Hagnaður:
- Geta til að setja upp HTR og umritunarverkflæði og útskýra hvers vegna hráuppkastið krefst sérfræðiskoðunar línu fyrir línu
- Geta til að vernda ólæsileg svæði með því að biðja um val í stað þess að setja nákvæman lestur ef sérhljóða/stafa tvíræðni er á Ottoman-tyrknesku
- Hæfni til að aðskilja upprunalegu umritunina frá sérstöku einföldunarlagi og halda endanlega vísindalegri ábyrgð hjá fornleifafræðingnum
Kannski er mest krefjandi hluti sagnfræðirannsókna að umrita handrit og gömul rituð skjöl yfir í læsilegan texta. Bréf, minnisbók, dómsskrá eða Ottoman skjal verður aðeins leitanlegt eftir að það hefur verið afritað. Umritun er sú athöfn að flytja innihald skjals (oftast handskrifað eða fornt handrit) yfir í skrifaðan, læsan texta. Þegar um Ottoman er að ræða, fylgir þessu oft umritun: að flytja textann á arabískum stöfum yfir í latneska stafrófið með jafngildum bókstaf fyrir staf.
Við notuðum OCR fyrir prentaða texta; Rithönd krefst annarrar tækni: HTR (Handwritten Text Recognition). HTR er tækni svipuð OCR en mun meira krefjandi sem breytir handskrifuðum skjölum í vélrænan texta. Í þessari einingu munum við sjá hvernig á að nota HTR og AI í Ottoman og handritauppskrift, skekkjumörk og hvers vegna sannprófun er enn mikilvægari hér.
Af hverju er rithönd svona erfið?
Rithönd er mun breytilegri en prentaður texti: hver ritari hefur einstaka hönd, stafir eru tengdir saman, skammstafanir og sérstök tákn eru notuð, blek blæðir, pappír slitist. Á tyrknesku tyrknesku eru erfiðleikarnir margfaldir:
- Samhengisbundin stafaform: Sami stafur er skrifaður á annan hátt í upphafi, miðju og lok orðsins.
- Að skrifa ekki sérhljóða: Stutt sérhljóð eru oft ekki skrifuð; lesandinn lýkur út frá samhenginu. Þetta skapar tvíræðni eins og "samþykki eða höfnun?"
- Mismunandi ritstíll: Það eru mismunandi rithönd eins og rik'a, divani, ta'lik; Hver krefst mismunandi lestrarþekkingar.
- Ottoman orðaforði: Orð úr arabísku og persnesku sem eru ekki til á tyrknesku nútímans.
Þess vegna vinna HTR og AI með mun hærri skekkjumörk á tyrknesku tyrknesku en prentað OCR. Auga sérfróðs steingervingafræðings (paleography - vísindin við lestur fornrita) er ekki verkfæri hér, heldur nauðsyn.
Verkflæði: skref fyrir skref
1. Undirbúðu gæði skjalsins. Eins og með OCR er mikil upplausn og góð birtuskil nauðsynleg. Þetta er enn mikilvægara í rithöndinni.
2. Veldu HTR gerð. Ottoman, arabísk rithönd eða HTR módel sem eru sérstaklega þjálfuð fyrir ákveðið tímabil eru mun farsælli en almennar gerðir. Prófaðu hvaða líkan virkar vel fyrir tímabil og ritstíl.
3. Búðu til hráa umritun. HTR líkanið framleiðir útlínur. Á tyrknesku tyrknesku eru þessi drög upphaf fullt af villum sem reynt auga verður að athuga vel.
4. Umbætur á samhengi með gervigreind. Þú getur haft ósamræmi í gervigreindarfánanum, mögulega lestrarvalkosti og grunsamlegar staðsetningar í hráefninu. En AI „leiðréttingin“ er sérstaklega áhættusöm hér: hún gæti bent til tilgerðarlegrar lestrar.
5. Umritun og einföldun (lagskipt). Umritun textans á arabískum stöfum yfir á latneska stafi, fylgt eftir með einfaldaðri lestri yfir á tyrknesku nútímans, er framleidd sem aðskilin lög. Frumritið brotnar aldrei.
6. Sannprófun sérfræðinga. Endanleg uppskrift er samþykkt af sérfræðingi með steingervingafræði og tímabilsþekkingu með því að bera það saman við skjalið.
Athygli: Á tyrknesku tyrknesku, þegar „giska“ á orð með óskrifuðu sérhljóði úr samhenginu, getur gervigreind framkallað algjörlega rangan lestur og sett það fram á öruggu tungumáli. Mismunur á stöfum, eins og "kabúl" í stað "kabil" eða "alem" í stað "alim", breytir algjörlega merkingunni. Sérhver óviss lestur ætti að vera settur fram með valkostum og ekki ætti að beita neinum einum endanlegum lestri.
Lög og ábyrgð með borði
lag
Efni
Hlutverk gervigreindar
Hlutverk sérfræðingsins
Mynd
frumskjal
—
Heimild
HTR drög
Hrá véllestur
framleiðir
Stjórna frá upphafi til enda
umritun
Lögleiðing latneskra stafa
drög leggja til
Leiðréttir, leiðréttir
Athugasemdir um óvissu
[?] og valmöguleikar
merki
ákveður
Einföldun
Tyrkneska í dag
drög leggja til
Samþykki
vísindarit
Lokatexti + athugasemdir
—
Aðeins sérfræðingur
þrjú smámál
Tilfelli 1 — HTR flýtti fyrstu drögunum um 5x. Doktorsnemi myndi afrita 200 blaðsíðna Ottoman minnisbók. Full handvirk uppskrift var metin á 60 virka daga. Með HTR líkani sem var þjálfað fyrir tímabilið kom hrá uppkastið út á nokkrum klukkustundum; Nemandinn leiðrétti þessi drög og minnkaði vinnuna í 12 virka daga. En hann varð að bera hverja síðu saman við skjalið, línu fyrir línu; Um 30% af drögunum voru röng.
Tilfelli 2 - Einn bókstafur, ein merking. Einn vísindamaður treysti á orð sem gervigreindin las sem „landstjóra“. Undir eftirliti sérfræðinga var skilið að orðið væri í raun „forráðamaður“ (ábyrgur fyrir barni/manneskju) og þar sem sérhljóðið var ekki merkt giskaði gervigreindin á það rangt. Lagaleg merking skjalsins var að gjörbreytast. Lexía: Á tyrknesku tyrknesku veldur einn stafur/hljóðmunur að skjalið er túlkað frá upphafi; sérfræðings er krafist.
Mál 3 - Tilgerðarleg frágangur. Í línu þar sem blekið hafði klárast og eitt orð var ólæsilegt, fyllti gervigreindin skarðið með „rökréttu“ orði. Sérfræðingurinn áttaði sig á því að það bil var í raun örnefni og að gervigreindin hafði gert það upp. Pláss eftir sem [ólæsilegt]. Lexía: ólæsilegt rými er ekki fyllt, það er merkt.
Fjögur afritanleg sniðmát
1) Umritun sem varðveitir tvíræðni:
Hér að neðan er HTR hráframleiðsla/umritun á Ottoman skjali. Verkefni þitt er að fara yfir textann og merkja mögulegar lestrarvillur. Reglur: (1) Bjóða upp á 2-3 mögulega lestrarvalkosti fyrir hvert orð sem þú ert ekki viss um, ekki setja einn. (2) Skildu eftir [ólæsilegt] á ólæsilegu svæðin, fylltu þau ekki. (3) BÆTA við orðum sem eru ekki til í textanum. (4) Sýndu val í orðum með óljósum sérhljóðum. Texti: [hér]
2) Lagskiptur lestur (frumlag + einföldun):
Búðu til TVEIR dálka fyrir eftirfarandi staðfesta Ottoman-umritun: (1) Upprunaleg umritun (snerting), (2) Einfölduð lestur yfir á tyrknesku í dag. BÆTA við merkingu, bæta við túlkun í einföldun; uppfærðu bara tungumálið. Merktu staði með óljósri merkingu [ógreinilegur]. Umritun: [hér]
3) Útdráttur tíma og persónu:
Persónuheiti, örnefni, titlar og reglubundin hugtök sem nefnd eru í uppskriftinni hér að neðan birtast í sérstökum listum. Taktu aðeins þá sem eru greinilega nefnd í textanum; Ekki bæta við með því að giska. Merktu með [?] ef þú ert ekki viss um framburðinn. Texti: [hér]
4) Grunsamleg lestrarstýring:
Reyndur steingervingastjóri í hlutverkinu. Í umrituninni hér að neðan skaltu merkja við þau orð sem eru ósamræmi í merkingu, passa ekki við tímabilið eða passa ekki inn í samhengið og skrifaðu hvers vegna þau eru grunsamleg. Að setja endanlega leiðréttingu; Búðu til lista yfir grunsemdir sem sérfræðingurinn mun bera saman við skjalið. Texti: [hér]
Veik kvaðning / Sterk kvaðning
Veik:
Lestu þennan Ottoman texta og gefðu mér þýðingu hans.
Þetta ýtir á gervigreindina til að framleiða eina, endanlega lestur, fela tvíræðni og passa í eyður. Á tyrknesku tyrknesku er þetta næstum tryggt mistök.
Sterkur:
Skoðaðu Ottoman umritunina hér að neðan. Endanleg lesning: ÁKÆRING. Gefðu upp mögulega valkosti fyrir hvert óljós orð, slepptu [ólæsilegum] hlutum, ekki bæta við neinu sem er ekki í textanum. Gefðu einfaldaða lestur tyrknesku í dag í sérstökum dálki, en haltu frumritinu. Merktu eitthvað sem þú ert ekki viss um með [?] svo að sérfræðingurinn geti borið það saman við skjalið. Texti: [hér]
Munurinn: strangt bann við lestri, að biðja um val, varðveita hvítbil og lagskipt framleiðsla gerir sannprófun sérfræðinga kleift.
Algeng mistök
- Misskilja HTR drögin sem rétt. Á tyrknesku tyrknesku getur mikið af hráuppkastinu verið ónákvæmt; Stýring á línu fyrir línu er nauðsynleg.
- Eina endanlega lesturinn er að þvinga. Ef valmöguleikar leynast í orðum þar sem sérhljóðar eru ekki skrifaðir verður röng merking skráð.
- Að fylla út ólæsilega svæðið. Það ætti að vera varið með hvítu bili [ólæsilegt], ekki tilbúið.
- Blanda upprunalegu með einföldun. Einföldun ætti að vera sérstakt lag; Upprunalega umritun ætti ekki að vera brengluð.
- Að slökkva á sérfræðingnum. Án þekkingar á fornleifafræði og tímabilum er lestur gervigreindar ágiskun sem hefur ekkert vísindalegt gildi.
Í stuttu máli
Hægt er að flýta umritun tyrknesku og handrita til muna á hráuppkasti með HTR og AI; Þú færð fyrsta úttak sem dregur úr vinnudögum niður í klukkustundir. En það er einmitt á þessu sviði sem einn stafur, stakur sérhljóðamunur breytir merkingunni; AI hefur tilhneigingu til að fela óvissu og fylla í eyðurnar. Rétt aðferð er lagskipt: hráar útlínur, óljósar athugasemdir, sérstakt lag af einföldun og umfram allt, línu fyrir línu sannprófun á skjalinu af sérfræðingi sem þekkir steingervingafræði. Gervigreind flýtir fyrir fyrstu lestri; Vísindaleg ábyrgð er á sérfræðingnum.
Umsóknarverkefni
Fáðu umritun á Ottoman- eða handritaskjali (þín eigin framleiðsla eða útgefið eintak). Biddu gervigreindina um annan lestur með sniðmátinu „tvíhyggja varðveita umritun“. Búðu síðan til einföldunarlagið sérstaklega með „lagskiptu lestri“. Berðu hvert óljóst merkt orð saman við sérfræðiheimild eða orðabók; Athugaðu hversu margar villur gervigreind myndi framleiða ef hún lagði á eina lestur.
gátlisti
- [ ] Ég notaði HTR/líkan sem hæfir tímabilinu og ritstílnum.
- [ ] Ég bað gervigreindina um valkosti við nákvæman lestur.
- [ ] Ég varði ólæsilegu hlutana með [ólæsilegum].
- [ ] Ég hélt upprunalegu umrituninni aðskildum frá einfölduninni.
- [ ] Ég lét sannreyna lokatextann af sérfræðingi/heimildarmynd sem kann steingervingafræði.