はじめに
近年、博物館におけるAIの導入は急速に進んでいます。コレクションのデジタル化やデータベースの高度化に加え、来館者の行動分析、展示内容のレコメンド、さらには対話型ガイドの導入など、AIは多様な領域に応用されつつあります。これにより、博物館は従来の展示中心の空間から、データとアルゴリズムを基盤とした新しい知識環境へと変化しつつあります。
しかしその一方で、「AIがキュレーションを代替するのではないか」という議論も生じています。とりわけ、作品の分類や関連性の提示といった作業が自動化される中で、学芸員の役割が縮小するのではないかという懸念が指摘されています。こうした議論は、AIを単なる効率化のツールとして捉えるか、それとも博物館の知的基盤を変える存在として捉えるかによって、大きく異なります。
そもそもキュレーションとは、単なる情報整理ではありません。それは、資料や作品を選択し、それらを関係付け、特定の文脈の中で意味を与える営みです。この意味生成のプロセスこそが、博物館の専門性の中核を成しています。一方でAIは、大量のデータを処理し、パターンや関係性を抽出することには優れていますが、その関係にどのような意味があるのかを理解しているわけではありません。AIはあくまで確率的な処理に基づいて出力を生成するものであり、文化的文脈や歴史的背景に基づく解釈主体ではないと指摘されています（Thiel & Bernhardt, 2024）。
したがって、AIの導入によって問われるべきは、キュレーションが「代替されるかどうか」ではなく、「どのように再編成されるのか」という問題です。すなわち、人間とアルゴリズムはどのように役割を分担し、どのように協働するのかが重要な論点となります。
本稿では、このような問題意識に基づき、AI時代におけるキュレーションの構造変化を整理するとともに、人間とアルゴリズムの役割分担を理論的に明確にします。さらに、AI導入に伴うガバナンスや批判的視点の必要性についても検討し、今後の博物館のあり方を考察します。
キュレーションの本質とは何か
キュレーションとは何か（キュレーション 定義）
キュレーションとは、資料や作品を選択し、それらを関係付け、特定の文脈の中で意味を与える行為です。このプロセスは単なる情報管理ではなく、知識の生成と社会的価値の形成に関わる重要な営みです。博物館におけるキュレーションは、単に作品を並べることではなく、それらを通じて何を語るのか、どのような理解を来館者に促すのかという、意味の設計そのものを指しています。
従来、このプロセスは主に学芸員の専門知に依拠して行われてきました。作品の選定や展示構成、解説の内容は、歴史的知識や美術史的理解、さらには社会的文脈への洞察に基づいて決定されており、その意味でキュレーションは高度に専門的な判断の集積であると言えます。
しかし近年の研究では、キュレーションは単なる専門家の判断にとどまらず、「データ、専門知、アルゴリズムの相互作用によって構成されるプロセス」として再定義されています。とりわけデジタル環境においては、キュレーションは情報の組織化にとどまらず、どの情報が可視化され、どの情報が排除されるのかという点において、知識生産と権力の分配に関わる行為でもあるとされています（Yu et al., 2024）。
この視点は、キュレーションを単なる技術や手法としてではなく、社会的・政治的な意味を持つ営みとして捉えることの重要性を示しています。すなわち、キュレーションとは「何を見せるか」だけでなく、「何を見せないか」をも含む選択のプロセスであり、その背後には価値判断が不可避的に存在しています。
デジタル時代の転換点（デジタルキュレーション）
こうしたキュレーションの構造は、AIの導入によって大きな転換点を迎えています。特に重要なのは、「関係付け」の部分が機械によって担われるようになった点です。機械学習アルゴリズムは、視覚データやテキストデータを分析し、作品間の類似性や関連性を自動的に導出することが可能です。これにより、人間が把握しきれなかった膨大なコレクションの中から、新たなつながりを発見することができるようになりました。
また、こうした技術は展示構成の設計にも影響を与えています。従来は学芸員の経験や知識に基づいて構成されていた展示が、データに基づくパターン分析やレコメンドによって補完されるようになり、キュレーションの一部が計算可能な領域へと移行しつつあります。
この変化は単なる効率化にとどまりません。キュレーションの中核であった「関係を見出す」という行為がアルゴリズムによって担われるようになることで、キュレーションの構造そのものが再編されているのです。すなわち、キュレーションはもはや人間だけの営みではなく、人間とアルゴリズムの協働によって成立するプロセスへと移行しつつあると考えられます。
したがって、AI時代において問われるべきは、キュレーションの定義そのものの再検討です。キュレーションはどこまでが人間の役割であり、どこからがアルゴリズムの役割なのか。この問いを明確にすることが、今後の博物館経営において極めて重要となります。
AIが可能にするキュレーション
アルゴリズムによる関係性の発見（AI キュレーション）
AIは大量のデータからパターンを抽出し、作品同士の関係性を明らかにする能力を持っています。従来、学芸員は限られた時間と認知能力の中でコレクションを把握し、作品間の関連性を見出してきました。しかし、デジタル化の進展によってコレクションの規模は飛躍的に拡大し、人間だけで全体を把握することはますます困難になっています。
このような状況において、機械学習や自然言語処理といったAI技術は、コレクションの横断的分析を可能にします。例えば、作品の画像データから視覚的特徴を抽出したり、解説文やメタデータから意味的な関連性を導き出したりすることで、従来は見落とされていた関係性を可視化することができます。これにより、単一のテーマや時代区分に依存しない、多層的で柔軟な展示構成の可能性が広がります。
実際に、AIは視覚情報や言語情報を統合的に分析することで、作品の潜在的な関連性を発見し、分類や推薦を行うことができるとされています（Yu et al., 2024）。このような分析は、人間の直感や経験に依存しない新たな知識生成の手法として位置づけられます。
さらに重要なのは、AIが単に既存の分類体系を補助するだけでなく、新たな関係性の発見を通じてキュレーションの視点そのものを拡張する点にあります。すなわち、AIは「既存の意味を整理する装置」ではなく、「未知の関係を発見する装置」として機能しうるのです。
レコメンドと展示設計（博物館 AI 展示）
AIキュレーションにおいて特に重要なのが、レコメンドシステムの存在です。レコメンドシステムは、来館者の行動履歴や関心に基づいて情報を提示する仕組みであり、デジタル環境において広く用いられてきました。博物館においても、この技術は展示体験の設計に大きな影響を与えています。
研究では、レコメンドシステムがAIキュレーションの中核的役割を果たしていると指摘されています（Yu et al., 2024）。特に、来館者の閲覧履歴や滞在時間、選択行動などのデータを分析することで、個々の来館者に最適化された展示ルートや作品提示が可能になります。
これにより、従来の一方向的な展示から、来館者ごとに異なる体験を提供する「パーソナライズされた展示」へと移行することが可能になります。例えば、ある来館者が特定のテーマや作家に強い関心を示した場合、その関心に応じて関連作品を優先的に提示することで、より深い理解と満足度の高い体験を提供することができます。
このような変化は、展示のあり方そのものを再定義します。従来の展示は、キュレーターが一つのストーリーを構築し、それを来館者に提示する形式が一般的でした。しかし、AIを活用した展示では、複数のストーリーが同時に存在し、来館者ごとに異なる体験が生成されるようになります。
ただし、このようなパーソナライズは利便性を高める一方で、来館者の関心に過度に依存することで、新たな発見の機会を制限する可能性もあります。そのため、AIによる推薦と、意図的に異なる視点を提示するキュレーションとのバランスをどのように設計するかが重要な課題となります。
したがって、AIが可能にするキュレーションとは、単に効率化された展示設計ではなく、関係性の発見と体験の最適化を通じて、キュレーションの可能性そのものを拡張するプロセスであると位置づけることができます。
人間にしかできないキュレーション
意味生成と文脈
AIが作品同士の関係性を提示できる一方で、その関係にどのような意味を与えるかは人間の役割です。意味とは、単なるデータの組み合わせではなく、文化的文脈や歴史的背景、社会的価値観の中で構築されるものです。したがって、関係性の発見と意味の生成は本質的に異なる行為であり、この区別を明確にすることがAI時代のキュレーションを理解する上で重要となります。
博物館におけるキュレーションは、作品を並べること自体ではなく、それらを通じて何を語るのかという問題に関わっています。同じ作品群であっても、どのようなテーマのもとに配置され、どのような解説が付与されるかによって、その意味は大きく変化します。このような意味の構築は、文化的知識や歴史理解、さらには社会的課題への認識に基づく判断を必要とします。
一方でAIは、意味を理解しているわけではありません。AIはあくまで統計的なパターンに基づいて出力を生成するものであり、文化的文脈を踏まえた解釈主体ではないと指摘されています（Thiel & Bernhardt, 2024）。そのため、AIが提示する関係性はあくまで可能性の一つであり、それをどのように位置づけ、どのような意味として提示するかは人間に委ねられています。
この点において、キュレーターの役割はむしろ明確になります。すなわち、AIが提示した複数の関係性の中から、どれを採用し、どのような文脈で提示するのかを選択することが、人間の専門性として再定義されるのです。キュレーションとは、情報の整理ではなく、意味の編集であるという理解が、ここで改めて重要となります。
批判的判断
さらに重要なのは、AIの提案を批判的に評価する能力です。アルゴリズムは中立な存在ではなく、学習データや設計思想に依存しており、その結果として特定の価値観や偏りを反映する可能性があります。したがって、AIが提示する分類や推薦をそのまま受け入れるのではなく、その背後にある前提やバイアスを検証する視点が不可欠です。
特に博物館においては、コレクションそのものが歴史的・社会的文脈の中で形成されているため、そのデータを基にしたアルゴリズムもまた、同様の偏りを内包している可能性があります。このような状況において、AIの出力を無批判に用いることは、既存の不平等や排除の構造を再生産することにつながりかねません。
技術は単なる道具ではなく、文化的・政治的構造を内包しているとされており、その無批判な導入は不平等の再生産につながると指摘されています（Arantes, 2025）。したがって、AIの活用においては、その利便性だけでなく、その社会的影響を考慮した慎重な運用が求められます。
このように考えると、AI時代のキュレーターには新たな役割が付与されます。それは、単に展示を構成する専門家ではなく、アルゴリズムの提案を批判的に読み解き、その意味と影響を判断する「解釈の調停者」としての役割です。すなわち、AIと人間の協働において、人間は最終的な意味の決定と倫理的判断を担う存在として位置づけられます。
人間とAIの役割分担モデル
分業構造の再設計
AI時代のキュレーションを理解する上で重要なのは、人間とアルゴリズムの関係を対立構造として捉えるのではなく、役割分担に基づく協働関係として整理することです。これまでの議論を踏まえると、キュレーションのプロセスは大きく二つの機能に分けることができます。それは、関係性を見出す機能と、意味を決定する機能です。
この観点から整理すると、AIと人間の役割は次のように位置づけることができます。
- AI：関係性の生成
- 人間：意味の決定
AIは大量のデータを処理し、作品間の類似性や関連性を導出することに優れています。一方で人間は、それらの関係にどのような意味を与えるかを判断し、社会的・文化的文脈の中で再構成する役割を担います。このように整理すると、AIはキュレーションの一部を代替する存在ではなく、人間の認知能力を拡張する補助的な装置として理解することができます。
この構造は、単なる作業の分業ではありません。むしろ、キュレーションの本質を再定義するものです。従来、キュレーターは関係性の発見と意味の付与の両方を担っていましたが、AIの導入によって関係性の発見が部分的に自動化されることで、人間の役割はより「意味の編集」に特化していくと考えられます。
したがって、AIと人間の関係は競合ではなく補完です。AIは人間の代替ではなく、キュレーションの可能性を拡張する存在として位置づけられるべきです。
三次元モデル
このような役割分担をより体系的に理解するためには、AIキュレーションの構造を多面的に捉える必要があります。近年の研究では、AIキュレーションは「設計」「学習」「評価」という三つの次元から構成されるプロセスとして整理されています（Yu et al., 2024）。
まず「設計」は、どのようなアルゴリズムを用い、どのようなデータを扱うのかを決定する段階です。この段階では、キュレーションの目的や展示の意図に応じて、適切な技術やデータ構造を選択する必要があります。ここにはすでに人間の価値判断が介在しています。
次に「学習」は、アルゴリズムがデータをもとにパターンを抽出し、関係性を導出するプロセスです。この段階においてAIはその能力を最大限に発揮し、人間では発見が困難であった新たな関連性を提示します。
最後に「評価」は、AIが提示した結果をどのように解釈し、採用するかを判断するプロセスです。この段階では、結果の妥当性だけでなく、その社会的・文化的意味や影響を考慮する必要があります。したがって、評価の主体は依然として人間にあります。
この三次元モデルは、AIと人間の役割分担をより明確に示しています。AIは主に学習のプロセスにおいて中心的な役割を担いますが、設計と評価の段階では人間の関与が不可欠です。このように、キュレーションはAI単独では成立せず、人間とアルゴリズムの協働によって初めて成立するプロセスであることが理解できます。
したがって、AI時代のキュレーションとは、技術の導入による効率化ではなく、人間とアルゴリズムの役割を再設計する営みであると位置づけることができます。この視点に立つことで、AIの導入はキュレーターの役割を弱めるものではなく、その専門性をより明確にする契機として捉えることが可能となります。
AIキュレーションのガバナンス
ブラックボックス問題
AIキュレーションの導入において最も重要な課題の一つが、アルゴリズムの不透明性、いわゆるブラックボックス問題です。AIは大量のデータをもとに高度な分析や分類を行いますが、その判断過程は必ずしも人間にとって理解可能な形で提示されるとは限りません。特に機械学習モデルは、複雑な計算過程を経て結果を導出するため、「なぜその結果になったのか」を説明することが難しいという特性を持っています。
博物館においてこの問題は深刻です。展示構成や作品の関連付けがアルゴリズムによって決定される場合、その根拠が不明確であれば、キュレーションの妥当性や信頼性が損なわれる可能性があります。来館者に対して説明責任を果たすという観点からも、アルゴリズムの透明性と説明可能性は不可欠な要素です。
この点については、AIキュレーションの研究においても、アルゴリズムの透明性と評価の重要性が強調されています。特に、AIの出力結果をどのように検証し、どのように解釈するかが重要な課題であると指摘されています（Yu et al., 2024）。
したがって、AIを導入する博物館は、単に技術を採用するだけでなく、その意思決定プロセスをどの程度可視化できるのかを設計段階から検討する必要があります。これは技術的な課題であると同時に、ガバナンスの問題でもあります。
バイアスと権力（AI バイアス 博物館）
AIキュレーションにおいてもう一つの重要な課題が、バイアスの問題です。AIは中立的な存在ではなく、学習に用いられるデータやアルゴリズムの設計に強く依存しています。そのため、既存の文化的偏りや社会的構造を反映し、それを強化する可能性があります。
博物館のコレクション自体が、歴史的・社会的な文脈の中で形成されていることを考えると、そのデータを基にしたAIもまた同様の偏りを内包していると考えられます。例えば、特定の地域や文化に偏ったコレクションを学習した場合、その結果として提示される関係性や推薦もまた偏ったものになる可能性があります。
さらに、AIやデジタル技術は単なる中立的な道具ではなく、企業やプラットフォームの論理を内包していると指摘されています。特に、データ収集やアルゴリズム設計の背後には、効率性や利益最大化といった価値観が存在しており、それが文化的実践に影響を与える可能性があります（Arantes, 2025）。
このような状況において、AIを無批判に導入することは、既存の不平等や文化的排除を再生産することにつながりかねません。したがって、AIの活用においては、その技術的有用性だけでなく、その社会的・政治的影響を慎重に評価する必要があります。
メタ・アルゴリズム的キュレーション
こうした課題に対する一つの応答として提唱されているのが、「メタ・アルゴリズム的キュレーション」という考え方です。このアプローチは、アルゴリズムを単なるツールとして使用するのではなく、その仕組みや前提を可視化し、批判的に扱うことを目的としています。
従来のキュレーションが作品や資料を対象としてきたのに対し、メタ・アルゴリズム的キュレーションはアルゴリズムそのものを対象とします。すなわち、「どのように分類されているのか」「どのような基準で推薦されているのか」といったプロセス自体を明らかにし、それを展示や解説の対象とするのです。
このような取り組みは、アルゴリズムの背後にある価値観や権力構造を可視化し、来館者に対して批判的な視点を提供する役割を果たします。AIは中立ではなく、文化的・政治的文脈の中で構築される存在であるという認識に基づき、その前提を問い直すことが求められています（Arantes, 2025）。
したがって、AIキュレーションのガバナンスとは、単に技術の運用を管理することではなく、その影響や意味を社会的に検討し続けるプロセスであると位置づけることができます。博物館は、AIを利用する場であると同時に、それを批判的に問い直す場としての役割を担う必要があります。
AI時代の博物館の方向性
技術導入から意味設計へ
AIの導入が進む中で、博物館に求められているのは単なる技術導入ではなく、その活用目的の再定義です。AIは業務の効率化や情報処理の高度化に大きく貢献しますが、それ自体が目的となるべきではありません。重要なのは、AIを通じてどのような意味を生成し、どのような知識体験を来館者に提供するのかという点です。
従来の博物館DXは、デジタル技術の導入や業務の効率化に重点が置かれる傾向にありました。しかし、AI時代においては、単なるデジタル化から一歩進み、意味生成の高度化へと視点を転換する必要があります。すなわち、AIを活用することで、従来は見出すことができなかった関係性を発見し、それを新たな物語として再構成することが求められます。
このとき重要なのは、技術が主導するのではなく、人間の意図や目的に基づいて技術を設計することです。AIはあくまで手段であり、その活用は博物館の使命や社会的役割と整合的でなければなりません。したがって、博物館DXとは、技術導入の問題ではなく、意味設計の問題として捉えるべきです。
博物館の再定義
AIの導入は、博物館の役割そのものの再定義を促します。これまで博物館は、資料を収集・保存し、それを展示することで知識を伝達する場として機能してきました。しかし、AIによって知識の生成や提示の方法が変化する中で、その役割は拡張しつつあります。
まず、博物館はAIを活用する場としての役割を担います。コレクションの分析や展示構成、来館者体験の設計において、AIは重要な基盤技術となります。しかし同時に、博物館はAIを批判的に理解する場としての役割も担う必要があります。AIは中立的な技術ではなく、文化的・政治的文脈の中で構築される存在であるため、その前提や影響を問い直すことが不可欠です。
このように考えると、AI時代の博物館は「技術を使う場所」であると同時に、「技術を考える場所」として位置づけることができます。すなわち、博物館はAIによって生成される知識を提示するだけでなく、その知識がどのように作られているのかを可視化し、来館者とともに考える場となることが求められます。
さらに、博物館は社会におけるAIリテラシーの向上にも寄与することが期待されます。AIが日常生活の中に浸透する現代において、その仕組みや影響を理解することは重要な課題です。博物館は、展示や教育活動を通じて、AIに対する批判的理解を促進する役割を担うことができるのです。
したがって、AI時代の博物館とは、単なる文化施設ではなく、知識生成とその批判的検討を担う公共的インフラとして再定義される必要があります。
まとめ
AI時代のキュレーションは、人間とアルゴリズムの役割を再編成するプロセスである。アルゴリズムは大量のデータから関係性を導出し、人間はその関係に意味を与える。この分業により、キュレーションの本質である意味生成の重要性はむしろ強化されると考えられる。
一方で、AIは中立的な技術ではなく、文化的・政治的影響を持つ存在である。そのため、AIの導入においては、その利便性だけでなく、その前提や影響を批判的に検討する視点が不可欠となる。特に博物館においては、アルゴリズムの不透明性やバイアスの問題に対して、慎重な対応が求められる。
したがって、AI時代の博物館は、技術を活用する場であると同時に、それを問い直す場として再定義される必要がある。キュレーションは単なる情報の整理ではなく、意味を構築する営みであるという本質を踏まえた上で、人間とAIの協働関係を設計することが、今後の博物館経営において重要な課題となる。
参考文献
- Yu, S., Lin, J., Huang, J., & Zhan, Y. (2024). A systematic review of changing conceptual to practice AI curation in museums: Text mining and bibliometric analysis. Artificial Intelligence and Social Computing, 122, 315–324.
- Arantes, P. (2025). Museums in dispute: Artificial intelligence, digital culture and critical curation. Arts, 14(3), 65.
- Thiel, S., & Bernhardt, J. C. (Eds.). (2024). AI in museums: Reflections, perspectives and applications. transcript Verlag.
