М Л Стреж Искусственный интеллект и культурная память

Искусственный интеллект в реставрации памятников и сохранении культурной памяти

Передовые технологии и возможные сценарии развития

Максим Львович Стреж

Academia.edu | Maksim Lvovich Strezh

Научный обзор и программа перспективных исследований | 29 октября 2026 года

Аннотация

Искусственный интеллект меняет методы документирования, обследования и интерпретации памятников, а цифровые мемориалы расширяют пространство памяти за пределы физического объекта. В статье рассмотрены компьютерное зрение, нейронные представления сцен, реконструкция надписей и применение ИИ в мемориальных архивах. Основной тезис состоит в том, что ценность технологии для сохранения наследия определяется проверяемой связью между свидетельством, интерпретацией и вмешательством. Опубликованные результаты подтверждают пользу ИИ в ограниченных задачах, но не доказывают возможность автономной реставрации или историческую достоверность сгенерированного материала. Предлагается цифровое досье, объединяющее сведения о состоянии объекта, документальные источники, результаты моделей и решения специалистов. Сформулированы программа оценки и три условных сценария развития. Устойчивый прогресс требует измеримых результатов сохранения, явного обозначения неопределённости и ответственного обращения с материальным наследием и личной памятью.

Ключевые слова искусственный интеллект; реставрация памятников; цифровое наследие; эпиграфика; культурная память; цифровые мемориалы; происхождение данных

1 Предмет исследования и основания достоверности

Памятник сохраняет не только форму. Материал, надписи, следы ремонта и окружение свидетельствуют о людях и сообществах, поддерживающих память о них. Особенно наглядны погребальные памятники: разрушение стирает имя, а утрата семейных документов лишает его контекста. Применение ИИ затрагивает две связанные задачи: сохранение материального свидетельства и документальной среды, в которой оно остаётся понятным.

Работа является целевым нарративным обзором первичных исследований и официальных документов по реставрации и цифровому сохранению, доступных к 29 октября 2026 года. Источники отбирались по методологической значимости, отношению к теме и проверяемости, включая современные исследования визуализации и подходы к документированию наследия. Это не исчерпывающий систематический поиск или метаанализ. Новые полевые эксперименты, реставрационные обработки и пользовательские исследования не проводились; предложенные архитектура и сценарии требуют проверки.

Венецианская хартия связывает реставрацию с подлинным материалом и достоверной документацией, ограничивает предположительное вмешательство и требует фиксировать выполненные работы [1]. Лондонская хартия распространяет требования обоснованности на компьютерную визуализацию, различая существующее состояние, реставрацию на основе свидетельств и гипотетическую реконструкцию [2]. Отсюда следует практическая граница: правдоподобное восполнение может помогать интерпретации, но само по себе не доказывает, что восстановленная деталь действительно существовала.

Далее различаются три вида записей: наблюдения, предположения и разрешённые действия с фиксацией результата. Улучшенный портрет является производным материалом; предложенная дата остаётся гипотезой; отчёт документирует вмешательство. Разделение этих категорий расширяет возможности вычислительных методов, сохраняя доказательную основу исследования.

2 От цифровой фиксации к превентивному сохранению

Сохранение начинается со сбора данных. Пригодная запись включает положение изображения относительно объекта, масштаб, дату и условия съёмки, а также достаточный для поставленной задачи охват. Повторные обследования требуют сопоставимой геометрии и оценки погрешности совмещения и измерений. Иначе изменение освещения, влажности или ракурса можно принять за изменение материала. Единая терминология, например словарь ICOMOS-ISCS, помогает отделять описание разрушения от предположений о его причинах [3].

Компьютерное зрение позволяет выделять предполагаемые дефекты и поддерживать повторное обследование. Boutet и Hallot связывают обнаружение трещин исторической кладки с размером участка поверхности, приходящегося на пиксель: разрешение съёмки становится частью оценки модели [4]. Ye и соавторы объединяют сегментацию, калиброванные измерения и временное сопоставление на примере исторического здания [5]. Эти работы обосновывают конкретные схемы мониторинга, но не подтверждают применимость одного детектора ко всем породам камня, климатам и типам памятников.

При обследовании кладбища тёмная линия может оказаться трещиной, швом, тенью или биологическим налётом. Результат детектора обозначает участок для проверки с возможностью отказа от уверенного заключения, а не автоматически назначает очистку или укрепление. Изменения сопоставляются с погрешностью измерений. Устойчивость конструкции, внутреннее разрушение и совместимость материалов требуют сведений, которых на фотографии может не быть. Уверенная метка классификатора не заменяет недостающее обследование.

3 Нейронные модели и границы визуальной достоверности

Нейронные поля излучения NeRF формируют представление сцены по фотографиям и позволяют синтезировать новые ракурсы [6]. Метод трёхмерного гауссова сплаттинга описывает сцену оптимизируемыми гауссовыми примитивами и обеспечивает эффективную фотореалистичную визуализацию [7]. Такие представления расширяют возможности удалённого изучения объекта, однако выполняют иную доказательную функцию, чем съёмка с независимо проверенной геометрической точностью.

Это различие подтверждается исследованиями наследия. Li и соавторы сопоставили фотограмметрию и гауссов сплаттинг на двух наборах данных: визуальные преимущества сплаттинга сочетались с ограничениями геометрической точности, особенно при недостаточных исходных данных [8]. Suwardhi и соавторы показали взаимодополняющую архитектуру: наземное лазерное сканирование задаёт пространственную основу, а совмещённое гауссово представление используется для визуального изучения [9]. Эти результаты не позволяют считать любую нейронную реконструкцию метрологически достоверным цифровым двойником.

Обоснованный процесс сохраняет исходные фотографии и метрические данные независимо от программы визуализации. Области, построенные при недостатке свидетельств, должны оставаться различимыми. Синтетическое восполнение разрушенного рельефа полезно для сравнения гипотез, но привлекательная поверхность недостаточна для изготовления замены. Само понятие цифрового двойника предполагает поддерживаемую связь с объектом, датированные наблюдения и известную неопределённость, а не только интерактивное объёмное изображение.

Перенос цифровой реконструкции в физическую среду уже исследуется за пределами реставрации камня. Kachkine продемонстрировал визуальное восполнение утрат масляной живописи с помощью рассчитанной цифровыми методами съёмной печатной маски [10]. Это путь к документированному физическому дополнению, но не доказательство пригодности для уличных памятников. Адгезия, старение, влажность, температурные циклы и совместимость с камнем требуют отдельной проверки. Робототехника также может помогать в ограниченных задачах обследования, однако физическая обработка требует подходящих материалу процедур и профессионального решения.

4 Восстановление надписей без конструирования истории

Эпиграфика даёт особенно ясный пример взаимодополняемости специалиста и ИИ. В исследовании Ithaca точность первого варианта восстановления составляла около 62%, а результат историков при использовании системы вырос приблизительно с 25% до 72% в условиях экспериментального протокола [11]. Это показатели определённой задачи с искусственно скрытыми фрагментами древнегреческого текста. Они не гарантируют точность чтения выветренных кириллических имён, восстановления фотографий или реставрации памятников.

Aeneas расширяет такую помощь, предлагая контекстуальные параллели, варианты восстановления и атрибуции латинских надписей. В исследовании с участием историков результаты системы оценивались как полезная отправная точка исследования в 90% случаев [12]. Речь идёт о полезности в рамках этой работы, а не о 90-процентной исторической достоверности. Ценность состоит в более обоснованном поиске: предложенное чтение остаётся проверяемым по надписи, контексту и альтернативным интерпретациям.

Для погребальных надписей практический вывод требует осторожности. Следует сохранять буквальную транскрипцию, обозначать неразборчивые знаки, фиксировать варианты чтения и искать подтверждения в документах. Нельзя высекать предполагаемую фамилию или дату только потому, что языковая модель считает её наиболее вероятной. Генеративное улучшение портрета также способно добавить отсутствующие в источнике черты лица. Исходный скан и обработанное изображение должны храниться совместно, а изменения и неопределённость следует объяснять семье.

5 Связь материального памятника и архива памяти

В статье предлагается цифровое досье, связывающее объект, историю его состояния и документальные сведения о человеке или сообществе. CIDOC CRM предоставляет концептуальную основу для отношений между объектами наследия и событиями [13]; PROV-O позволяет описывать происхождение производных данных и ответственность участников [14]. Это средства совместимости и прослеживаемости, а не автоматической проверки биографии. Каждое утверждение в досье должно быть связано с источником, участником, датой и статусом проверки.

Досье включает фотографии до и после вмешательства, согласованные записи о работах, буквальные надписи, документы и отдельно обозначенные воспоминания. Противоречащие рассказы сохраняются с указанием авторов. Языковая модель с поиском по источникам может систематизировать материалы, переводить их и готовить проект биографии при проверке каждого фактического утверждения. Поиск ограничивает доказательную базу, но не исключает ошибок генерации. NIST относит уверенно сформулированные ложные сведения и чрезмерное доверие автоматизации к рискам, требующим оценки [15].

QR-табличка обеспечивает переход к досье, но сама не сохраняет архив. PREMIS позволяет фиксировать цифровые объекты, события сохранения, права и участников [16], а BagIt задаёт упаковку файлов с манифестами для передачи и контроля целостности [17]. План сохранения также требует независимых копий, проверки восстановления, пригодного экспорта и ответственного за доступ. Блокчейн или адресация по содержимому могут помогать проверять определённую версию, но не устанавливают истинность биографии и не отменяют зависимость от будущей инфраструктуры доступа.

Архив памяти и имитация умершего требуют разного подхода. Hollanek и Nowaczyk-Basińska исследуют посмертные аватары через этические сценарии и рекомендуют взаимное согласие, прозрачность и возможность завершить использование имитации [18]. Это нормативное исследование, а не доказательство терапевтической пользы. Поэтому архив должен оставаться доступным без аватара; вымышленную речь нельзя выдавать за документальное свидетельство, а взаимодействие с имитацией должно быть осознанным выбором.

6 Проверяемая программа оценки

Предлагаемое досье следует сравнивать с обычной профессиональной практикой. Проспективное исследование может сопоставить экспертное обследование и обследование с ИИ на памятниках, различающихся материалом, возрастом, надписями и воздействием среды. Между разработкой и проверкой разделяются целые памятники, а желательно и целые объекты наследия: случайное распределение почти одинаковых фотографий завысит переносимость результатов. Независимая эталонная разметка сохраняет экспертные разногласия. Объём выборки определяется основным показателем и ожидаемой вариабельностью, а не произвольным заявлением о репрезентативности.

Оценка включает пропущенные серьёзные дефекты, ложные сигналы на памятник, геометрическую погрешность, ошибки транскрипции, неподтверждённые биографические утверждения и время исправления специалистом. Для публичного мемориала ошибочную идентификацию или даты нужно учитывать отдельно от стилистических неточностей. Уверенность модели сопоставляется с наблюдаемой ошибкой с учётом доли отказов от заключения. Результаты разделяются по материалу, языку и условиям съёмки: среднее значение может скрывать неудачу именно на объектах, наиболее нуждающихся в сохранении.

Единицей экономической оценки служит проверенное досье или принятое обследование с учётом съёмки, вычислений, экспертной проверки, исправлений, хранения и дальнейшего обслуживания. Ускорение генерации не даёт экономии, если проверка становится дороже. Пилот позволяет установить реализуемость и затраты процесса, однако выводы об увеличении срока сохранности памятников требуют длительных наблюдений. Семьи и сообщества должны участвовать в оценке того, чьи свидетельства включены и не исчезают ли разногласия при редакционном упрощении.

7 Условные сценарии развития

Горизонты ниже упорядочивают возможности по состоянию на октябрь 2026 года. Им не приписываются вероятности или прогнозы объёма рынка.

Сценарии могут сосуществовать. Более совершенные модели расширяют возможности помощи, но долговременная ответственность определяет доступность и достоверность результатов. Интеграция датчиков, архивного поиска и ограниченных роботизированных операций составляет обоснованную исследовательскую перспективу. Автономная обработка разнородных исторических объектов требует доказательств, которых не даёт качество генерации изображений. Неблагоприятный сценарий связан и с институтами: записи трудно оспаривать, когда исчезают источники и история изменений.

Заключение

ИИ способен усилить сохранение наследия через наблюдение, сопоставление и доступ к источникам. Его обоснованная роль расширяется там, где ошибки измеряются, а ответственность за решения прослеживается. Предлагаемое досье объединяет заботу о материальном объекте и сохранение памяти, различая наблюдение, гипотезу и вмешательство. Критерием прогресса служат сохранённые свидетельства, сокращение значимых ошибок и записи, которые будущие исследователи и семьи смогут изучать, исправлять и наследовать.

Список литературы

Нумерация источников одинакова в обеих языковых версиях. Названия сохранены на языке оригинала. Поиск и проверка источников завершены 29 октября 2026 года.

[1] ICOMOS. (1964; adopted 1965). International Charter for the Conservation and Restoration of Monuments and Sites (The Venice Charter). www.icomos.org/images/DOCUMENTS/Charters/venice_e.pdf

[2] Denard, H. (Ed.). (2009). The London Charter for the Computer-based Visualisation of Cultural Heritage. Version 2.1, 7 February 2009. londoncharter.org/principles/documentation.html

[3] ICOMOS-ISCS. (2008). Illustrated glossary on stone deterioration patterns. Monuments and Sites XV. ICOMOS. openarchive.icomos.org/434/

[4] Boutet, S., & Hallot, P. (2025). Ground Sampling Distance as a Key Parameter for Automatic Crack Detection in Built Heritage: A Practical Framework With YOLOv5. ISPRS Archives, XLVIII-M-9-2025, 179-186. doi.org/10.5194/isprs-archives-XLVIII-M-9-2025-179-2025

[5] Ye, C., Yan, Z., Xu, Z., Shen, Z., Zhu, H., & Li, B. (2026). Crack detection and evolution monitoring for heritage buildings: A systematic computer vision-based approach. Journal of Infrastructure Intelligence and Resilience, 5(2), 100207. doi.org/10.1016/j.iintel.2026.100207

[6] Mildenhall, B., Srinivasan, P. P., Tancik, M., Barron, J. T., Ramamoorthi, R., & Ng, R. (2020). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ECCV 2020. www.matthewtancik.com/nerf

[7] Kerbl, B., Kopanas, G., Leimkühler, T., & Drettakis, G. (2023). 3D Gaussian Splatting for Real-Time Radiance Field Rendering. ACM Transactions on Graphics, 42(4), Article 139. doi.org/10.1145/3592433

[8] Li, X., Martino, A., Chiabrando, F., & Li, X. (2026). Photogrammetry and 3D Gaussian Splatting for Cultural Heritage. Pros, Cons and Main Differences. ISPRS Archives, XLIX-B2-2026, 451-458. doi.org/10.5194/isprs-archives-XLIX-B2-2026-451-2026

[9] Suwardhi, D., et al. (2026). Integrating Terrestrial Laser Scanning and 3D Gaussian Splatting for Heritage Building Documentation and Monitoring. ISPRS Archives, XLVIII-2/W12-2026, 463-470. doi.org/10.5194/isprs-archives-XLVIII-2-W12-2026-463-2026

[10] Kachkine, A. (2025). Physical restoration of a painting with a digitally constructed mask. Nature, 642, 343-350. doi.org/10.1038/s41586-025-09045-4

[11] Assael, Y., et al. (2022). Restoring and attributing ancient texts using deep neural networks. Nature, 603, 280-283. doi.org/10.1038/s41586-022-04448-z

[12] Assael, Y., et al. (2025). Contextualizing ancient texts with generative neural networks. Nature, 645, 141-147. doi.org/10.1038/s41586-025-09292-5

[13] CIDOC CRM Special Interest Group. (2024). Definition of the CIDOC Conceptual Reference Model. Version 7.1.3. cidoc-crm.org/Version/version-7.1.3

[14] Lebo, T., Sahoo, S., & McGuinness, D. (Eds.). (2013). PROV-O: The PROV Ontology. W3C Recommendation, 30 April 2013. www.w3.org/TR/prov-o/

[15] NIST. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1. doi.org/10.6028/NIST.AI.600-1

[16] PREMIS Editorial Committee. (2015). PREMIS Data Dictionary for Preservation Metadata. Version 3.0, revised November 2015. Library of Congress. www.loc.gov/standards/premis/v3/

[17] Kunze, J., Littman, J., Madden, E., Scancella, J., & Adams, C. (2018). The BagIt File Packaging Format (V1.0). RFC 8493. Informational RFC. doi.org/10.17487/RFC8493

[18] Hollanek, T., & Nowaczyk-Basińska, K. (2024). Griefbots, Deadbots, Postmortem Avatars: on Responsible Applications of Generative AI in the Digital Afterlife Industry. Philosophy & Technology, 37, Article 63. doi.org/10.1007/s13347-024-00744-w

Примечание о подготовке ИИ использован при подготовке текста, переводе и библиографической проверке. Рукопись представляет нарративный обзор и предлагаемую программу исследований; новые экспериментальные данные не получены. Русский и английский тексты являются параллельными версиями одной статьи.

Постоянный адрес данной публикации: