Toeristen hebben meestal heel uiteenlopende meningen, zelfs wanneer ze hetzelfde stuk stedelijk erfgoed op hetzelfde moment bekijken. Het was deze observatie die de nieuwsgierigheid van promovendus Nan Bai aanwakkerde. Tijdens zijn bachelor uitwisseling van zes maanden in Duitsland, bezocht hij 55 Europese steden. Tijdens het reizen luisterde hij graag naar de uiteenlopende opmerkingen van mensen op bijna elke plek die hij bezocht. Hij vroeg zich af waarom zou dat zo zijn en wat het betekent voor erfgoedbeheer. "Ik streef ernaar om het bredere publiek te betrekken bij de discussie rondom erfgoed.”

Nan komt oorspronkelijk uit Tsinghua, China. Daar volgde hij twee bachelors tegelijk, eentje in architectuur en een in psychologie. Toen al richtte hij zich meer op statistiek en de wiskunde die nodig is voor programmeren. Hij vervolgde zijn studieloopbaan met masters architectuur in China en Duitsland. Tijdens zijn master in Duitsland gebruikte hij zijn vrije tijd om zijn interesses te verkennen door betrokken te raken bij de master Heritage Conservation. Hij ontdekte ook AI, een onderwerp dat hij verder verkende als voorbereiding op zijn PhD. Nan: "Ik voelde aan dat vaardigheden en kennis met betrekking tot AI nodig zouden zijn als ik onderzoek toepasbaar wilde maken op grote schaal en op meerdere locaties."

Erfgoed evalueren in het tijdperk van social media

Nan's overkoepelende doel is het bestuderen van de perceptie en het gedrag van mensen binnen de gebouwde omgeving. Hij is een voorstander van inclusieve besluitvorming over de waarde van historisch erfgoed. Volgens hem moet rekening worden gehouden met de mening van iedereen. Nan: "Ik streef ernaar om het bredere publiek te betrekken bij de discussie rondom erfgoed. Deskundigen hebben hun eigen beperkingen. Door rekening te houden met een grote diversiteit aan perspectieven zullen beslissingen beter voldoen aan de belangen van een groter deel van de samenleving."

Nan solliciteerde in Delft naar een project over het analyseren van reacties op sociale media om sociale inclusie in erfgoed te bevorderen. Hij onderscheidde twee scenario's. Het ‘basis’-scenario gebruikt social media om de perceptie van mensen van stedelijk erfgoed onder normale omstandigheden in kaart te brengen. Het 'geactiveerde' scenario onderzoekt de veranderingen op social media tijdens crises. Nan’s uiteindelijke methode bestaat uit drie modules. Eén is gespecialiseerd in tekstanalyse, één in beeldherkenning, en de derde voegt hun output samen tot een samenhangend beeld.

'Basis' of 'geactiveerde' reactie op stedelijk erfgoed

Voor het basisscenario categoriseerde Nan eerst de perceptie van mensen met betrekking tot culturele betekenis. Hij kwam tot twee categorieën: 'uitzonderlijke universele waarde' of OUV (factoren zoals het demonstreren van meesterwerk, getuigenis, gebouwtypologie en culturele interacties) en 'erfgoedattributen' (wat wordt precies gewaardeerd als erfgoed? Is het een heel monument, decoratieve elementen, een bepaald gebied?) Elke categorie krijgt een eigen kaart met daarop de locatie van de bijbehorende social media posts. Het model werd getest in Venetië, waar Nan's onderzoek aantoonde dat toeristen allerlei onconventionele locaties verkennen. Hun posts dragen uitgebreid bij aan discussies over erfgoed op social media. Nan: "Dankzij mijn studie heb ik veel plekken in Venetië leren kennen die ik nog moet bezoeken!"

In zijn basisanalyse van Venetië toont Nan's model onder andere de locatie van social media posts met betrekking tot de OUV 'meesterwerk' (links) en de erfgoedattribuut 'interieur' (rechts). De zwarte cirkels markeren gebieden van specifiek belang, respectievelijk de Campo Santa Maria Nuova en de Basilica di Santa Maria Gloriasa dei Friari.

In het geactiveerde scenario brengt het model van Nan in kaart hoe social media posts zich ontwikkelen tijdens crises zoals de overstroming in Venetië in 2019 of de brand in de Notre Dame. Het doel is om het model verschillende aspecten van posts te laten ontcijferen, zoals emoties, de intensiteit van reacties, en de geografische verspreiding. De gegevens worden vervolgens samengevoegd op kaarten en tijdlijnen van twee weken om een overzicht te geven van wereldwijde erfgoedcrises. Een voorbeeld van een opmerkelijk resultaat van Nan's model is de publieke kritiek op de waterwering van Venetië tijdens de overstromingen. "Niet echt eerlijke kritiek, aangezien deze weringen nog niet operationeel waren."

De analyse van de publieke reacties op de brand in de Notre Dame leverde onder andere deze kaarten op van de wereldwijde verspreiding van geactiveerde Twitter-discussies met betrekking tot de kathedraal.

Zal een AI ooit begrijpen wat 'erfgoed' betekent?

Nan wil zijn onderzoek uitbreiden naar verschillende steden. Hij heeft de effectiviteit van het model al gevalideerd in Amsterdam: een gedetailleerde analyse van de stad is in de maak. Nan is van plan zijn modellen open access te maken, zodat iedereen kaarten kan maken op basis van hun eigen waarden en interesses. "De definitie van erfgoed kan veranderen. Met behulp van deze tools kunnen we bijvoorbeeld de waarde van stedelijk erfgoed voor veel facetten van de samenleving aantonen en zelfs enigszins kwantificeren. Hopelijk kunnen we zo voorkomen dat waardevol erfgoed verloren gaat door overijverige verbouwingen of renovaties." Terwijl hij zijn model bijstelt, kijkt hij uit naar wat de vooruitgangen in technologie en beschikbare gegevens kunnen brengen. "Misschien zullen deze neurale netwerken in de nabije toekomst een soort kennis ontwikkelen over culturele betekenis en stedelijk erfgoed."

Meer informatie

Op 5 oktober 2023 verdedigt Nan Bai zijn proefschrift ‘Sensing the Cultural Significance with AI for Social Inclusion’. Nan’s PhD is onderdeel van een EU-gefundeerd project, Heriland. Het project bestaat uit vijftien promovendi in zes landen, die allemaal werken aan het bevorderen van sociale inclusie in stedelijk erfgoed.