幫藝術品下標籤,大家一起來
幫藝術品下標籤,大家一起來
2007.04.15 |

漫步在美術館,一幅畫很容易就抓住了我們,只要一走近畫,看到畫作附近的標籤,我們很容易就知道這些畫的作者和名稱,也能了解這是什麼時代的作品。然而如果我們沒辦法親自到博物館,想試著在網站上找到或認識一些畫,很可能會大失所望。因為除非知道畫的名稱或是畫家的名字,否則我們根本無法搜尋到想要的畫。
「美術館已經發覺線上收藏品並沒有發揮應有的功能,現在的作法根本是把內容藏起來,讓專家以外的人無所適從,」多倫多檔案與博物館資訊公司(Archives and Museum Informatics)的合夥人之一珍妮佛川特(Jennifer Trant)這麼說:,「我們必須提供和視覺記憶同樣的方法來吸引網友。」
在虛擬展館(Web 1.0)花費數百萬美元和多年努力之後(虛擬展館比實體展館吸引了更多參觀者),美術館開始重新思考他們的線上收藏運作方式。標籤(tagging)是相片網站Flickr.com大受歡迎的原因;讓網友替收藏品訂定標籤,幾家大型博物館正開始體驗Web 2.0精神。

集思廣益讓關鍵字更完整

社會性標籤(social tagging)指的就是由使用者針對服務內容(如照片、網站連結、藝術)提出標籤或註解,從而創造出使用者自行產生的分類,或可稱之為大眾分類法(folksonomy,此字由folks和taxonomy組合而來,folks指大眾,taxonomy指分類法)。
博物館或美術館打算鼓勵大眾為館藏提供描述性的社會標籤,讓大眾標籤與專業的說明並列,創造出一種新型態的分享語彙。如梵谷的名畫《星夜》(Starry Night)所出現的標籤,就會有「星星」、「星球」、「漩渦」或是「精神錯亂」等。
但我們真的能信任一般大眾為藝術品所下的標籤嗎?館長真的會讓網友這麼做嗎?
大都會美術館(Metropolitan Museum of Art)在二○○五年秋天進行了一項測試,由志願者們為三十幅畫作、雕塑和其他藝術品的影像提供關鍵字。把這些標籤拿來和美術館的分類目錄進行比對,結果有超過八○%的詞彙不在美術館原先的文件中。
舉例來說,佛萊斯(Joachim Friess)的裝飾雕塑作品《黛安娜與雄鹿》(Diana and the Stag),「鹿角」、「箭術」和「女獵手」等標籤如預期出現,但「珍貴的」、「奢華的」等意想不到的標籤也跑出來了。「這些結果相當驚人」,大都會美術館收藏品資訊規劃總經理鍾蘇珊(Susan Chun)表示:「美術館和大眾之間的確存在著巨大的語義鴻溝。」
綜合大都會美術館的測試和其他研究,一些美術館組成了史帝夫美術館標籤計畫(steve.museum tagging project),延續「玩標籤」計畫。讓民眾為藝術品下標籤,可以讓美術館省下替成千上萬件作品按照主題一一製作索引高成本外,其實還有很多其他理由。
川特就表示:「藝術專家覺得描述一幅畫的視覺要素是極為困難的。」她回憶在大都會美術館進行標籤測試初期,一位藝術專家曾挫折地抱怨:「所有我知道的字彙都不適用於這幅畫。」
但是一般大眾卻沒有這些限制,「我們絕對不會說一件作品幾乎都是紅色的,或是帶有某種倦怠感,或說他的特色是一隻玩撲克牌的狗,」丹佛美術館新科技部主任布魯斯韋曼(Bruce Wyman)說:「讓大眾下標籤,卻給了我們一雙從沒有的眼睛。」

巧妙創造前所未有的關聯

二○○六年八月史密森創新攝影(Smithsonian Photography Initiative)也邀請訪客們到網站(photography.si.edu),為兩千幅相片加上標籤。只要點選「進入相框」(Enter the Frame)後,網友立刻就可看到其他訪客的標籤,不過要等專家檢閱過,網友的標籤才會正式加入資料庫。
「我們的關鍵字很不夠,」創新攝影網站的製作人卡薩里斯(Effie Kapsalis)說:「沒有任何分類系統能夠涵蓋這些照片的所有主題,但我們想要讓每一張照片擁有許多標籤,於是只好向大眾求助。」
標籤字眼從明顯的、世俗的,到印象主義的、個人的,什麼都會有。一張葛麗泰嘉寶(Greta Garbo)的照片被網友標註為「寂寞」,而身穿南北戰爭軍服男孩們的照片則讓人覺得「無辜」。這些標籤在不同的影像間創造出前所未有的關聯,有時深具啟發性,有時則讓人會心一笑。意想不到的關聯可讓照片輕易地被串連瀏覽,這種方式是美術館網站以前從不曾做到的。
大眾會想為藝術品加標籤嗎?多數的大型美術館擁有健全的志工團,一般藝術愛好者也願意趁此機會協助美術館作業,同時現今愛分享的網路風氣也鼓勵人們參與「集體智慧」計畫(如使用者共同撰寫的維基百科)。從幾個博物館的標籤計畫看來,發現網友標記出的詞彙,其實隱然都和個人相關。
以史帝夫美術館標籤計畫來說,可發現有些標籤是人人都會用的,另外大部份的詞彙卻很少被用。薩金特(John Singer Sargent)的名畫《Madame X》,最常見的五大標籤是女人、黑衣、肖像畫、桌子、禮服,但這五大標籤之後,就進入一長串愈來愈主觀的詞彙,如僵硬的、大膽的、丟臉的、自負傲慢的人、貴族等。
如果標籤是網友對藝術品的「某某」感覺,那顯然的每個人對於什麼是「某某」,都有很不同的看法。「這是一件好事」,雪梨動力博物館網路服務經理陳塞巴斯汀(Sebastian Chan)說。雪梨動力博物館網站二○○六年六月重新設計後,鼓勵大眾為館藏下標籤。一位雪梨人保羅麥卡錫(Paul McCarthy)已在動力博物館的網站上,為影像下了無數個標籤,他甚至經常使用電動遊戲中的名詞和一般流行語。

玩標籤的美術館

史帝夫美術館標籤計畫(steve.museum)
網址:steve.museum/
特色:由多家美術館聯合進行的標籤研究計畫,希望能改進線上收藏品與大眾間的接觸管道,縮短學者專家和一般民眾對藝術作品感知的鴻溝。網頁上隨機出現從各美術館選出的作品,無論使用者是否註冊或登入,都可以為各項作品下標籤。使用者鍵入的資料將會由該計畫成員進行分析研究。

澳洲雪梨動力博物館(Powerhouse Museum in Sydney, Australia)
網址:www.powerhousemuseum.com/collection/database/
特色:鼓勵訪客為線上館藏下標籤,還提供「使用者流行關鍵字」功能──由其他使用者描述作品的非官方標籤。使用關鍵字搜尋時,會同時列出使用者關鍵字搜尋結果以及官方關鍵字搜尋結果的影像檔及說明。進入選定的作品網頁,作品影像檔可以隨意放大縮小觀看,網頁右側列有作品相關的關鍵字,並可自行加入新的關鍵字。

史密森創新攝影(Smithsonian Photography Initiative)
網址:photography.si.edu/
特色:2006年8月起展開「進入相框」活動,邀請訪客為2000幅不同影像加上標籤。從首頁即可「進入相框」,藉由左側過去訪客留下的關鍵字和相簿順序尋找和欣賞相片。每張相片都提供簡單的資訊,同時使用者可以自行增加關鍵字,並經由拖曳相片功能,在下方建立自己的相簿順序。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓