生成式人工智能教学案例对博物馆策展数智化的思考——基于浙江大学“展示策划与设计”课程的教学实践
来源：
《博物院》
作者：
毛若寒，夏子禾
发布时间：
2025-08-07 10:20
导 读
生成式人工智能（GenAI）在博物馆策展领域具有巨大的应用潜力。本文以采用大语言模型（LLM）辅助教学的“展示策划与设计”课程实践为例，探讨了GenAI在辅助博物馆策展工作中的角色、应用、策略和不足。在对教学实践成果的分析后认为，GenAI可作为策展过程的实践伙伴、跨学科导师和评估辅导者。通过设定更加明确的角色定位、体系化设计的提示词（Prompt）以及批判思维的人机协作，会使策展实践的创意更多元、内容更丰富、工作更高效。同时，通过教学发现，目前的GenAI技术在策展应用中还存在着内容生成较单一、差错不易辨别、数据量有待丰富、技术应用依赖度高、实物感知有局限等短板，尚需人工介入进行审读与矫正。据此，进一步提出了GenAI在辅助策展应用中的思考与建议。
一.GenAI在博物馆策展中的应用现状
20世纪90年代以来，博物馆逐步推进藏品资源的数字化采集与存储，为策展积累数字资源基础。2014年前后，生成式对抗网络等深度学习模型的出现，进一步推动了博物馆在艺术作品生成、藏品数据识别、人物形象再现和展览交互等方面的创新实践。
当前GenAI主要在博物馆策展的前期研究、展览展示和公众传播三方面得到一定关注和应用。在前期研究阶段，有学者指出可以结合GenAI的机器学习和自然语言处理能力，对历史文献、图像和元数据进行深入分析，构建多维意义关联与快速主题聚类，提升策展的信息筛选、分类与整合的效率。在展览展示环节，GenAI具有创造性生成、实时交互性与内容自适应性等特点，可以结合已有的文物或文本数据高效生产图像、视频、3D模型等辅助展品资源，提升展示的可视化效果。此外，在公众传播方面，GenAI不仅有可能增强智能导览与讲解的个性化服务，还有可能通过分析观众数据来优化信息传播策略，确保展览内容能够精准地触达目标观众。随着ChatGPT等大语言模型应用的崛起，GenAI的应用前景愈发广阔。大语言模型在海量文本数据上的预训练，使其在理解和生成自然语言方面展现出巨大潜力，为智能导览、个性化讲解和展览内容的自动生成开辟了新的可能。
然而，当前GenAI在博物馆策展、展览传播流程中尚处于起步阶段，其应用仍停留在生成式人工智能技术作为表层的信息表达与知识传播创新的解决方案层面，在博物馆策展领域的实证研究和应用实践仍处于初级阶段，其深入整合与实际效用尚待进一步探索和验证。
二.“展示策划与设计”课程的GenAI应用实例
（一）教学设计与实施
“展示策划与设计”是浙江大学文物与博物馆学专业核心课程之一，重点围绕博物馆展览的历史、特征、类型、目标及其策划流程、理念与方法等展开教学。2024年春夏学期，笔者作为授课老师，结合大语言模型等工具，面向35位大三学生开展了首次实验性教学实践，为期十六周。新课程的前半部分聚焦展览策划与设计的基本知识和方法传授，后半部分突出GenAI辅助策展的实践，介绍生成式人工智能、大语言模型的基本原理和方法，以及如何将其应用于策展实践中。教学方式包括案例解析、分享答疑、策展实践、小组汇报等，期末作业为基于“中国历代绘画大系”图像资源的数字策展实践，要求在策展训练中结合大语言模型开展资源研究、大纲创意、文本撰写等。使用的大语言模型包括ChatGPT4.0、通义千问、Kimi Chat等。
（二）教学产出与评估
1. 教学产出
本次课程最终形成8份策展作业方案。这些作业从“大系”中取材，分别围绕山水、花鸟、人物等主体形象，题跋钤印等款识，文人气质、农耕文明等精神意象构建了多视角叙事（表1）。其中，GenAI主要用于展览选题构思、展陈大纲框架设计、文字撰写或润色等场景，也有小组尝试使用GenAI进行展览空间设计、辅助展项等创意生成。
表1 浙江大学“展示策划与设计”课程学生策展成果汇总
2. 效果分析
为评估生成式人工智能辅助策展教学的效果，笔者布置了“AI使用日志”的作业，要求学生记录大模型辅助策展实践的心路历程。此外，在课程尾声，通过问卷调研了学生对AI辅助策展工具的使用体验和接受度。综合评估显示，在课程开始前，学生们对生成式人工智能及博物馆数智化趋势已有初步了解。然而，他们对GenAI的基本原理和前沿技术的深入了解还不够，在应用方面表现出明显的认知限制和能力不足。课程结束后，能够明显地看到学生在理解GenAI的基本原理和博物馆策展概念方面有所提升。同时，锻炼了他们的批判性思维和创新能力。其高频词汇回答如图1所示，包括GenAI在策展实践中提供了有价值的建议和方案，提高了策展效率与创新能力。他们还认识到通过辅助学习、框架建构等方式，GenAI促进了策展工作；并意识到正确使用GenAI的重要性。
图1 学生对GenAI辅助策展实验性教学实践评价的高频词汇
三.GenAI在博物馆策展中的角色定位与使用逻辑
（一）GenAI辅助博物馆策展的角色定位
1. 实践伙伴：提供全天候的个性化思路辅助
AI远不止是一个静态的信息仓库，它拥有动态交互的能力、预测分析的智能以及与人类共创价值的潜力。正是基于这种认识，AI应被视为策展过程中的“实践伙伴”，它能够根据策展人的思维习惯和专业需求，提供全天候的个性化思路辅助，通过深入分析策展人的专业背景和思路逻辑，提供定制化的内容和建议，帮助策展人维持思维的连续性，激发新的创意，并在策展流程中实现效率和质量的双重提升。在“展示策划与设计”课程中，学生们亲身体验了AI作为实践伙伴的角色。以《宋画全集》文件为语料，通过AI的信息分解与要素提取（图2），快速地形成了以“食”等为具体主题分类的画作清单，从而为后续基于“衣食住行”主题分类的策展思路建构提供了明确的资料支撑。
图2 开展基于《宋画全集》的画作分类（Kimi Chat）
2. 跨学科导师：提供多样化的学科视野和知识体系
GenAI有广泛的学科数据训练参数和多学科的信息和知识基础，因而能够扮演跨学科导师角色，在一定程度上为策展人提供不同学科领域、专业知识的内容参考，帮助策展人快速掌握陌生学科的基础知识与逻辑。同时，GenAI能够从不同的角色、情境和视角出发，帮助策展人形成更多样化的学科交叉内容和信息体系，从而找到适合展览传播目标和概念设定的知识框架与信息内容。在实际策展过程中，能够帮助策展人有效提升前期研究和选题构思环节的效率，避免因在跨学科知识学习方面投入过多精力而导致效率延宕和转化率低。
3. 评估辅助者：实时反馈与优化调整
在课程中，我们还观察到GenAI作为数据驱动的评估专家的潜力。GenAI的评估能力源于其对大量数据的快速处理和分析。在策展过程中，GenAI能够提供实时反馈，帮助学生及时了解展览方案的受众反馈和潜在问题。这种能力在课程中得到了有效验证，学生们通过GenAI的多次反馈，对展览的叙事结构、展品选择和展示方式等进行了优化调整。此外，GenAI在辅助评估中的作用还体现在其能够模拟不同观众的视角，使策展人思考更全面，提升其洞察力。然而，我们也认识到，GenAI的评估辅助功能需要与策展人的专业知识和经验相结合，策展人需要对分析结果进行批判性思考，以确保展览的质量和创新性。
（二）GenAI在博物馆策展中的使用逻辑
1. 底层逻辑和基本概念：明确GenAI角色的定位与能力边界
尽管GenAI在藏品管理、展览设计、内容生成和观众互动等环节展现出巨大潜力，但应当明确的是：GenAI是策展人的助手，而非替代者。GenAI的输出虽然能够模仿人类创作，但在文化理解与历史背景诠释方面，仍需策展人的专业知识和经验作为支撑。因此，在使用GenAI辅助策展时，策展人需认识到，技术是一种工具，其输出必须经过人类的审视和调整。这种审慎的态度有助于在技术应用与人文关怀之间找到平衡，确保GenAI的参与能够提高策展效率，同时维护文化传播和教育的核心价值。
2. 提示词（Prompt）设计：引导GenAI创新产出的核心
提示词这一概念指的是向生成式人工智能模型提交的文本指令或信息。它是与GenAI交互的基础，其质量直接影响AI生成内容的相关性和创新性。一个逻辑清晰、流程明确的提示词体系对确保展览主题与预期一致至关重要。结构化的提示词为策展团队评估和调整AI生成内容提供了依据，确保输出结果符合策展要求的学术标准和文化价值。经过教学实践后，笔者认为，博物馆策展的AI辅助提示词设计应包含专业化的思维模型和体系化的要素建构两个层面。
第一，专业化的思维模型通过解构策展流程，明确策展不同环节的核心需求、效果和目标，从而为应用GenAI实现展览内容、叙事手法、表现形式等不同层面的创新提供明确的思路支持。“博物馆展示策划与设计”课程涉及策展的五个环节：即前期研究、选题构思、框架组织、文字撰写、概念设计。前期研究、选题构思、框架组织是展览策划的核心流程，文字撰写、概念设计是基于框架组织后的可视化。在教学探索中，我们总结出“倒T型”AI辅助策展思维模型（图3），用以拆解、细化策展流程各环节的职能，以指导策展人在实际工作中更有针对性、目标性地使用GenAI工具。
图3 “倒T型”AI辅助策展思维模型
第二，在掌握了一定的思维模型后，需要进一步细化策展环节的提示词原则与方法，以明确具体的目标、上下文、输出限制、语调风格等要素，从而确保生成内容精准、实用（表2）。在实际应用过程中，需要注意提示词表述的准确性、连贯性、体系化，以有效指导AI生成与展览主题高度契合的内容，并及时调整和优化。
表2 GenAI辅助博物馆策展要素表
3. 批判性思维与人机协作：发挥AI效能的关键
尽管课程案例的实践经验体现出GenAI强大的信息整合和分析能力，为策展创意、大纲撰写、文本生成、交互体验等多方面提供了有力的支持，但是，GenAI生成的内容往往基于已有数据和算法，尚缺乏人类特有的文化敏感性和创新视角，长期不经思考的取用容易导致策展人形成思维上的依赖，降低其独立发现问题、解决问题的能力。因此，在实践过程中，策展人必须运用批判性思维对AI生成的内容进行评估，识别其中可能的偏差或不足，并通过自身的专业判断和创意加以调整和优化。例如，“羽韵华章”一组的学生聚焦利用GenAI生成科普性文字，通过不同提示词生成的文本比对，指出在使用GenAI生成科普性文字时，需要使用“科普”“正式”等词汇加以限定，以免生成过于华丽的词藻。通过这种批判性思维与人机协作的结合，策展人能够更有效地利用GenAI工具，同时保持对策展过程的主导和控制，确保展览的质量和深度。
四.GenAI在博物馆策展应用中的局限与应对
（一）GenAI在博物馆策展应用中的局限性
1. 内容生成单一，容易误导使用者
在本次教学实践中，学生普遍反映内容生成“套路化”，尤其在策展构思、策展大纲撰写、交互体验设计等创意环节中尤为明显。生成的内容往往局限于“总分总”的逻辑结构和VR/AR多媒体展项等常见展览形式，缺乏创新点。这是由于GenAI模型依赖于庞大的预训练数据集，因此生成结果难以满足独创性的要求。这种套路化倾向削弱了展览作为知识生成与传播渠道的多样性和创新性，难以形成具有竞争力和吸引力的展览内容，最终可能导致观众产生审美疲劳。
“幻觉”和“偏见”是GenAI的两大风险。“幻觉”是指GenAI在没有明确数据支持的情况下，生成似是而非的信息，出现误导性的结论。“偏见”是指GenAI在处理和分析数据时，由于算法或训练数据中的偏见假设，导致无法公平对待某些群体或观点，因此生成不准确的结果。
由于专业领域语料不足，GenAI可能难以准确理解并处理复杂的历史、文化和艺术背景，从而影响生成内容的准确性和客观性。这不仅影响了策展的学术严谨性，也将为策展团队的内容审核和输出结果修正带来额外的工作负担，可能导致整体进度迟缓、效率低下。
2. 技术应用更适合单机操作，使用者容易对其过度依赖
博物馆策展是一个跨部门、跨领域的复杂过程，涉及策展人、设计师和研究人员等多个团队的协作。GenAI的单机操作特性首先在技术上难以与其他数字化工具和多模态应用无缝对接，导致各环节之间的信息孤立，影响了整体的策展流程。此外，单一类型的模型训练在一定程度上增加了前期时间和精力的投入，反而降低了整体效率。更为关键的是，这种操作模式难以实现基于信息交换的团队实时互动，策展实施过程中的动态需求和信息更新无法及时响应和同步，增加了团队之间沟通和协调的难度，可能导致策展决策的滞后和延误。
同时，由于GenAI强大的信息整合和内容生成能力，可能造成使用者对其过度依赖。这种过度依赖可能导致策展人忽视自我检索和筛选信息的能力，不愿意花费时间和精力去深入探究和咀嚼各类信息；从而忽略输出背后所蕴含的深层次学术原理、历史脉络，也很难产生创新的设计理念。长此以往，将会形成“信息茧房”，削弱策展人应有的独立思考、解决问题的能力，阻碍策展人研究视野的拓展和深化，影响原创研究和创新能力的发展。
3. 不具备实物感知的能力
尽管GenAI能够生成大量的文本和理论性描述，但其无法模拟或取代人对实物的直接感知和体验，从而导致了基于实物感知的认知体验欠缺。这种与实物的隔阂在一定程度上降低了策展人在策展过程中对内蕴于、附着在实物上的历史、文化、艺术等多元价值的感知能力与辨析能力，可能导致物的阐释不完善和叙事视野偏狭。这可能与博物馆策展专业语料训练不足，文博垂直领域数据缺失有较大关系，这使得在基于GenAI的虚拟空间中对数字藏品的具象化感知难以有效实现。
（二）GenAI辅助博物馆策展的应对思考
1. 文博领域垂类大模型开发与教学
训练文博领域的垂类大模型是综合提升GenAI辅助策展效能与质量的前提和基础。文博领域具有独特的学术要求和专业背景，涉及复杂的历史文化、艺术史、文物学等多方面的知识。相应垂类大模型的开发既需要以文博领域的藏品管理、展示策划、阐释传播等业务工作为底层逻辑和结构框架，也需要关注、回应与业务工作密切相关的专业知识、跨学科范式等内容的梳理、建构，是需要长期攻坚的大型工程。当前，可通过与博物馆、研究机构合作，确保收集的数据既全面又权威，在此基础上，专门训练针对文博领域大模型，从而使GenAI系统更好地掌握博物馆藏品研究、展陈策划、文化传播等领域的特定知识，提升GenAI对专业化的、复杂的文化语境的理解能力，把握博物馆策展的精髓。同时，在课程教学与人才培养中应配合开展提示词、人工智能代理（AI Agent）等GenAI操作与使用的技能设计与教学，引导学生学习、设计、掌握更具创造性的提示词，从而有效引导AI生成更加独特和富有创意的展览内容，在策展过程中激发更多灵感和可能性。
2. 跨学科协同
通过结合博物馆学、艺术史、计算机科学等多个领域的知识，共同探索GenAI技术在策展中的最佳实践。尤其需要辨析、明确不同学科领域知识与底层逻辑在跨学科协同中所扮演的角色和职能。通过跨学科多角色、多层次的协同，策展团队能识别潜在的问题和挑战，科学合理地建构其应用机制和实践路径。
3. 内容审核机制和反馈机制
建立严格的内容审核机制能够确保GenAI生成的内容经过专业人员的核实，这对保障内容生成的专业性和科学性至关重要。通过与相关领域专家的合作，可以对生成的内容进行精细化审查，确保其符合学术标准和展览要求，防止GenAI因“幻觉”等导致的信息错误和对使用者的误导。同时，建立开放的反馈机制是确保GenAI在策展中持续改进的有效途径。通过整合收集策展人、观众、技术人员等不同受众的意见和建议，及时发现和解决应用过程中出现的问题，不断优化GenAI的应用策略，能使其更好地适应实际需求，为AI技术在博物馆中的长远发展提供重要参考。
五.结语
本文基于浙江大学“展示策划与设计”课程的大语言模型辅助教学实践，探讨了GenAI在博物馆策展中的应用潜力、使用逻辑，并提出与之相关的建议和思考。在后续的教学实践中，将基于“师—机—生”三元互动，有针对性地拓宽教学范围、丰富评估方式与评估维度、深入文博领域底层逻辑，探讨大语言模型体系建构的路径方法，实现该教学实践及创新的可持续发展，从人才培养的教学端协同推动GenAI在文博领域应用的融合发展。
展望未来，GenAI的应用需在技术层面持续创新，更紧密地结合博物馆需求，融入智慧化发展，并与其他数字技术协同，以促进策展的多元化和智能化。同时，博物馆需在制度层面探索新机制，改革工作方式、组织架构和人才培养，确保技术与实践的有机融合。尤为重要的是，GenAI的应用应呼应博物馆的文化使命和观众需求，充分发挥其在文化传承和社会教育中的作用。
