سود:
- امکان تنظیم گردش کار HTR و نویسهگردانی و توضیح اینکه چرا پیشنویس خام به بررسی خط به خط متخصص نیاز دارد.
- امکان محافظت از مناطق ناخوانا با درخواست جایگزین به جای تحمیل خواندن دقیق در صورت ابهام حروف صدادار در ترکی عثمانی
- امکان جداسازی نویسهنویسی اصلی از یک لایه مجزای سادهسازی، حفظ مسئولیت علمی نهایی با دیرینهنگار
شاید سخت ترین بخش تحقیق تاریخی، رونویسی نسخه های خطی و اسناد مکتوب قدیمی به متن قابل خواندن باشد. نامه، دفترچه یادداشت، پرونده دادگاه یا سند عثمانی تنها پس از رونویسی قابل جستجو است. رونویسی عمل انتقال محتویات یک سند (اغلب دست نویس یا خط باستانی) به یک متن نوشته شده و قابل خواندن است. در مورد عثمانی، این اغلب با نویسهگردانی همراه است: انتقال متن با حروف عربی به الفبای لاتین با معادلهای حرف به حرف آن.
ما از OCR برای متون چاپی استفاده کردیم. دستنویس به فناوری دیگری نیاز دارد: HTR (تشخیص متن دستنویس). HTR فناوری مشابه OCR است اما بسیار چالش برانگیزتر است که اسناد دست نویس را به متن ماشین تبدیل می کند. در این بخش نحوه استفاده از HTR و AI در رونویسی عثمانی و نسخه خطی، حاشیه های خطا و اینکه چرا تأیید در اینجا بسیار مهم است را خواهیم دید.
چرا دست خط اینقدر سخت است؟
دستخط بسیار متغیرتر از متن چاپی است: هر نویسنده یک دست منحصر به فرد دارد، حروف به هم پیوند خورده اند، از اختصارات و علائم خاص استفاده می شود، جوهر خون می شود، کاغذ فرسوده می شود. در ترکی عثمانی دشواری چند برابر است:
- اشکال حروف متنی: همان حرف در ابتدا، وسط و انتهای کلمه متفاوت نوشته می شود.
- ننوشتن حروف صدادار: مصوت های کوتاه اغلب نوشته نمی شوند. خواننده از متن کامل می کند. این امر باعث ایجاد ابهاماتی مانند «قبول یا رد؟» می شود.
- سبكهاي مختلف نوشتاري: سبكهاي خطي متفاوتي از قبيل ركعت، ديواني، تعليق وجود دارد. هر کدام به مهارت خواندن متفاوتی نیاز دارند.
- واژگان عثمانی: کلماتی از عربی و فارسی که در ترکی امروزی وجود ندارد.
بنابراین، HTR و AI با حاشیه خطای بسیار بالاتری در ترکی عثمانی نسبت به چاپ OCR کار می کنند. چشم یک دیرینه نگار خبره (دیرینه نگاری - علم خواندن نوشته های کهن) در اینجا ابزار نیست، بلکه یک ضرورت است.
گردش کار: گام به گام
1. کیفیت سند را آماده کنید. همانند OCR، وضوح بالا و کنتراست خوب ضروری است. این حتی در دست خط بسیار مهم است.
2. مدل HTR را انتخاب کنید. مدل های عثمانی، عربی، یا مدل های HTR که به طور خاص برای یک دوره خاص آموزش داده شده اند بسیار موفق تر از مدل های عمومی هستند. تست کنید که کدام مدل برای یک دوره و سبک نوشتن به خوبی کار می کند.
3. رونویسی خام ایجاد کنید. مدل HTR یک طرح کلی ایجاد می کند. در ترکی عثمانی، این پیش نویس آغازی پر از اشتباهات است که یک چشم با تجربه باید به طور کامل آن ها را بررسی کند.
4. بهبود زمینه با هوش مصنوعی. میتوانید ناهماهنگیهای پرچم هوش مصنوعی، گزینههای خواندنی احتمالی و مکانهای مشکوک را در خروجی خام داشته باشید. اما "تصحیح" هوش مصنوعی در اینجا بسیار خطرناک است: می تواند خواندنی ساختگی را نشان دهد.
5. نویسه گردانی و ساده سازی (لایه ای). ترجمه متن با حروف عربی به حروف لاتین و به دنبال آن خواندن ساده آن به ترکی امروزی به صورت لایه های جداگانه تولید می شود. اصل هرگز خراب نمی شود.
6. تایید کارشناسی. رونویسی نهایی با مقایسه با سند توسط کارشناس با دانش دیرینه نگاری و دوره تایید می شود.
توجه: در ترکی عثمانی، هنگام "حدس زدن" کلمه ای با یک مصوت نانوشته از متن، هوش مصنوعی می تواند یک قرائت کاملاً اشتباه ایجاد کند و آن را به زبانی مطمئن ارائه کند. اختلاف در حروف مانند «کابل» به جای «کابیل» یا «علم» به جای «علیم» معنا را به کلی تغییر می دهد. هر قرائت نامطمئنی باید با جایگزین هایی ارائه شود و هیچ قرائت قطعی واحدی نباید تحمیل شود.
لایه ها و مسئولیت با جدول
لایه
محتوا
نقش هوش مصنوعی
نقش کارشناس
تصویر
سند اصلی
-
منبع
پیش نویس HTR
خواندن ماشین خام
تولید می کند
کنترل از ابتدا تا انتها
آوانگاری
جابجایی حروف لاتین
پیش نویس پیشنهاد می کند
تصحیح می کند، تصحیح می کند
یادداشت های عدم قطعیت
[؟] و جایگزین ها
نشانه ها
تصمیم می گیرد
ساده سازی
ترکی امروزی
پیش نویس پیشنهاد می کند
تاییدیه ها
انتشار علمی
متن پایانی + یادداشت ها
-
فقط کارشناس
سه کیف کوچک
مورد 1 - HTR سرعت پیش نویس اول را 5 برابر افزایش داد. یک دانشجوی دکترا یک دفترچه 200 صفحه ای عثمانی را رونویسی می کرد. رونویسی کامل دستی 60 روز کاری تخمین زده شد. با یک مدل HTR که برای آن دوره آموزش داده شده بود، پیش نویس خام در چند ساعت بیرون آمد. دانش آموز این پیش نویس را تصحیح کرد و کار را به 12 روز کاری کاهش داد. اما او مجبور بود هر صفحه را خط به خط با سند مقایسه کند. حدود 30 درصد از پیش نویس نادرست بود.
مورد 2 - یک حرف، یک معنی. یک محقق بر کلمه ای تکیه کرد که هوش مصنوعی آن را "فرماندار" خواند. تحت کنترل متخصص، فهمیده شد که این کلمه در واقع "سرپرست" است (مسئول یک کودک / فرد) و از آنجایی که مصوت علامت گذاری نشده بود، هوش مصنوعی آن را اشتباه حدس زد. معنای حقوقی سند کاملاً در حال تغییر بود. درس: در ترکی عثمانی، اختلاف تک حرف/صدا باعث می شود که سند از ابتدا تفسیر شود. کارشناس مورد نیاز است
مورد 3 - تکمیل ساختگی. در خطی که جوهر آن تمام شده بود و یک کلمه آن غیرقابل خواندن بود، هوش مصنوعی شکاف را با یک کلمه "منطقی" پر کرد. کارشناس متوجه شد که آن شکاف در واقع یک نام مکان است و هوش مصنوعی آن را ساخته است. فاصله به عنوان [ناخوانا] باقی مانده است. درس: فضای ناخوانا پر نمی شود، علامت گذاری شده است.
چهار قالب قابل کپی
1) نویسهگردانی که ابهام را حفظ میکند:
در زیر خروجی/آوانویسی خام HTR یک سند عثمانی آمده است. وظیفه شما بررسی متن و علامت گذاری خطاهای احتمالی خواندن است. قوانین: (1) برای هر کلمه ای که از آن مطمئن نیستید 2 تا 3 گزینه برای خواندن پیشنهاد دهید، یکی را تحمیل نکنید. (2) در نواحی ناخوانا [ناخوانا] بگذارید، آنها را پر نکنید. (3) افزودن کلماتی که در متن وجود ندارد. (4) گزینه های جایگزین را در کلمات دارای حروف صدادار مبهم نشان دهید. متن: [اینجا]
2) خواندن لایه ای (اصلی + ساده):
دو ستون برای نویسهگردانی تأیید شده عثمانی زیر ایجاد کنید: (1) نویسهگردانی اصلی (لمس)، (2) خواندن سادهشده به ترکی امروزی. افزودن معنی، افزودن تفسیر در ساده سازی. فقط زبان را به روز کنید مکانهایی را با معنای مبهم[نامشخص] علامتگذاری کنید. ترجمه: [اینجا]
3) استخراج مدت و شخص:
نام های شخصی، نام مکان ها، عناوین و اصطلاحات دوره ای ذکر شده در رونویسی زیر در لیست های جداگانه ظاهر می شوند. فقط مواردی را که به وضوح در متن ذکر شده است در نظر بگیرید. با حدس زدن اضافه نکنید. اگر از تلفظ مطمئن نیستید با [؟] علامت بزنید. متن: [اینجا]
4) کنترل خواندن مشکوک:
یک کنترل کننده باتجربه پالئوگرافی در این نقش. در رونویسی زیر، کلماتی را که از نظر معنی ناسازگار هستند، با دوره یا متن مطابقت ندارند علامت بزنید و دلیل مشکوک بودن آنها را بنویسید. تحمیل اصلاح قطعی؛ فهرستی از سوء ظن ایجاد کنید که متخصص انسانی با سند مقایسه می کند. متن: [اینجا]
اعلان ضعیف / اعلان قوی
ضعیف:
این متن عثمانی را بخوانید و ترجمه آن را به من بدهید.
این امر هوش مصنوعی را وادار می کند تا یک خواندن واحد و قطعی ایجاد کند، ابهامات را پنهان کند و در شکاف ها قرار بگیرد. در ترکی عثمانی، این تقریباً یک اشتباه تضمین شده است.
قوی:
ترجمه عثمانی را در زیر بررسی کنید. قرائت قطعی: تحمیل. جایگزین های ممکن برای هر کلمه مبهم ارائه کنید، قسمت های [ناخوانا] را حذف کنید، چیزی که در متن نیست اضافه نکنید. خواندن ساده شده را در ستونی جداگانه به ترکی امروزی بدهید، اما اصل را نگه دارید. هر چیزی را که در مورد آن مطمئن نیستید با [؟] علامت بزنید تا کارشناس بتواند آن را با سند مقایسه کند. متن: [اینجا]
تفاوت: ممنوعیت خواندن دقیق، درخواست جایگزین، حفظ فضای خالی، و خروجی لایهای تأیید کارشناسی را امکانپذیر میسازد.
اشتباهات رایج
- اشتباه گرفتن پیش نویس HTR به عنوان صحیح. در ترکی عثمانی، بسیاری از پیشنویسهای خام ممکن است نادرست باشند. کنترل خط به خط یک امر ضروری است.
- تنها قرائت قطعی تحمیل است. اگر در کلماتی که حروف صدادار آنها نوشته نشده باشد، جایگزین پنهان شود، معنی اشتباه ثبت می شود.
- پر کردن قسمت ناخوانا باید با فضای خالی [ناخوانا] محافظت شود، نه ساخته شده.
- ترکیب اصلی با ساده سازی. ساده سازی باید یک لایه جداگانه باشد. نویسهگردانی اصلی نباید تحریف شود.
- غیرفعال کردن کارشناس بدون دانش دیرینه نگاری و دوره، خواندن AI یک حدس و بدون ارزش علمی است.
به طور خلاصه
رونویسی عثمانی و نسخ خطی را می توان در مرحله پیش نویس خام با HTR و AI بسیار تسریع کرد. شما اولین خروجی را دریافت می کنید که روزهای کاری را به ساعت کاهش می دهد. اما دقیقاً در این زمینه است که یک حرف واحد، یک تفاوت مصوت، معنی را تغییر می دهد; هوش مصنوعی تمایل دارد عدم اطمینان را پنهان کند و شکاف ها را پر کند. روش صحیح لایه بندی است: طرح کلی خام، یادداشت های جایگزین ابهام، لایه ای جداگانه از ساده سازی و بالاتر از همه، تأیید خط به خط سند توسط متخصص آشنا به دیرینه نگاری. هوش مصنوعی خواندن اولیه را سرعت می بخشد. مسئولیت علمی بر عهده متخصص است.
وظیفه کاربردی
رونویسی یک سند عثمانی یا نسخه خطی (تولید خود یا یک نسخه منتشر شده) را دریافت کنید. از هوش مصنوعی یک خواندن جایگزین با الگوی «نویسهگردانی حفظ ابهام» بخواهید. سپس لایه ساده سازی را به طور جداگانه با "خوانش لایه ای" ایجاد کنید. هر کلمه علامت گذاری شده مبهم را با منبع یا فرهنگ لغت متخصص مقایسه کنید. توجه داشته باشید که اگر هوش مصنوعی یک بار خواندن را اعمال کند، چه تعداد خطا ایجاد می کند.
چک لیست
- [ ] من از HTR/مدل مناسب با دوره و سبک نوشتن استفاده کردم.
- [ ] من از هوش مصنوعی جایگزین هایی برای خواندن دقیق درخواست کردم.
- [ ] از قسمت های ناخوانا با [ناخوانا] محافظت کردم.
- [ ] من نویسهگردانی اصلی را از سادهنویسی جدا نگه داشتم.
- [ ] من متن نهایی را توسط یک متخصص/مستند که دیرینه نگاری می داند تأیید کردم.