近年来，文化遗产领域对人工智能（Artificial Intelligence, AI）的采纳显著增长，其潜力体现在遗产保护、机构管理与访客参与等多个维度。然而现有研究呈碎片化分布，缺乏对研究趋势、应用场域与采纳挑战的系统性整合。为填补这一空白，研究人员遵循Kitchenham指南开展系统文献综述（Systematic Literature Review, SLR），筛选2020至2024年发表的64篇同行评审文献，对该领域AI采纳的整体图景展开分析。研究发现AI在文化遗产领域的应用可归纳为五大核心场域：修复与保护、记录与数字化、管理与决策支持、生成与创意重构、教育与体验。其中教育与体验是最受关注的方向，反映出学界对AI赋能个性化服务与交互式访客参与的重视。当前研究普遍聚焦于技术开发与原型验证，而在实际运营场景中的实证评估仍较为有限。研究进一步指出，用户接受度、专业人员与公众信任、机构就绪度等行为因素对AI采纳结果具有关键影响，凸显了以人为中心的设计与评估在该领域的重要性。在挑战层面，研究识别出五类核心障碍：数据可用性与质量问题、技术与运营约束、伦理隐私与所有权争议、算法偏见信任与验证难题、跨学科协作壁垒。本研究创新性地将技术-组织-环境（Technology–Organization–Environment, TOE）框架作为核心分析透镜，对文化遗产领域的AI采纳挑战进行结构化解读——该框架此前在此类研究中应用相对不足。TOE分析表明，AI采纳不仅受技术特征驱动，更受到组织就绪度与环境语境的共同塑造。为明晰挑战的分布特征，研究构建了挑战-应用矩阵，揭示不同场域的挑战异质性，并进一步整合形成TOE导向的主题框架，对各场域的挑战强度进行映射。本研究的中心贡献在于将TOE框架确立为整合性分析工具，为碎片化发现提供结构化基础，同时指明未来研究应优先关注组织层级的采纳实证、治理框架与用户视角，以支撑文化遗产领域情境敏感、机构适配的AI技术落地。
一、引言
人工智能已成为驱动多领域创新的基础性技术，其在医疗、教育、农业与政府管理等场景的应用已得到广泛验证。文化遗产领域同样处于这一技术变革的进程中，其核心使命不仅包括历史文化的保存与传递，还承担着面向公众的阐释与教育功能。欧洲数字遗产计划等区域性项目进一步推动了技术在该领域的投资。然而现有综述多局限于单一技术应用（如建筑结构监测、档案图像分析），缺乏对全行业采纳图景的系统性审视，更未从社会技术视角对采纳挑战进行整合分析。为此，本研究以TOE框架为核心理论透镜，系统回答三个研究问题：文化遗产领域AI采纳的研究趋势是什么？主要应用场域有哪些？核心采纳挑战是什么？
二、理论基础
（一）人工智能
人工智能是计算机科学的分支，旨在开发具备学习、推理、决策与交互等类人认知功能的系统。其发展经历了规则逻辑、机器学习到深度学习与大型语言模型（Large Language Model, LLM）的演进，当前以狭义人工智能（Artificial Narrow Intelligence, ANI）为主要落地形态，涵盖计算机视觉、自然语言处理与生成式AI等技术方向，本研究即聚焦此类技术在文化遗产场景的应用。
（二）文化遗产领域
文化遗产承载社会身份与代际知识传递的功能，按联合国教科文组织（United Nations Educational, Scientific and Cultural Organization, UNESCO）分类可分为有形遗产（含不可移动遗产如古迹、可移动遗产如器物）与无形遗产（含口头传统、表演艺术与传统技艺）。尽管1954年《关于发生武装冲突时保护文化财产的公约》与1970年《关于禁止及防止非法进出口文化财产和非法转让其所有权的方法的公约》奠定了国际保护框架，但数字时代仍面临年轻群体文化认同弱化、传统知识传承断层等挑战。数字技术的介入为藏品数字化、虚拟展览与个性化服务提供转型机遇，而AI被视为支撑遗产保护与传播的关键赋能技术。
（三）文化遗产领域的人工智能采纳
该领域的AI采纳并非单纯的技术部署，而是需要嵌入组织结构、文化价值观与用户实践的社会技术过程。研究强调需警惕技术对遗产符号意义与文化真实性的消解风险，提出AI应作为人类专业知识的补充而非替代，并需平衡创新与文化可持续性。可持续采纳需遵循六项原则：包容性数据治理保障文化真实性、明确AI的工具属性、维护文化价值优先、完善版权与权利管理、制定系统长期运维计划、构建伦理框架与协作治理机制。此外，AI对访客量的直接拉动作用有限，其核心价值体现在提升访客体验与数字参与度，且需突破数据局限、组织就绪度与社会文化约束等多重结构性障碍。TOE框架恰好能够整合技术特征、组织条件与环境语境三类影响因素，为解析该领域的复杂采纳机制提供适配的分析基础。
三、研究方法
本研究严格遵循Kitchenham系统文献综述流程，分为规划、执行与报告三个阶段。检索策略采用核心关键词组合：（“artificial intelligence”）AND（“cultural heritage” OR “cultural institution” OR “heritage institution”）AND（“adoption” OR “implementation” OR “acceptance” OR “application”），覆盖ACM数字图书馆、IEEE Xplore、Scopus、Taylor & Francis Online与Science Direct五大数据库，限定2020至2024年的英文同行评审文献。经去重、标题摘要初筛、全文复筛与质量评估后，最终纳入64篇核心文献。数据提取采用结构化模板，由第一作者完成编码，三位合著者交叉验证以确保信度，最终归纳出应用场域与挑战类别。
四、研究结果
（一）研究趋势
2020至2024年该领域发文量呈加速增长态势，2023至2024年尤为集中，反映AI技术成熟与遗产数字化需求的共振。地理分布上，意大利与中国发文量居前，欧洲与亚洲是主要研究活跃区，非洲、拉丁美洲与中东地区的研究代表性不足，可能导致现有结论对低资源语境的适用性受限。整体而言，该领域仍处于技术探索向机构落地过渡的早期阶段。
（二）应用场域
第一类为教育与体验（占比34.38%），聚焦智能推荐系统、对话代理与沉浸式叙事等技术，用于优化访客导览、遗址识别与个性化学习体验，是当前最受关注的落地方向。第二类为修复与保护（占比25%），依托计算机视觉与深度学习实现建筑病害检测、结构健康监控与壁画文物数字修复。第三类为记录与数字化（占比25%），应用手写文本识别、光学字符识别与大语言模型完成古籍转录、器物分类与元数据生成，提升遗产记录的准确性与可及性。第四类为管理与决策支持（占比10.94%），通过情感计算、社交媒体分析与虚假评论检测辅助访客满意度评估与机构运营优化。第五类为生成与创意重构（占比4.69%），探索风格迁移与生成式AI在传统文化元素再诠释中的应用，目前仍处于前沿探索阶段。整体来看，现有研究偏重技术原型开发，对组织整合、数据治理与用户接受度的关注仍显不足。
（三）采纳挑战
第一类是数据可用性与质量问题，出现频率最高，表现为数据集规模不足、标注不一致、数字化质量参差与跨机构互操作性缺失，直接制约深度学习模型的训练与泛化能力。第二类是技术与运营挑战，涵盖模型复杂度高、算力需求大、与现有基础设施兼容性差等技术瓶颈，以及专业人才短缺、工作流程适配困难与长期运维能力不足等组织约束。第三类是伦理、隐私与所有权挑战，涉及文化遗产数据的集体权属、知识产权争议、隐私保护与AI生成内容的伦理表征风险。第四类是偏见、信任与验证挑战，算法偏差可能导致文化误读，需依赖策展人、考古学家等领域专家进行人工校验，而公众对自动化输出的信任度不足也构成采纳阻力。第五类是跨学科协作挑战，技术专家与遗产从业者的知识体系差异、机构间数据共享机制缺位阻碍了协同创新。
五、讨论
（一）文化遗产领域AI采纳的演进特征
研究增长既源于AI技术本身的进步，也反映了遗产机构对数字化转型的战略投入。地理分布的失衡提示当前理论构建更多基于高资源语境，未来需加强对中小型机构与欠发达地区的关注。TOE框架能够有效解释这一演进过程：技术供给、组织优先级调整与环境政策变化共同塑造了采纳格局。
（二）AI在文化遗产领域的功能角色
五大场域分别对应技术赋能的不同价值维度：修复与保护侧重专业任务提效，记录与数字化夯实信息基础设施，管理与决策支持优化机构运营，生成与创意重构拓展文化表达边界，教育与体验则强化公共价值传递。这种多元分布表明AI正从实验性工具逐步嵌入机构的长期战略。
（三）AI采纳的社会技术挑战
TOE框架的解析显示，数据治理与组织就绪度对采纳结果的影响甚至超过算法本身。挑战-应用矩阵进一步揭示异质性：数据问题在记录与数字化场域最为突出，技术与运营约束集中于修复与保护场景，跨学科协作瓶颈同样多见于数字化项目，伦理与所有权争议在教育与体验场域最为敏感，而偏见、信任与验证问题则在面向公众的场域强度最高。这要求采纳干预需采取场域适配的差异化策略，而非通用化的技术方案。
（四）理论贡献
研究首次提出文化遗产领域AI应用的五分法功能分类，突破了既往单一场景综述的局限；首次从社会技术视角系统整合了该领域的采纳挑战，修正了“技术决定论”的认知偏差；最核心的贡献是将TOE框架确立为该领域的主导分析范式，为后续构建情境化的采纳成熟度模型提供了理论基础。
（五）实践启示
机构应优先完善数字基础设施与元数据标准，破解数据瓶颈；建立跨学科协作机制，促进技术团队与遗产专家的深度融合；制定覆盖版权、隐私与伦理的治理框架；并将AI采纳视为长期组织变革而非一次性技术采购，确保技术创新与遗产保护的使命对齐。
（六）未来研究方向
后续研究可关注不同类型机构的长期采纳影响，开发适配文化遗产场景的伦理治理框架与采纳就绪度评估模型，并重点实证检验AI驱动的访客体验对文化认同与学习成效的长期作用。
六、结论
本研究通过对64篇文献的系统分析，厘清了文化遗产领域AI采纳的趋势、场域与挑战。当前研究仍以技术开发为主导，机构层面的整合评估存在明显缺口。五大应用场域的差异性挑战表明，成功采纳需要技术能力、组织就绪度、伦理治理与跨学科协作的多维协同。TOE框架与挑战-应用矩阵为后续研究提供了可复制的分析基础，而推动以人为中心的AI落地，将是该领域实现技术赋能与文化可持续发展的核心路径。
打赏
