I musei del futuro: l'AI può davvero rendere le mostre più inclusive?

I musei stanno cambiando più velocemente di quanto pensiamo. Un nuovo studio analizza come la tecnologia, la cultura digitale e le lotte politiche si intrecciano nei luoghi della cultura. Prima di tutto, gli autori ricordano le critiche al modello museale modernista, considerato neutro ma in realtà eurocentrico. Nuove correnti come la New Museology e le prospettive decoloniali chiedono musei più aperti e meno autoritari. Poi, il focus si sposta dal museo tradizionale, quasi un tempio, a quello “interfaccia”: digitalizzazione, mostre immersive e giochi interattivi. Queste novità promettono di avvicinare più persone, ma se usate senza riflessione rischiano di riprodurre le stesse disuguaglianze, nascondendo narrazioni diverse. Infine, l’articolo esplora i musei iperconnessi, dove l’intelligenza artificiale entra in scena. Progetti come Demonumenta e Curationist mostrano come l’AI possa curare, mediare e ricostruire collezioni, ma solo se gli algoritmi sono resi visibili e criticabili. Il concetto di “meta‑algoritmic curation” suggerisce di trasformare i dati da presunti neutrali a strumenti politici, capaci di dare voce a prospettive marginali. In sintesi, la ricerca invita a usare la tecnologia come leva per musei più inclusivi, distribuiti e impegnati politicamente, senza dimenticare di mettere sempre in discussione le proprie scelte digitali.

Il concetto di meta‑algoritmic curation nasce dalla constatazione che gli algoritmi non sono entità neutre, ma riflettono le scelte di chi li progetta. In ambito museale, i dati di visita, le raccomandazioni di opere o le ricostruzioni 3D sono spesso alimentati da modelli di machine learning addestrati su set di dati storicamente sbilanciati verso collezioni occidentali. Per rendere questi sistemi più equi, è necessario introdurre pratiche di “algorithmic auditing”: analisi sistematica delle decisioni dell’AI, identificazione di bias e implementazione di metriche di diversità. Inoltre, la trasparenza può essere aumentata mediante interfacce open‑source che permettono a curatori, ricercatori e pubblico di modificare i parametri di selezione. Un esempio pratico è l’uso di reti neurali generative per ricostruire manufatti incompleti: se il training set include solo esempi di arte classica, le ricostruzioni tenderanno a replicare stili eurocentrici, escludendo influenze africane o asiatiche. Un approccio più inclusivo prevede l’integrazione di dataset etnografici e la co‑creazione con comunità locali, garantendo che le ricostruzioni riflettano una pluralità di tradizioni. Infine, la gamification e le esperienze immersive devono essere progettate con principi di universal design, evitando barriere cognitive o sensoriali. L’adozione di standard aperti per metadata, come CIDOC‑CRM, facilita l’interoperabilità tra collezioni e permette a diversi attori di contribuire a una narrazione più condivisa. In sintesi, la chiave per musei digitali più giusti è una combinazione di audit algoritmico, dataset diversificati, co‑design con le comunità e standard aperti per i dati culturali.