Artificial Intelligence and deep memory: transforming file access and interpretation
DOI:
https://doi.org/10.48798/cadernosbad.3097Keywords:
Artificial intelligence , Files , Deep memory , EthicsAbstract
Archives are essential repositories of memory, both individual and collective. However, traditional access to these collections, often limited by manual descriptions and indexing, tends to address only the surface of their information potential. We propose an exploration of how Artificial Intelligence (AI) can be a key to unlocking a ‘deep memory’ in archives, enabling new approaches to accessing and interpreting large documentary masses. The dimensions of augmenting archival capabilities, the ethical implications, the redefinition of access and discovery, and the future of archives in the face of AI are analysed. It considers both the management of existing heritage and the challenge of archiving the AI systems themselves and the content they generate, which will form a significant part of future digital heritage. It is argued that the integration of AI transcends mere automation, requiring interdisciplinary dialogue, attention to ethics and a re-evaluation of fundamental archival practices. ‘Deep memory’, in the context of human history, reflects the lasting emotional impact of events and how extreme collective events shape memory and identity over time, something that AI, by helping to scrutinise collections, can assist in revealing.
Downloads
References
CLIR Staff. (2024, October 10). AI meets archives: The future of machine learning in cultural heritage. CLIR. https://www.clir.org/2024/10/ai-meets-archives-the-future-of-machine-learning-in-cultural-heritage/.
Colavizza, G., Blanke, T., Jeurgens, C., & Noordegraaf, J. (2022). Archives and AI: An Overview of Current Debates and Future Perspectives. ACM Journal on Computing and Cultural Heritage, 15(1), Article 4. https://doi.org/10.1145/3479010
Gouveia, L. (2017). Transformação Digital: Desafios e Implicações na Perspectiva da Informação. In F. Moreira, M. Oliveira, R. Gonçalves, & C. Costa (Eds.), Transformação Digital: oportunidades e ameaças para uma competitividade mais inteligente (1ª ed., pp. 5-28). Silabas e Desafios.
Gouveia, L. (2024, 29 de junho). A aventura da Transformação digital e a Inteligência Artificial: desafios e oportunidades [Keynote]. I Seminário Internacional Multidisciplinar de Investigação e Pesquisa – SIMIP, Online.
Gouveia, L. (2024, 5 de dezembro). Inteligência Artificial e Investigação Científica [Conferência Inaugural]. Dia do Investigador, Centro de Estudos Organizacionais e Sociais do Politécnico do Porto (CEOS.PP), Porto, Portugal.
Gouveia, L. (2025, 11 de abril). Inteligência Artificial e memória profunda: transformando o acesso e a interpretação dos arquivos [Apresentação de conferência]. 5ªs Jornadas Open Source, Porto, Portugal.
Lincoln, M., Potvin, S., Jacobs, H., & Tanner, S. W. (2022). Computational analysis of early modern handwritten documents: Challenges and opportunities. Digital Scholarship in the Humanities, 38(2), 571-587. https://doi.org/10.1093/llc/fqac056
Lorenzi, M., Fantato, M., MontesPerelli, A., Rossi, P., Calderara, S., Cucchiara, R., & Grana, C. (2021). Archiv-AI: An AI-based system for the automatic analysis of archival documents. Journal on Computing and Cultural Heritage, 25(6), Article 40.
Malheiro, A., Carvalho, M., Martins, S., Ochoa, P., Novo, A., Braga, M., Estrela, S., Gouveia, L., & Marques, M. (2024, 1-3 de julho). Contributos para a discussão da ética e deontologia de informação em Portugal: proposta de um código deontológico dos gestores de informação [Apresentação de conferência]. XIV EDICIC, Lisboa, Portugal.
Upward, F. (1996). Structuring the records continuum – Part one: Postcustodial principles and properties. Archives and Manuscripts, 24(2), 268-285.
Upward, F. (1997). Structuring the records continuum – Part two: Structuration of recordkeeping. Archives and Manuscripts, 25(1), 10-35.
Yeo, G. (2024). Artificial intelligence and the future(s) of archival theory and practice. Archeion, 125, 10-32. https://doi.org/10.4467/26581264ARC.24.008.20572
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Cadernos BAD
This work is licensed under a Creative Commons Attribution 4.0 International License.
Os autores que publicam nos Cadernos BAD:
- Concedem à revista o direito de primeira publicação, mantendo os direitos de autor, de acordo com os termos da Creative Commons Attribution, que permite a partilha do texto com menção obrigatória da publicação inicial nos Cadernos BAD;
- Mantêm o direito de publicar o texto noutros locais (ex.: repositório institucional, capítulo de livro, outra publicação periódica), com menção da publicação inicial nos Cadernos BAD e uma ligação para o sítio na Internet da revista;
- Mantêm a possibilidade e são mesmo incentivados a publicar e distribuir o seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) antes ou durante o processo editorial, já que isso pode potenciar interações geradoras de melhoria, bem como aumentar o impacto e a citação do texto publicado (Veja Efeitos do Acesso Livre).
