Qazanclar:
- HTR və transliterasiya iş axını qurmaq və xam qaralamanın niyə sətir-sətir ekspert yoxlamasını tələb etdiyini izah etmək bacarığı
- Osmanlı türkcəsində sait/hərf qeyri-müəyyənliyi vəziyyətində dəqiq oxunuş tətbiq etmək əvəzinə alternativlər istəməklə oxunmayan yerləri qorumaq bacarığı
- Paleoqrafın qarşısında son elmi məsuliyyəti saxlayaraq orijinal transliterasiyanı ayrıca sadələşdirmə təbəqəsindən ayırmaq bacarığı
Tarixi tədqiqatların bəlkə də ən tələbkar hissəsi əlyazmaların və köhnə yazılı sənədlərin oxunaqlı mətnə köçürülməsidir. Məktub, dəftər, məhkəmə protokolu və ya Osmanlı sənədi yalnız yazıya alındıqdan sonra axtarış edilə bilər. Transkripsiya sənədin məzmununu (ən çox əlyazma və ya qədim yazı) yazılı, oxunaqlı mətnə köçürmə aktıdır. Osmanlı dilinə gəldikdə, bu, çox vaxt transliterasiya ilə müşayiət olunur: ərəb hərfləri ilə yazılmış mətnin hərf-hərf ekvivalentləri ilə birlikdə Latın əlifbasına köçürülməsi.
Çap mətnləri üçün OCR-dən istifadə etdik; Əl yazısı fərqli bir texnologiya tələb edir: HTR (Əl Yazısı Mətnin Tanınması). HTR, OCR-ə bənzər, lakin əl ilə yazılmış sənədləri maşın mətninə çevirən daha çətin bir texnologiyadır. Bu bölmədə biz Osmanlıca və əlyazma transkripsiyasında HTR və AI-dən necə istifadə ediləcəyini, səhvlərin hədlərini və burada yoxlamanın niyə daha vacib olduğunu görəcəyik.
Əl yazısı niyə bu qədər çətindir?
Əl yazısı çap mətnindən qat-qat çox dəyişkəndir: hər bir yazıçının özünəməxsus əli var, hərflər bir-birinə bağlanır, abbreviatura və xüsusi işarələrdən istifadə olunur, mürəkkəblər boşalır, kağız köhnəlir. Osmanlı türkcəsində çətinlik qat-qat artır:
- Kontekst hərf formaları: Eyni hərf sözün əvvəlində, ortasında və sonunda fərqli yazılır.
- Saitləri yazmamaq: Qısa saitlər çox vaxt yazılmır; oxucu kontekstdən tamamlayır. Bu, “qəbul, yoxsa rədd?” kimi anlaşılmazlıqlar yaradır.
- Müxtəlif yazı üslubları: Rika, divani, təlik kimi müxtəlif yazı üslubları var; Hər biri fərqli oxu təcrübəsi tələb edir.
- Osmanlı lüğəti: Ərəb və Fars dillərindən indiki türkcədə olmayan sözlər.
Buna görə də, HTR və AI Osmanlı türkcəsində çap OCR ilə müqayisədə daha yüksək səhv nisbəti ilə işləyir. Mütəxəssis paleoqrafın gözü (paleoqrafiya - qədim yazıları oxumaq elmi) burada alət deyil, zərurətdir.
İş axını: addım-addım
1. Sənədin keyfiyyətini hazırlayın. OCR-də olduğu kimi, yüksək qətnamə və yaxşı kontrast vacibdir. Bu, əlyazmasında daha kritikdir.
2. HTR modelini seçin. Osmanlı, ərəb əl yazısı və ya xüsusi bir dövr üçün hazırlanmış HTR modelləri ümumi modellərdən çox daha uğurludur. Hansı modelin dövr və yazı tərzi üçün yaxşı işlədiyini yoxlayın.
3. Xam transkripsiya yaradın. HTR modeli kontur yaradır. Osmanlı türkcəsində bu taslak, təcrübəli bir gözün hərtərəfli yoxlaması lazım olan səhvlərlə dolu bir başlanğıcdır.
4. AI ilə kontekstual təkmilləşdirmə. Siz AI bayrağı uyğunsuzluqlarına, mümkün oxu alternativlərinə və xam çıxışda şübhəli yerlərə sahib ola bilərsiniz. Ancaq AI "düzəliş" burada xüsusilə risklidir: bu, uydurma oxunuş təklif edə bilər.
5. Transliterasiya və sadələşdirmə (laylı). Ərəb hərfləri ilə yazılan mətnin latın hərflərinə transliterasiyası, ardınca sadələşdirilmiş şəkildə bugünkü türkcəyə oxunması ayrı-ayrı təbəqələr şəklində hazırlanır. Orijinal heç vaxt pozulmur.
6. Ekspert yoxlaması. Yekun transkripsiya paleoqrafiya və dövr biliyi olan ekspert tərəfindən sənədlə müqayisə edilərək təsdiq edilir.
Diqqət: Osmanlı türkcəsində, kontekstdən yazılmamış saitli bir sözü "təxmin edərkən" AI tamamilə səhv oxunuş yarada və onu etibarlı bir dildə təqdim edə bilər. Hərflərdəki fərq, məsələn, “kabil” əvəzinə “kabul” və ya “alim” əvəzinə “alem” mənasını tamamilə dəyişir. Hər bir qeyri-müəyyən oxunuş alternativlərlə təqdim edilməli və heç bir qəti oxunma tətbiq edilməməlidir.
Cədvəl ilə təbəqələr və məsuliyyət
qat
Məzmun
AI-nin rolu
Ekspertin rolu
Şəkil
orijinal sənəd
—
Mənbə
HTR layihəsi
Xam maşın oxu
istehsal edir
Başdan sona nəzarət
transliterasiya
Latın hərfinin köçürülməsi
layihəsi təklif edir
Düzəldir, düzəldir
Qeyri-müəyyənlik qeydləri
[?] və alternativlər
əlamətlər
qərar verir
Sadələşdirmə
Bugünkü türk
layihəsi təklif edir
Təsdiqlər
elmi nəşr
Yekun mətn + qeydlər
—
Yalnız ekspert
üç mini qutu
Case 1 — HTR ilk qaralamanı 5 dəfə sürətləndirdi. Doktorant 200 səhifəlik Osmanlı dəftərini köçürərdi. Tam əl ilə transkripsiya 60 iş günü kimi qiymətləndirilib. Dövr üçün hazırlanmış bir HTR modeli ilə xam layihə bir neçə saat ərzində çıxdı; Tələbə bu layihəni düzəldib işi 12 iş gününə qədər azaldıb. Amma o, hər səhifəni sətir-sətir sənədlə müqayisə etməli idi; Layihənin təxminən 30%-i səhv idi.
2-ci hal - Bir hərf, bir məna. Bir tədqiqatçı AI-nin "qubernator" kimi oxuduğu bir sözə istinad etdi. Mütəxəssis nəzarəti altında sözün əslində "qəyyum" (uşaq/şəxs üçün cavabdeh) olduğu anlaşıldı və sait işarələnmədiyi üçün AI bunu səhv hesab etdi. Sənədin hüquqi mənası tamamilə dəyişirdi. Dərs: Osmanlı türkcəsində tək hərf/sait fərqi sənədin əvvəldən şərh edilməsinə səbəb olur; mütəxəssis tələb olunur.
3-cü vəziyyət - Təsəvvür edilmiş tamamlama. Mürəkkəbi bitmiş və bir sözünü oxumaq mümkün olmayan sətirdə süni intellekt boşluğu “məntiqi” sözlə doldurdu. Mütəxəssis, bu boşluğun əslində bir yer adı olduğunu və süni intellektin onu düzəltdiyini başa düşdü. Boşluq [okunmaz] olaraq qaldı. Dərs: oxunmayan yer doldurulmur, qeyd olunur.
Dörd kopyalana bilən şablon
1) Qeyri-müəyyənliyi qoruyan transliterasiya:
Aşağıda bir Osmanlı sənədinin HTR xam çıxışı/transliterasiyası verilmişdir. Tapşırıq mətni nəzərdən keçirmək və mümkün oxu səhvlərini qeyd etməkdir. Qaydalar: (1) Əmin olmadığınız hər söz üçün 2-3 mümkün oxu alternativi təklif edin, birini tətbiq etməyin. (2) Qeyri-oxunan yerlərdə [okunmaz] buraxın, onları doldurmayın. (3) Mətndə mövcud olmayan sözlərin ƏLAVƏ EDİLMƏSİ. (4) Çoxmənalı saitli sözlərdə alternativləri göstərin. Mətn: [burada]
2) Qatlı oxu (orijinal + sadələşdirmə):
Aşağıdakı təsdiqlənmiş Osmanlı transliterasiyası üçün İKİ sütun yaradın: (1) Orijinal transliterasiya (toxunma), (2) Bugünkü türkcəyə sadələşdirilmiş oxu. Məna əlavə etmək, sadələşdirmədə təfsir əlavə etmək; sadəcə dili yeniləyin. Qeyri-müəyyən mənalı yerləri qeyd edin[müəyyən olmayan]. Transliterasiya: [burada]
3) Müddət və şəxsin çıxarılması:
Aşağıdakı transkripsiyada qeyd olunan şəxsi adlar, yer adları, başlıqlar və dövri terminlər ayrıca siyahılarda göstərilir. Yalnız mətndə AÇIQ qeyd olunanları götürün; Təxmin edərək əlavə etməyin. Əgər tələffüzdən əmin deyilsinizsə, [?] ilə işarələyin. Mətn: [burada]
4) Şübhəli oxuma nəzarəti:
Rolda təcrübəli paleoqrafiya nəzarətçisi. Aşağıdakı transkripsiyada mənaca uyğun olmayan, dövrə uyğun olmayan və ya kontekstlə uyğun gəlməyən sözləri qeyd edin və onların niyə şübhəli olduğunu yazın. Qətiyyətli düzəlişlərin tətbiqi; İnsan ekspertinin sənədlə müqayisə edəcəyi şübhələrin siyahısını yaradın. Mətn: [burada]
Zəif məlumat / Güclü göstəriş
Zəif:
Bu Osmanlı mətnini oxuyun və tərcüməsini mənə verin.
Bu, AI-ni qeyri-müəyyənlikləri gizlətmək və boşluqlara uyğunlaşdırmaq üçün vahid, qəti oxunuş yaratmağa sövq edir. Osmanlı türkcəsində bu az qala zəmanətli səhvdir.
Güclü:
Aşağıdakı Osmanlı transliterasiyasına baxın. Qəti oxunuş: İMPOSİYASİYA. Hər bir qeyri-müəyyən söz üçün mümkün alternativlər təqdim edin, [okunmayan] hissələri buraxın, mətndə olmayan heç bir şey əlavə etməyin. Bugünkü türkcəyə sadələşdirilmiş oxunu ayrıca bir sütunda verin, amma orijinalı saxlayın. Əmin olmadığınız hər şeyi [?] ilə qeyd edin ki, ekspert onu sənədlə müqayisə edə bilsin. Mətn: [burada]
Fərq: ciddi oxu qadağası, alternativlər tələb etmək, boşluqları qorumaq və laylı çıxış ekspert yoxlamasına imkan verir.
Ümumi səhvlər
- HTR layihəsini düzgün hesab etmək. Osmanlı türkcəsində xam layihənin çoxu qeyri-dəqiq ola bilər; Sətir-sətir nəzarəti mütləqdir.
- Yeganə qəti oxumaq məcbur etməkdir. Saitləri yazılmayan sözlərdə alternativlər gizlədilirsə, yanlış məna qeydə alınır.
- Oxunmayan sahənin doldurulması. O, boşluq [okunmaz] ilə qorunmalıdır, düzəldilməməlidir.
- Orijinalı sadələşdirmə ilə qarışdırmaq. Sadələşdirmə ayrı bir təbəqə olmalıdır; Orijinal transliterasiya təhrif edilməməlidir.
- Eksperti deaktiv edir. Paleoqrafiya və dövr haqqında məlumat olmadan, AI-nin oxuması heç bir elmi dəyəri olmayan bir təxmindir.
Xülasə
Osmanlı və əlyazma transkripsiyası HTR və AI ilə xam layihə mərhələsində çox sürətləndirilə bilər; İş günlərini saatlara endirən ilk nəticə əldə edirsiniz. Amma məhz bu sahədə bir hərf, tək sait fərqi məna dəyişir; Süni intellekt qeyri-müəyyənliyi gizlətməyə və boşluqları doldurmağa meyllidir. Düzgün metod laylıdır: xam kontur, qeyri-müəyyənliyin alternativ qeydləri, ayrıca sadələşdirmə təbəqəsi və hər şeydən əvvəl sənədin paleoqrafiya ilə tanış olan ekspert tərəfindən sətir-sətir yoxlanılması. AI ilkin oxumağı sürətləndirir; Elmi məsuliyyət ekspertin üzərinə düşür.
Tətbiq tapşırığı
Osmanlı və ya əlyazma sənədinin transliterasiyasını əldə edin (öz istehsalınız və ya nəşr olunmuş surəti). Süni intellektdən “qeyri-müəyyənliyi qoruyan transliterasiya” şablonu ilə alternativ oxunmasını istəyin. Sonra "laylı oxu" ilə ayrıca sadələşdirmə qatını yaradın. Hər bir qeyri-müəyyən işarələnmiş sözü ekspert mənbəsi və ya lüğəti ilə müqayisə edin; Süni intellektin tək bir oxunuş tətbiq etsə, nə qədər səhv edəcəyinə diqqət yetirin.
yoxlama siyahısı
- [ ] Mən dövrə və yazı üslubuna uyğun HTR/modeldən istifadə etdim.
- [ ] Mən AI-dən dəqiq oxumağa alternativlər istədim.
- [ ] Oxunmayan hissələri [oxunmaz] ilə qorudum.
- [ ] Mən orijinal transliterasiyanı sadələşdirmədən ayrı saxladım.
- [ ] Son mətni paleoqrafiyanı bilən ekspert/sənədli film tərəfindən təsdiqlənmişdim.