國內人工智能賦能文化遺產數(shù)字化保護、傳承與應用的研究綜述

摘" 要：運用CiteSpace對中國知網期刊數(shù)據庫中人工智能賦能文化遺產領域的文獻進行梳理與分析，從文獻關鍵詞聚類圖譜和時間軸圖譜中分析研究熱點和研究趨勢。對已有研究成果的特征進行評述，展望文化遺產數(shù)字化保護、傳承與應用的未來研究方向。在國內人工智能賦能文化遺產領域的研究文獻中，熱點研究主題可歸納為：文化遺產知識的抽取、分類與組織，文化遺產圖像內容的識別、分類與修復，文化遺產數(shù)字化創(chuàng)新設計與應用。隨著人工智能技術的不斷發(fā)展，未來需要不斷豐富與建構理論體系、設計方法與應用路徑，充分發(fā)揮人工智能技術對于文化遺產數(shù)字化保護、傳承與應用的促進作用。

關鍵詞：人工智能；文化遺產；研究綜述；CiteSpace

近年來，隨著人工智能（AI）的迅速發(fā)展，國內學者在人工智能技術賦能文化遺產領域展開了一系列理論研究與實踐探索。2023年，人工智能生成內容（AIGC）蓬勃發(fā)展，為文化遺產的創(chuàng)造性轉化與利用提供了新的驅動力。通過對當前國內人工智能賦能文化遺產領域的研究文獻進行梳理與分析，歸納研究熱點，展望未來趨勢，從而為文化遺產的數(shù)字化保護、傳承與應用的研究提供更多的思路。

一、人工智能賦能文化遺產領域的研究文獻計量分析

筆者在中國知網期刊數(shù)據庫中以主題=“人工智能”+“文化遺產”為檢索方式進行檢索，以主題=“人工智能”+“非遺”的檢索方式進行補充檢索，共得到314條文獻記錄，文獻的發(fā)表時間為2012年1月1日至2024年6月21日。由于筆者主要對文獻中的關鍵詞展開分析，因此在檢索結果中剔除了會議記錄、社論、報告等材料，最終得到242篇文獻作為文獻分析的數(shù)據源?；跁r間分布的文獻發(fā)表數(shù)量可以從宏觀角度反映該研究領域的發(fā)展狀況，由圖1可知，2012年至2024年，中國知網期刊數(shù)據庫中相關文獻的發(fā)文量呈現(xiàn)出穩(wěn)步上升趨勢。2017年12月，工業(yè)和信息化部印發(fā)的《促進新一代人工智能產業(yè)發(fā)展三年行動計劃（2018-2020年）》中提出了促進人工智能產業(yè)發(fā)展的指導方針[1]。國內學者積極投身于人工智能相關學科發(fā)展、理論建模和技術創(chuàng)新的研究當中。因此，在2019年，國內出現(xiàn)了第一波文獻發(fā)表數(shù)量的小高峰。2023年，AIGC憑借其先進的深度學習算法和圖像生成能力，為文化遺產的創(chuàng)新設計與應用提供了新的驅動力。該技術引起了國內學界的廣泛關注，人工智能技術與文化遺產相結合的研究迎來了新的高潮，相關研究文獻的發(fā)表數(shù)量激增。

二、人工智能賦能文化遺產領域的研究熱點與研究趨勢分析

（一）研究熱點分析

CiteSpace作為知識圖譜繪制工具，通過對特定知識領域的文獻進行分析，可以將該領域的演進歷程集中展現(xiàn)在可視化圖譜上[2]。關鍵詞是文章的核心概括，其在知識圖譜中出現(xiàn)的頻次與研究熱度呈正相關，通過對聚類中高頻關鍵詞的分析可以快速梳理該領域的研究主題與熱點[3]。筆者使用CiteSpace（6.2版本）對242篇期刊文獻進行分析，得到關鍵詞聚類圖譜（如圖2）。通過圖譜可知，國內對于人工智能賦能文化遺產領域的研究共形成九個聚類知識群體。在每個聚類中，關鍵詞文本的字號大小與其出現(xiàn)的頻次呈正比，字號越大出現(xiàn)的頻次也就相對越高，高頻關鍵詞反映了國內的研究熱點與方向。筆者以高頻關鍵詞為核心對圖譜中各聚類的分析如下。聚類#0人工智能：以人工智能、非遺、創(chuàng)新設計等關鍵詞為核心的聚類。人工智能能夠快速生成與迭代文本、圖像以及視頻等內容，為文化遺產數(shù)字化創(chuàng)新設計與應用提供了新的手段。聚類#1數(shù)字化：以數(shù)字化、傳承、風格遷移、創(chuàng)新等關鍵詞為核心的聚類。風格遷移主要利用預先訓練的神經網絡模型對圖像中的內容和風格特征進行分離與重組，為文化遺產的圖案與圖形創(chuàng)新提供新的方式與路徑。聚類#2圖書館：以數(shù)字人文、傳統(tǒng)文化、知識圖譜、知識抽取、知識組織等關鍵詞為核心的聚類。在人工智能技術的支持下，國內學界對文化遺產文本內容自動化的抽取、分類與組織展開了研究，并在此基礎上構建知識圖譜，從而完成文化遺產文本信息的數(shù)字化保存、組織與利用。聚類#3文化遺產：以文化遺產、數(shù)據庫、保護管理、信息管理等關鍵詞為核心的聚類。基于人工智能技術的文化遺產信息數(shù)字化與數(shù)據化處理的研究，主要體現(xiàn)在運用AI輔助內容解析、多級標注、數(shù)據分類等信息保護與管理工作。聚類#4神經網絡：以機器學習、深度學習、神經網絡、圖像識別、圖像分割等關鍵詞為核心的聚類。深度學習主要通過神經網絡實現(xiàn)圖像識別、目標檢測和圖像分割等復雜任務的自動化，廣泛應用于文化遺產的視覺特征識別與處理、智能修復、圖像分類等研究[4]。聚類#5傳統(tǒng)村落：以傳統(tǒng)村落、數(shù)字孿生等關鍵詞為核心的聚類。通過深度學習技術提取傳統(tǒng)村落的空間特征，并利用AIGC技術支持傳統(tǒng)村落的數(shù)字孿生設計，以構建虛實結合的沉浸式體驗空間。聚類#7博物館：以博物館、數(shù)字教育、公眾教育等關鍵詞為核心的聚類。人工智能的發(fā)展推動了博物館的智慧化建設，以多樣化的展覽與傳播形式豐富了公眾教育的新模式。除上述聚類外，在#6元宇宙和#8應用場景的聚類中，保護傳承、關鍵技術等關鍵詞的出現(xiàn)，反映出國內學者對于人工智能技術在文化遺產數(shù)字化應用中的探索與實踐。

（二）研究趨勢分析

在CiteSpace中對242篇期刊文獻進行關鍵詞聚類分析，并以時間軸的形式繪制2015年至2024年人工智能賦能文化遺產領域研究的關鍵詞聚類時間軸圖譜（如圖3），由于2012年至2014年國內相關研究的發(fā)文量僅有2篇，因此未能形成聚類圖譜。在“數(shù)字化”聚類中，學習、發(fā)展、傳承、創(chuàng)新和保護都是該聚類中較早出現(xiàn)的高頻關鍵詞。這表明，在該研究領域的早期，運用人工智能技術輔助文化遺產的數(shù)字化保護、傳承與創(chuàng)新是較為熱門的研究方向。2020年后，該領域中風格遷移相關的研究逐漸增多?！叭斯ぶ悄堋笔前P鍵詞最多的聚類。2020年后，創(chuàng)新設計和非遺出現(xiàn)頻次較高，表明近年來國內學者在人工智能賦能非遺創(chuàng)新設計的研究中展開了較多的探索。2022年至2024年，知識組織、知識抽取和知識圖譜的出現(xiàn)，說明針對文化遺產的自動化知識抽取、分類與組織逐漸成為該領域內的研究前沿。“神經網絡”聚類出現(xiàn)在2020年至2023年，由該聚類可知，在文化遺產領域的智能化圖像識別方面，主要應用神經網絡、機器學習與深度學習等技術。在“文化遺產”聚類中，2022年至2024年數(shù)據庫、保護管理和信息管理等關鍵詞出現(xiàn)，基于人工智能技術構建智能化的數(shù)據庫，實現(xiàn)文化遺產數(shù)字化信息保護與管理成為了該領域新的研究熱點。

三、人工智能賦能文化遺產領域的熱點研究主題分析

根據關鍵詞聚類圖譜中的高頻關鍵詞可以歸納該領域的熱點研究主題。第一，根據聚類#2圖書館中的知識圖譜、知識抽取、知識組織，聚類#3文化遺產中的數(shù)據庫、保護管理、信息管理，可歸納出熱點研究主題一：文化遺產知識的抽取、分類與組織。第二，根據聚類#4神經網絡中的圖像識別、圖像分割，結合已有研究文獻，可歸納出熱點研究主題二：文化遺產圖像內容的識別、分類與修復。第三，根據聚類#0人工智能中的非遺、創(chuàng)新設計，聚類#1數(shù)字化中的風格遷移、創(chuàng)新，聚類#5傳統(tǒng)村落中的數(shù)字孿生，聚類#6元宇宙中的三維建模，聚類#7博物館中的數(shù)字教育、公眾教育，可歸納出熱點研究主題三：文化遺產數(shù)字化創(chuàng)新設計與應用?！拔幕z產知識的抽取、分類與組織”探索了人工智能介入下文化遺產文本屬性和內容的抽取與分類方法，自動化構建知識圖譜的手段以及搭建智能化知識庫的路徑?！拔幕z產圖像內容的識別、分類與修復”針對文化遺產圖像資料的智能化圖像識別、圖像分類、圖像分割、特征提取、目標檢測等方法展開研究。“文化遺產數(shù)字化創(chuàng)新設計與應用”則關注人工智能介入下文化遺產數(shù)字化的創(chuàng)造性轉化與利用，通過實踐驗證設計方法、策略與流程的可行性。三個熱點研究主題各有不同但又緊密關聯(lián)，體現(xiàn)了智能時代下文化遺產數(shù)字化保護、傳承與應用的研究路徑。

（一）人工智能賦能文化遺產知識的抽取、分類與組織

國內學者運用機器學習、深度學習等智能算法，探索了人工智能介入下文化遺產知識自動化抽取、分類與組織的方法，智能生成知識圖譜的策略以及文化遺產數(shù)據活化利用的路徑。在知識抽取方面，范濤等[5]構建了一種基于深度學習的非遺語義抽取模型，并驗證了該模型在學習、抽取非遺文本序列的語義信息與短語特征方面具備優(yōu)越性。在知識分類、組織以及知識圖譜的構建方面，陳昱成等[6]基于大語言模型（BERT、ERNIE）和生成式模型Baichuan-7B構建了非遺項目類別分類器，對非遺科爾沁敘事民歌的歷史起源、代表作品、傳承現(xiàn)狀進行分類與組織，并構建知識圖譜。在數(shù)據活化利用方面，范煒等[7]以非遺羌年為例，從多元異構數(shù)據資源中生成了非遺智慧數(shù)據，探索了大語言模型與知識庫相結合的非遺數(shù)據智能分析與活化利用路徑。

（二）人工智能賦能文化遺產圖像內容的識別、分類與修復

基于深度學習技術，學者們探索了文化遺產圖像的自動化識別、分類、修復與特征提取的方法，運用人工智能算法輔助文化遺產圖像數(shù)字化保存與虛擬修復的工作。在圖像識別與分類方面，周澤聿等[8]構建了基于Xception模型的中華傳統(tǒng)刺繡圖像分類模型，結合深度學習和遷移學習，有效提升了刺繡圖像分類的準確率。陳玉紅等[9]提出了一種基于卷積神經網絡的唐卡尊像自動分類方法，并驗證了該方法可以提高圖像分類的準確率。在圖像分割方面，陳鋆純等[10]利用U-Net深度學習網絡自動化分割了花瑤挑花紋樣，提取了紋樣圖像的構圖與色彩語義特征，并通過風格遷移技術生成了新的紋樣圖像。此外，如何運用人工智能技術保護與修復壁畫遺產，是文化遺產圖像智能處理領域的一個重要課題[11]。楊挺等[12]提出了一種基于人工神經網絡（ANN）的圖像修復算法（SOM），利用SOM算法對壁畫中的破損區(qū)域進行修復。

（三）人工智能賦能文化遺產數(shù)字化創(chuàng)新設計與應用

在人工智能的介入下，學者們探討了文化遺產數(shù)字化創(chuàng)新設計應用的策略與路徑，搭建了智能輔助設計系統(tǒng)，探索了AIGC模型的訓練方法，數(shù)字化創(chuàng)新設計的手段與流程更加智能化和自動化，不斷推進文化遺產的創(chuàng)造性轉化與利用。在人工智能賦能文化遺產數(shù)字化應用的策略與路徑研究方面，楊京玲等[13]提出了AIGC技術在非遺桃花塢木版年畫家居設計中的創(chuàng)新性應用路徑與方法。在文化遺產智能設計流程的研究方面，張悅等[14]提出了人工智能技術介入下的鳳陽鳳畫數(shù)字化設計流程，通過YOLO算法實現(xiàn)鳳畫圖像特征的識別和提取，利用Cycle GAN圖像風格遷移網絡生成了不同風格特征的鳳畫圖案圖像。在智能輔助設計系統(tǒng)的建構方面，崔因等[15]采用Canny邊緣檢測算法提取了磁州窯的紋樣特征，運用深度神經網絡和對抗網絡技術構建了磁州窯裝飾紋樣智能輔助設計系統(tǒng)。在AIGC模型的訓練方面，于鵬等[16]以服飾視覺特征辨識性為切入點，通過相對較少的訓練集圖像數(shù)量、迭代步數(shù)和訓練時長，在Stable Diffusion中運用Lora模型實現(xiàn)了苗族服飾特征的風格遷移與圖像生成。

四、人工智能賦能文化遺產領域的研究與應用評述

（一）已有研究成果的特征

通過對文獻的分析與梳理，筆者發(fā)現(xiàn)已有研究呈現(xiàn)出以下特征：第一，文化遺產知識的智能化抽取、分類與組織，信息檢索與管理以及知識圖譜自動化構建的研究成果相對較多，而對于文化遺產智慧數(shù)據生成與活化利用路徑的研究不足。第二，文化與社會效益的研究熱度相對較高，經濟效益與產業(yè)融合的研究關注度相對較低。為挖掘人工智能賦能下文化遺產保護、傳承與應用的社會效益，文化遺產的數(shù)字化展示、傳播與應用成為國內學者的主要研究方向之一。關于人工智能驅動下文化遺產創(chuàng)造性轉化與利用所產生的經濟價值，文化遺產與其他產業(yè)融合發(fā)展所產生的經濟效益的研究文獻相對較少。第三，人工智能賦能文化遺產數(shù)字化設計與應用的研究較多，學界大多關注圖案紋樣的創(chuàng)新與產品概念設計方案的智能生成。在基礎理論探索與設計方法構建方面的研究不足，對于理論體系的支撐和方法論的挖掘有待深入。

（二）人工智能在文化遺產數(shù)字化設計與應用中存在的問題

現(xiàn)階段，人工智能的內容生成技術存在一定的局限性，其生成的內容大多基于已有的數(shù)據和模型，易出現(xiàn)內容同質化問題，需要解決生成內容同質化與數(shù)字文化需求多元化之間的矛盾。同時在文化遺產圖像內容的識別、學習與轉譯中，人工智能無法真正理解文化內涵與圖案寓意，導致其生成的圖像缺乏文化內涵的表達。此外，將理論方法應用于實踐所產生的結果與預期效果存在些許偏差，其原因可能在于：一方面，針對特定文化遺產主題的AIGC模型訓練方法還處在初步探索階段，AIGC模型的美學效果和內容生成的可控性需要優(yōu)化與提升；另一方面，人工智能賦能下的文化遺產智能設計方法需要不斷地豐富、發(fā)展與驗證，以增強其易用性與普適性。

五、研究展望

隨著人工智能生成技術的發(fā)展，文本、圖像、視頻等內容學習的精準性和輸出的可控性將顯著提升，為后續(xù)的研究與探索提供更多的可能性。在文化遺產數(shù)字化保護、傳承與應用的研究中，需要確立鮮明的問題導向，探索新的發(fā)展理念，不斷推動文化遺產數(shù)字化與智能化發(fā)展的新格局。通過上述文獻分析，筆者認為該領域的研究展望如下：第一，需要不斷構建和挖掘文化遺產知識自動化抽取、分類與組織的方法，探索全面、高效的知識圖譜自動化構建路徑。第二，在AIGC技術的支持下，不斷豐富文化遺產圖像內容自動化識別與分類的方法，建構文化遺產智能修復的路徑。第三，在文化遺產數(shù)字化創(chuàng)新設計與應用方面：一是AIGC模型訓練的方法與流程需不斷探索，例如，訓練集中文化遺產圖像資料的采集與篩選標準，圖像與文本標簽的寫入方法，提示詞文本內容的構成結構等規(guī)范需要不斷地探索與確立。二是人工智能賦能下設計方法的建構以及設計流程的優(yōu)化，探索文化遺產智能輔助設計系統(tǒng)的搭建與迭代路徑，拓展人工智能在設計領域中應用的廣度與深度。三是針對人工智能生成內容的評估方法與模型的構建，即面向批量生成的概念設計方案，需確立評價指標，構建高效的評價體系與評估模型以實現(xiàn)概念設計方案的有效篩選，助力設計方案的快速輸出與迭代。

參考文獻：

[1]工信部網站.工業(yè)和信息化部關于印發(fā)《促進新一代人工智能產業(yè)發(fā)展三年行動計劃（2018-2020年）》的通知[EB/OL].[2017-12-15].https：//www.cac.gov.cn/2017-12/15/c_1122114520.htm.

[2]陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015（2）：242-253.

[3]吳玨，俞佳楠，陳絮菲.沉浸式虛擬技術在文化遺產領域的研究現(xiàn)狀與熱點分析[J].創(chuàng)意與設計，2022（3）：71-80.

[4]馬進，張彤彤，錢曉松，等.人工智能在非物質文化遺產保護與傳承中的應用研究現(xiàn)狀[J].包裝工程，2023（8）：1-14，36.

[5]范濤，王昊，張寶隆.基于遠程監(jiān)督和深度學習的非物質文化遺產文本屬性抽取研究[J].情報理論與實踐，2021（10）：1-7，17.

[6]陳昱成，黎洋，劉江峰，等.AIGC視角下非物質文化遺產知識圖譜的構建研究[J].科技情報研究，2024（2）：115-128.

[7]范煒，曾蕾.AI新時代面向文化遺產活化利用的智慧數(shù)據生成路徑探析[J].中國圖書館學報，2024（2）：4-29.

[8]周澤聿，王昊，張小琴，等.基于Xception-TD的中華傳統(tǒng)刺繡分類模型構建[J].數(shù)據分析與知識發(fā)現(xiàn)，2022（C1）：338-347.

[9]陳玉紅，劉曉靜.基于卷積神經網絡的唐卡尊像自動分類研究[J].計算機技術與發(fā)展，2021（12）：167-174.

[10]陳鋆純，彭堅，郭寅曼，等.基于花瑤挑花紋樣風格化圖像的輔助設計研究[J].包裝工程，2022（14）：246-253.

[11]竇金花，張彬蕊，錢曉松.人工智能賦能文化遺產領域的研究綜述——基于CiteSpace的可視化分析[J].包裝工程，2023（14）：1-20.

[12]楊挺，王雙雙，盆海波，等.基于改進SOM的壁畫圖像裂縫自動識別與修復[J].天津大學學報（自然科學與工程技術版），2020（9）：932-938.

[13]楊京玲，陳燕雯.基于AIGC的桃花塢木版年畫在家居設計中的創(chuàng)新應用研究[J].包裝工程，2024（12）：465-473.

[14]張悅，高安格.人工智能背景下鳳陽鳳畫數(shù)字化設計創(chuàng)新研究[J].包裝工程，2023（24）：50-57.

[15]崔因，楊建明，李芳，等.磁州窯裝飾紋樣智能輔助設計研究[J].包裝工程，2023（16）：1-9.

[16]于鵬，張毅.從特征辨識到圖像生成：基于AIGC范式的苗族服飾設計[J].絲綢，2024（3）：1-10.

作者簡介：劉亦武，桂林電子科技大學藝術與設計學院碩士研究生。

通訊作者：李旭，桂林電子科技大學藝術與設計學院教授。

基金項目：本文系2023年廣西哲學社會科學研究一般項目“人工智能輔助廣西傳統(tǒng)民族紋飾圖像資料挖掘及知識圖譜數(shù)據庫構建研究”（23BMZ007）；2024年廣西研究生教育創(chuàng)新計劃項目“生成式人工智能賦能下廣西苗族裝飾紋樣在數(shù)字文化創(chuàng)意產品中的應用研究”（YCSW2024321）研究成果。