Hagnaður:
- Geta til að leiðrétta skönnuð skjöl með því að breyta þeim í texta með OCR og HTR og bera saman úttakið við raunverulega mynd
- Geta til að varðveita frumleika og heilleika skjalasafnsins og koma í veg fyrir að gervigreind breyti innihaldi og tilbúinni endurreisn
- Geta til að skipuleggja langtíma stafræna varðveislu með upprunaupplýsingum og varanlegu sniði
Skjalavörður hefur það hlutverk að flytja fimmtíu ára gömul dagblaðabindi, handskrifuð bréf eða gamlar ljósmyndir inn í framtíðina. Þessi skjöl slitna með tímanum; Til að varðveita þau og gera þau aðgengileg er stafræn væðing gerð: sú athöfn að skanna efnislegt skjal og breyta því í stafrænt afrit. En skimun ein og sér er ekki nóg; Stafræni hluturinn verður að vera finnanlegur, læsilegur og viðhaldshæfur til lengri tíma litið. Í þessari einingu munt þú læra hvernig á að nota gervigreind í stafrænni, umritun og stafrænni varðveislu vinnuflæði; en þú munt læra hvers vegna þú berð ábyrgð á frumleika og nákvæmni.
Nokkur hugtök. OCR (Optical Character Recognition) er tækni sem breytir texta í mynd skjals í texta sem hægt er að breyta í vél. HTR (Handwritten Text Recognition) gerir sama starf fyrir handskrifuð skjöl og er mun erfiðara. Stafræn varðveisla er skipulögð viðleitni til að tryggja að stafrænir hlutir haldist læsilegir í áratugi, jafnvel þótt skráarsnið verði úrelt og hugbúnaður breytist. AI er öflugur en gallaður aðstoðarmaður á öllum þremur sviðunum.
Skref fyrir skref: frá stafrænni væðingu til varðveislu
1. Forgangsraða. Þú getur ekki stafrænt allt í einu. Viðkvæmustu, eftirsóttustu og einstöku skjölin eru sett í fyrsta sæti. Þetta er dómstólaákvörðun; Gervigreind hjálpar til við að breyta lista, en stofnunin ákveður forganginn.
2. Skannaðu og notaðu OCR/HTR. Skannaðu skjalið í hárri upplausn, notaðu síðan OCR eða HTR til að draga út textann. Verkfæri sem byggjast á gervigreind eru að verða betri og betri hér, jafnvel með gömlum og erfiðum texta.
3. Leiðréttu og staðfestu textann. OCR/HTR framleiðsla er aldrei fullkomin. Villur eru algengar, sérstaklega ef það er gömul skrif, litaðar síður eða handrit. Nauðsynlegt er að bera úttakið saman við raunverulega mynd og leiðrétta hana.
4. Bættu við lýsigögnum og verndarupplýsingum. Bættu við stafræna hlutinn uppruna hans, skönnunarskilyrði, sniðupplýsingum og uppruna - hvaðan skjalið kom og hvernig það var unnið. Þessar upplýsingar eru mikilvægar fyrir framtíðar sannprófun og vernd.
5. Áætlun um langtímavernd. Veldu skráarsnið sem eru opin, algeng og endingargóð; aftur upp; Gerðu flutningsáætlun ef sniðin verða úrelt.
Ábending: Ekki samþykkja OCR úttakið sem "skýr texta". Ef leitarkerfi myndi vinna í gegnum þennan texta myndu rangt þekkt orð valda því að heimildin fannst ekki. Fyrir mikilvægar söfn ákvarðar leiðrétting á OCR úttakinu fyrir mannsauga gæði alls síðari aðgangs.
Áreiðanleiki og heiðarleiki stafræna hlutarins
Kjarninn í skjalavinnu eru áreiðanleiki og heilindi: fullvissan um að skjal komi í raun og veru frá upprunalegri heimild og að innihaldi þess hafi ekki verið breytt. Á þessum tímapunkti skapar gervigreind tvíþætta ógn. Í fyrsta lagi, meðan á OCR/HTR leiðréttingu eða „aukning“ stendur, getur gervigreind breytt textanum hljóðlaust; getur bætt við orði sem ekki er til undir nafninu „leiðrétting“. Í öðru lagi, ef "viðgerð" eða "endurgerð" myndar er gerð með gervigreind, geta óupprunalegar upplýsingar verið framleiddar.
Regla skjalavarðar er skýr: stafræna varðveisluafritið verður að vera trú frumritinu. Allar umbætur sem gerðar eru með gervigreind ættu að vera skjalfestar og raunveruleg (hrá) skönnun ætti alltaf að vera varðveitt. Að „fegra“ skjal getur eyðilagt sögulegt sönnunargildi þess.
Varúð: Það getur verið freistandi að "bæta" gamla mynd eða skjal með gervigreind; en gervigreind fyllir út þá hluta sem vantar með því að búa þá til. Í skjalasafni þýðir þetta að búa til rangar sögulegar sannanir. Endurreisnarúttakið kemur aldrei í stað upprunalegu upprunans; er geymt sem sérstakt, greinilega merkt afbrigði.
þrjú smámál
Mál 1 - Dagblaðasöfn urðu leitarhæf. Bókasafn hefur stafrænt 30 ára gamalt safn sitt af staðbundnum dagblöðum. Með OCR voru 90.000 síður afritaðar og gerðar leitarhæfar; Efnisleit sem áður tók daga hefur nú verið stytt niður í sekúndur. Hins vegar tók teymið eftir því að OCR-nákvæmni fór niður í 80% á gömlum og lituðum síðum og setti í forgang að leiðrétta efstu árin með mannlegu auga.
Mál 2 — HTR opnaði handritið. Skjalasafn beitti HTR á safn erfiðra bréfa frá 19. öld. Kerfið náði miklum hraða samkvæmt margra mánaða lestri sérfræðinga; En hver blaðsíða á útprentuninni var borin saman við frumritið af sérfróðum steingervingafræðingi (sérfræðingi í fornritum), því það voru villur í nöfnum manna og staða.
Mál 3 - Fölsuð „endurreisn“ hafnað. Eitt lið íhugaði að „gera við“ rifna sögulega ljósmynd með gervigreind. AI kláraði andlitshlutana sem vantaði með því að passa þá. Skjalavörðurinn áttaði sig á því að þessi tilbúnu smáatriði myndu afbaka söguleg sönnunargögn; Viðgerða myndin var geymd sérstaklega við hlið upprunalegu, aðeins greinilega merkt "AI afleiða".
Aðgangsafrit, varðveisluafrit og ákvörðun um snið
Góð venja í stafrænni væðingu er að aðskilja afrit af sama hlutnum í mismunandi tilgangi. Varðveislumeistari er raunverulegur stafræni hluturinn sem á að flytja inn í framtíðina, geymdur í hæstu upplausn, óþjöppuðu eða taplausu sniði; það er sjaldan snert. Aðgangsafrit er minna afbrigði sem auðvelt er að opna fyrir notanda. Þessi greinarmunur er mikilvægur vegna þess að sniðið sem er hagnýtt til notkunar (lítið, þjappað) gæti ekki hentað til langtímavarðveislu; Tilvalið snið til varðveislu (stórt, taplaust) er fyrirferðarmikið fyrir daglega notkun. Í þessu verkflæði getur gervigreind hjálpað til við að skrá skrár, greina afbrigði sem vantar og halda lýsigögnum í samræmi milli tveggja eintaka. Hins vegar er val á sniði ákvörðun um varðveislu: Opin, víða skjalfest og endingargóð snið ættu að vera valin (frekar en séreign, lokuð snið) og flutningsáætlun ætti að vera tilbúin ef sniðin verða úrelt með tímanum. Jafnvel þótt gervigreind stingi upp á sniði hefur langtímaverndarstefna stofnunarinnar lokaorðið.
Ábending: Haltu stutta skrá fyrir hvern stafrænan hlut sem svarar spurningunum "hvar er upprunalega heimildin, á hvaða sniði er varðveisluafritið, á hvaða sniði er aðgangsafritið og hver er aðgengileg notandanum?" Með því að blanda þessum þremur lögum er óljóst hvaða skrá er trausti meistarinn í framtíðinni.
Fjögur afritanleg sniðmát
1) OCR úttak leiðréttingarhjálp:
Hér að neðan er OCR texti og lýsing á raunverulegu síðunni. Lagaðu aðeins openOCR villur (slæmir stafir, samsett/klofin orð). Ekki breyta efni, bæta við eða fjarlægja orð. Ef þú ert ekki viss skaltu merkja með „[?]“. OCR texti: [hér]
2) Athugun á samræmi texta og myndar:
Eru einhverjar viðbætur í leiðrétta textanum hér að neðan sem ekki var gert ráð fyrir að væru í upprunalega skjalinu (sem gæti hafa verið tilbúið)? Merktu við hvern grunsamlegan hluta og skrifaðu hvers vegna hann er grunsamlegur. Texti: [hér]
3) Drög að lýsigögnum verndar:
Búðu til útlínur varðveislulýsigagna fyrir eftirfarandi stafræna hlut: uppruna, uppruna, skannadagsetningu/upplausn, skráarsnið, viðskiptasaga. Notaðu bara upplýsingarnar sem ég gaf upp, skildu eftir auðan reit sem vantar. Upplýsingar: [hér]
4) Forgangsröðunarhjálp:
Hér að neðan er listi yfir söfn sem bíða stafrænnar; Aðstoða við forgangsröðun út frá viðkvæmni, eftirspurn og sérstöðu. Gefðu stuttan rökstuðning fyrir hverja auðlind; Leyfðu mér lokaákvörðunina. Listi: [hér]
Veik kvaðning / Sterk kvaðning
Veik kvaðning:
Leiðrétta og fegra þennan skannaða texta.
„Beautify“ býður gervigreind að breyta innihaldinu, bæta upp fyrir aðgerðirnar; Frumleiki skjalasafnsins er skemmdur.
Öflug tilvitnun:
Hlutverk þitt: aðstoðarmaður ritstjóra í stafrænni væðingu. Í eftirfarandi OCR texta skaltu AÐEINS laga skýrar auðkenningarvillur (slæmur stafur, rangt skipt orð). Ekki bæta við, fjarlægja eða breyta neinum orðum. Skildu eftir „[?]“ þar sem þú ert ekki viss. Sýndu hverja leiðréttingu sem þú gerðir á sérstökum lista. Texti: [hér]
Öfluga vísbendingin takmarkar gervigreind við að þekkja aðeins villur, bannar því að snerta efni og gerir leiðréttingar rekjanlegar.
Verkflæði og áhættutafla
Sviði
Framlag gervigreindar
Aðaláhætta
verndarráðstöfun
skanna
—
léleg gæði
hár upplausn
OCR/HTR
Umbreyta í texta
Viðurkenningarvillur
mannleg leiðrétting
leiðréttingu
Villutillaga
Að breyta efni
Samanburður við upprunalega
endurreisn
Myndafleiða
passa smáatriði
Haltu hráu frumritinu, merktu það
vernd
Drög að lýsigögnum
tap á uppruna
Upprunaskrá
Algeng mistök
- Samþykkja OCR úttak án leiðréttingar. Villur trufla leit og aðgang.
- Að kalla gervigreind „gera fallegt“. Það breytir innihaldinu og eyðileggur frumleika.
- Að skipta gervigreindaruppbyggingu út fyrir raunverulegar sannanir. Tilbúnar smáatriði skapa falska sögu.
- Ekki geymir hráskönnunina. Enga leiðréttingu er hægt að sannreyna án frumritsins.
- Að sleppa upprunaupplýsingum. Áreiðanleiki skjalsins verður órekjanlegur.
Í stuttu máli
gervigreind í stafrænum skjalasöfnum og stafrænni væðingu; Það er dýrmætt hjálpartæki sem flýtir fyrir OCR/HTR umritun, gerð lýsigagna og forgangsröðun. En kjarninn í skjalavinnu er áreiðanleiki og heiðarleiki: OCR framleiðsla ætti að vera leiðrétt af mannsauga, gervigreind ætti aldrei hljóðlaust að skipta um efni, endurreisnarafleiður ættu ekki að koma í stað upprunalegu sönnunargagnanna og hráar skönnunar- og upprunaupplýsingar ættu alltaf að vera varðveittar. Notaðu gervigreind sem tæki sem "bætir" ekki skjalið, heldur gerir það aðgengilegt á meðan þú ert trúr því.
Umsóknarverkefni
Fáðu stutt sýnishorn af OCR framleiðsla (annaðhvort eigin framleiðslu eða úr raunverulegri skönnun). Láttu aðeins auðkenningarvillurnar leiðrétta með „OCR output correction help“ sniðmátinu, athugaðu síðan hvort gervigreindin hafi bætt við efni með sniðmátinu „Text-image consistentie check“. Búðu síðan til færslu með uppruna- og sniðupplýsingum fyrir hlutinn með sniðmátinu „Vörðunarlýsigagnauppkast“.
gátlisti
- [ ] Ég bar saman OCR/HTR úttakið við raunverulega mynd og leiðrétti hana.
- [ ] Ég hef athugað að gervigreind bætir/breytir ekki efni.
- [ ] Ég geymdi hráa (meistara) skönnunina sérstaklega og óbreytta.
- [ ] Ég bætti uppruna- og sniðupplýsingum við lýsigögnin.
- [ ] Ég hef greinilega merkt endurreisnarafbrigði sem "AI afleiða".