这篇文章和关于Shilpa的原始问题标题中的点击诱饵标题背后隐藏着更深的焦虑：“纱丽的穿法时代是否正悄然终结？”当我们急切地拥抱新技术时，我们是否会忘记那些让生活丰富多彩并充满乐趣的遗产？拒绝Luddite反对技术的暴力行为，我们能否构想出一个世界，在那个世界中技术能够服务于保护手工艺文化，而不是抹除它？在这篇文章中，让我们通过研究这样一种作为连接过去与现在、手工艺人与工程师、诗人与科学家的纽带的匠人纺织品，来探讨技术与手工艺之间的交集。
纺织品作为催化剂的角色纱丽风格的缠绕式服饰在超过1000年前的雕刻中就有描绘。首先我们要明白，古老的传统不能被现代技术“改进”。例如，电力织布机是否能织出与手工织布机上手工制作的织物相比美的纺织品这一点，人们意见不一。
,
一尊穿着类似纱丽的服装的陶土人像，来自Bengal（公元前2世纪至公元1世纪）
纺织品作为与地球上几乎每个人息息相关的文化方面，作为形成重要个人和跨文化联系网络的文物，具有独特的研究价值。工匠纺织品自工业革命以来一直面临威胁，当时最早的技术进步被用来机械化加工原始可编织材料并生产布料。因此，纺织品是技术进步与手工艺保护之间的交汇点。它们可以作为案例研究，用以探讨人工智能进步可能对物质文化产生的影响。
从文化霸凌到文化欣赏纺织品的研究往往会导致对时尚的研究，以及人类如何通过穿着来展示身份认同。有时，不适当或无意地使用某个群体使用的服装会传达不良意图或仅仅显示出无知。例如，在美式足球比赛中佩戴美洲原住民的战时头饰，就是将具有重要文化意义的服装在不合适的情境中穿着。如果我们假设技术进步的应用可以服务于帮助观众从不解到理解（这是EdTech的前提），那么让我们观察我们可以如何运用这些工具，帮助观众了解印度精美绝伦的手工艺纺织品。
纺织品背后的故事一种对抗无知的方法是通过观察历史。某个物质文化元素从何而来，又是如何演变到现在这个形态的？这种演变受到了哪些文化背景的影响？一个很好的例子就是传统的蓝色牛仔裤——这个在数百年间演变的服装……这件典型的美国服装（或者说不是吗？）
在17世纪，蓝色裤子起源于印度，被水手们所穿着，这些裤子被称为“Dungarees”。它们可能是“Serge de Nîmes”面料的前身，这种面料可能受到了印度棉布的启发，并成为了“Denim”这个词的可能来源。而“jeans”这个词起源于一种在热那亚制造的布料——“Bleu de Gênes”。这些联系反映了港口城市，码头工人和水手需要耐用的工作裤，这进一步反映了这些港口城市的需求。这也解释了这种服装是如何通过航海的水手迅速传播到世界各地的，反映了其在全球范围内的快速传播。
蓝色牛仔裤所用的靛蓝染色斜纹布在美洲，特别是在南方种植园上的强迫劳动以及棉花从北方向南方的流动中紧密相关。这种布料可以说对美国的历史产生了深远的影响。我们现在所熟知的牛仔裤是由利维·施特劳斯公司于1870年代推出的，该公司增加了裤缝上的铆钉，并申请了专利，这样加州的矿工们就可以放心他们的工作服不会撕裂。到了1970年代，牛仔裤已经成为反文化的象征；到了1980年代，它们成为了高级时尚的代表；直到今天，牛仔裤仍然在不断演变。追溯这条普通的蓝色牛仔裤的发展史，我们可以将纺织品的发展历程与推动它在全球传播的文化潮流相联系起来。
](https://imgapi.imooc.com/67369ee208da123b04740336.jpg)
讲故事的科技Levi-Strauss 的牛仔裤，真是坚不可摧！
技术在研究文物历史中扮演什么角色？世界各地的博物馆都在思考如何解决这个问题。第一步是将藏品放到网上，为此藏品需要进行数字化处理。
数字资产管理（DAM）解决方案被博物馆和图书馆（以及其他商业实体）用来数字化其模拟资料。所有的照片、3D渲染图和元数据都可以通过一个强大的DAM系统很好地保存在在线系统中。例如，库珀亨特博物馆和大都会博物馆构建的API，通过DAM系统和开放访问许可，使得开发者可以轻松地与这些收藏进行互动。
最简单的数字资产管理系统将是一个关系数据库，能够存储一个对象的多个照片和渲染图像，以及其详细元数据，包括来源、类型、日期、获取日期等。一个设计良好的这种数据库将允许用户跨部门查询相关文物，例如将一个明朝的瓷器花瓶与同一时代的纸本作品连接，或者是由同一位捐赠者捐赠的物品。但是，越来越多的复杂技术正在被用于协助档案整理过程。例如，光学字符识别技术（OCR）和自然语言识别可以用来识别和解读样本集中的标签中的打字和手写标签。
我在这里已经介绍过如何利用机器学习来识别集合中的项目，只要我们有足够高质量的训练数据，利用标准的机器学习训练技术，我们可以创建一个ML模型来帮助对手工艺品进行分类。接下来的步骤很简单明了。
- 从网上搜集一些可以接受使用的图片
- 把它们分类到带有标签的文件夹里
- 上传到存储系统（比如 S3）里
- 你可以使用诸如 Amazon Rekognition 或 Azure AI Vision 之类的服务对您的数据集进行训练，并创建自定义的 ML 模型。
（点击图片查看详细信息）
用少量图像（比如说，我找到了130张图像），这些图像按地点和纱丽织造类型分类，展示了纱丽面料的样式，你可以用这些图像训练一个可以测试的机器学习模型。
一旦你的模型达到你的满意程度，你就可以在网页应用中使用它了。完整代码库在此：here，你可以在这里观看演示视频。
下面演示的是纱丽识别应用。请注意，这些图像的识别准确度令人惊讶。
这提供了一个例子，说明管理一组物品的人（或机构）如何利用计算机视觉进行初步筛选。
从ML到AI关于使用人工智能，特别是生成式人工智能来支持文化遗产欣赏有什么想法吗？我参观了印度古吉特拉地区的Patan的Patola织工。这些工匠使用的是手织机技术，在编织之前，他们会对经纱和纬纱进行打结并染色，生产出单色和双色伊卡面料，看起来就像是像素艺术，或类似于制作pysanka彩蛋那样。
在印度古吉拉特邦帕塔纳的一位纱丽织造工展示了帕托拉风格纱丽的扎染过程。照片由作者拍摄。
重要的是要认识到，没有AI流程能够提高这种艺术形式。这种艺术形式代代相传，我们应该珍视并保护这种艺术形式。去思考生成式AI能否基于已摄入的图像创造出比帕托拉纱丽更好的东西是毫无意义的。相反，我们应该关注是否有足够的高质量图像用于训练这些模型，这样一来，我们又回到了DAMS。
AI时代的风险与前景在这个大胆的新AI时代，工匠精神可能会被认为处于风险之中。这些系统生成的内容本质上与其源头脱钩，归属也可能变得模糊不清。结果可能显得浅薄甚至出现幻觉。来源甚至可能被完全抹去。与此同时，像ChatGPT和PartyRock.aws这样的系统的广泛应用已经极大地民主化了这些非常高科技的系统，让更多不同的声音得以参与，这将有助于改善生成的内容。
我测试了一个生成式AI系统（PartyRock.aws），看看它能在给定风格下生成多少纱丽设计。为此，我开发了一个名为SilkWeave的AI应用程序（自己试试看!）。结果有好有坏。
由PartyRock生成的纱丽
然而，我推进了几版云设计的更新。
我对结果很满意，所以委托将其绣在我的印度纱丽上：世界上第一件由AI设计的纱丽。
更深入地了解：迈向深层文化SarAI，这是世界上第一件由AI生成的纱丽，紫色丝绸上绣着金色的云朵图案，手工制作于古吉拉特邦。
然而，手工艺纺织品的意义通常比人们所认识到的要深刻得多。这些昂贵的衣物上的图案通常经过精心选择并富有意义。例如，巴纳拉西织工使用的视觉元素值得仔细研究。我们能否请一个生成式AI系统根据我们希望图案传达的意义设计一款纱丽？一种隐秘的符号？
巴纳西纱丽的图案包括博罗马、花卉藤蔓图案、芒果图案、狩猎图案等，这些图案构成了一套完整的语言。然而，当用以下提示“巴纳西纱丽设计，通过背景和帕鲁（指纱丽的末端装饰部分）中的符号象征好运、生育和繁荣”来要求一个LLM生成纱丽时，结果却令人失望：
显然，该模型没有接触过这种非常具体且深入的文化。然而，有一种方法可以让大型语言模型更精确一些：通过利用知识库。你可以在这里找到与Amazon Bedrock相关联的知识库，它们作为经过验证的来源，可以帮助你的提示更精确。
这个知识库是通过将大型语言模型（LLM）链接到经过验证的在线资源来构建的。
使用更好的提示，就能创建更好的图像。
更棒的设计
此设计通过包括芒果、佩斯利图案、花卉贾尔图案和布布尔鸟在内，象征着繁荣、好运和多子。
以下为分隔符
总之，利用技术来保护和更好地理解物质文化最终导致了当今的人工智能热潮。如果我们谨慎地使用人工智能，我们可以利用它不是为了创造那些失去意义和来源的新物品，而是为了更好地理解和珍视我们继承的文化遗产，并将它们传承给下一代。
这篇文章最早是在印度古吉拉特邦CHARUSAT大学的一次TEDx演讲会中讲出来的。
演讲的幻灯片可以在 SlideShare 看到或下载
随时随地看视频
