szóló hozzáférhető információkra, amelyek lehetővé teszik a tájékozott döntéshozatalt, és a felelősségteljes megvalósítási lehetőségekről szóló érdemi párbeszédet a csapataikkal.

 

Az OCLC MI-fejlesztési megközelítése tükrözi ezt a környezettudatosságot. A WorldCat duplikációmentesítési modellje úgy lett kialakítva, hogy számításigénye hatékony legyen, csökkentve a felesleges erőforrás-felhasználást, miközben magas színvonalú eredményeket biztosít. Rajapatirana magyarázata szerint „az MI ökológiai lábnyomának optimalizálásával biztosítjuk, hogy a duplikációmentesítés hosszú távon is költséghatékony és skálázható maradjon”. Ez a környezettudatosság tükrözi a könyvtári közösség szélesebb körű elkötelezettségét a fenntarthatóság és a felelősségteljes technológiaalkalmazás iránt, és lehetőségeket kínál a könyvtári MI energiahatásairól szóló képzésekre és információcserére.

 

Következtetés

 

A blogbejegyzésben leírt aggályok és lehetőségek egy olyan közösséget tükröznek, amely aktívan átgondolja egy új technológia következményeit, ahelyett, hogy egyszerűen csak átvenné azt. A speciális MI-eszközök, minőségi keretrendszerek és etikai irányelvek iránti egyértelműen megfogalmazott igény olyan innovációkat ösztönöz, amelyek a jelenlegi korlátokat hivatottak megoldani.

 

A munkacsoport résztvevőinek hangsúlya a szakmai szakértelem megőrzésén és az MI képességeinek kihasználásán alapul, ami egy átgondolt technológiai integrációs megközelítést sugall, amely megőrzi a könyvtári munka értékét, miközben növeli annak hatását.

 

Az RLP Mesterséges intelligencia kezelése a metaadatok munkafolyamataiban munkacsoportja lehetőséget biztosított a metaadatok kezelőinek, hogy azonosítsák az MI metaadatok munkafolyamataiban való használatának fontos következményeit. Ez a blogsorozat ezeket a betekintéseket összegzi, és reméljük, hogy ezek a megfigyelések hasznos útmutatást nyújtanak a könyvtári közösségnek, amely közösen navigál a technológiai változások között.

 

Megjegyzés: Ahogyan az várható volt, az MI-technológiákat széles körben használták a projekt során. Különböző eszközöket – többek között a Copilot, a ChatGPT és a Claude programokat – használtak a jegyzetek, felvételek és átiratok összefoglalásához. Ezek hasznosak voltak a három alcsoportra vonatkozó betekintések összefoglalásához és a blogbejegyzésben leírt átfogó témák típusainak gyors azonosításához.

 

Forrás: Striking the right balance: Opportunities and challenges of AI in metadata workflows - Hanging Together