Guadagni:
- Capacità di impostare il flusso di lavoro HTR e traslitterazione e spiegare perché la bozza grezza richiede un controllo esperto riga per riga
- Possibilità di proteggere le aree illeggibili chiedendo alternative invece di imporre una lettura precisa in caso di ambiguità vocale/lettera in turco ottomano
- Possibilità di separare la traslitterazione originale da un livello separato di semplificazione, mantenendo la responsabilità scientifica finale al paleografo
Forse la parte più impegnativa della ricerca storica è la trascrizione di manoscritti e documenti scritti antichi in testo leggibile. Una lettera, un taccuino, un atto giudiziario o un documento ottomano diventano consultabili solo dopo essere stati trascritti. La trascrizione è l'atto di trasferire il contenuto di un documento (il più delle volte scritto a mano o in caratteri antichi) in un testo scritto e leggibile. Nel caso dell'ottomano, questo è spesso accompagnato dalla traslitterazione: trasferimento del testo in lettere arabe nell'alfabeto latino con i suoi equivalenti lettera per lettera.
Abbiamo utilizzato l'OCR per i testi stampati; La scrittura a mano richiede una tecnologia diversa: HTR (riconoscimento del testo scritto a mano). HTR è una tecnologia simile all'OCR ma molto più impegnativa che converte i documenti scritti a mano in testo automatico. In questa unità vedremo come utilizzare HTR e AI nella trascrizione ottomana e del manoscritto, i margini di errore e perché la verifica è ancora più critica qui.
Perché la scrittura a mano è così difficile?
La scrittura a mano è molto più variabile rispetto al testo stampato: ogni scrittore ha una mano unica, le lettere sono collegate tra loro, vengono usate abbreviazioni e segni speciali, l'inchiostro cola, la carta si consuma. Nel turco ottomano la difficoltà si moltiplica:
- Forme di lettere contestuali: la stessa lettera è scritta in modo diverso all'inizio, al centro e alla fine della parola.
- Non scrivere le vocali: le vocali brevi spesso non vengono scritte; il lettore completa dal contesto. Ciò crea ambiguità come "accettazione o rifiuto?"
- Diversi stili di scrittura: Esistono diversi stili di scrittura come rik'a, divani, ta'lik; Ciascuno richiede una diversa esperienza di lettura.
- Vocabolario ottomano: parole dell'arabo e del persiano che non esistono nel turco di oggi.
Pertanto, HTR e AI funzionano con un margine di errore molto più elevato nel turco ottomano rispetto all'OCR stampato. L'occhio di un paleografo esperto (paleografia - la scienza della lettura degli scritti antichi) qui non è uno strumento, ma una necessità.
Flusso di lavoro: passo dopo passo
1. Preparare la qualità del documento. Come per l'OCR, sono essenziali un'alta risoluzione e un buon contrasto. Ciò è ancora più critico nella scrittura a mano.
2. Selezionare il modello HTR. I modelli di scrittura ottomana, araba o HTR specificatamente addestrati per un periodo specifico hanno molto più successo rispetto ai modelli generali. Prova quale modello funziona bene per un periodo e uno stile di scrittura.
3. Genera trascrizione grezza. Il modello HTR produce uno schema. In turco ottomano questa bozza è un inizio pieno di errori che un occhio esperto deve controllare attentamente.
4. Miglioramento contestuale con l'intelligenza artificiale. È possibile che nell'output non elaborato vengano segnalate incongruenze dell'IA, possibili alternative di lettura e posizioni sospette. Ma qui la “correzione” dell’IA è particolarmente rischiosa: potrebbe suggerire una lettura artificiosa.
5. Traslitterazione e semplificazione (a strati). La traslitterazione del testo in lettere arabe in lettere latine, seguita dalla sua lettura semplificata in turco odierno, viene prodotta in strati separati. L'originale non si rompe mai.
6. Verifica peritale. La trascrizione finale viene approvata da un esperto paleografo e conoscitore dell'epoca confrontandola con il documento.
Attenzione: nel turco ottomano, quando si "indovina" una parola con una vocale non scritta dal contesto, l'intelligenza artificiale può produrre una lettura completamente sbagliata e presentarla in un linguaggio sicuro. Una differenza nelle lettere, come "kabul" invece di "kabil" o "alem" invece di "alim", cambia completamente il significato. Ogni lettura incerta dovrebbe essere presentata con alternative e non dovrebbe essere imposta alcuna lettura definitiva.
Strati e responsabilità con una tabella
strato
Contenuto
Ruolo dell'intelligenza artificiale
Ruolo dell'esperto
Immagine
documento originale
—
Fonte
Bozza dell'HTR
Lettura meccanica grezza
produce
Controllo dall'inizio alla fine
traslitterazione
Trasposizione delle lettere latine
la bozza suggerisce
Corregge, corregge
Note di incertezza
[?] e alternative
segni
decide
Semplificazione
Il turco di oggi
la bozza suggerisce
Approvazioni
pubblicazione scientifica
Testo finale + note
—
Solo esperti
tre mini custodie
Caso 1: HTR ha accelerato la prima bozza di 5 volte. Uno studente di dottorato trascriverebbe un taccuino ottomano di 200 pagine. La trascrizione manuale completa è stata stimata in 60 giorni lavorativi. Con un modello HTR addestrato per il periodo, la bozza grezza è uscita in poche ore; Lo studente ha corretto questa bozza e ha ridotto il lavoro a 12 giorni lavorativi. Ma doveva confrontare ogni pagina con il documento, riga per riga; Circa il 30% della bozza era errata.
Caso 2 – Una lettera, un significato. Un ricercatore si è affidato a una parola letta dall'intelligenza artificiale come "governatore". Sotto controllo esperto, si è capito che la parola era in realtà "guardiano" (responsabile di un bambino/persona), e poiché la vocale non era marcata, l'IA ha indovinato male. Il significato giuridico del documento stava cambiando completamente. Lezione: nel turco ottomano, una singola differenza di lettera/vocale fa sì che il documento venga interpretato dall'inizio; è richiesto un esperto.
Caso 3 – Completamento artificioso. In una riga il cui inchiostro era finito e di cui una parola era illeggibile, l’intelligenza artificiale ha riempito il vuoto con una parola “logica”. L’esperto si rese conto che quella lacuna era in realtà il nome di un luogo e che l’IA se l’era inventata. Spazio lasciato come [illeggibile]. Lezione: lo spazio illeggibile non viene riempito, è contrassegnato.
Quattro modelli copiabili
1) Traslitterazione che preservi l'ambiguità:
Di seguito è riportato l'output/traslitterazione grezza HTR di un documento ottomano. Il tuo compito è rivedere il testo e segnalare eventuali errori di lettura. Regole: (1) Offri 2-3 possibili alternative di lettura per ogni parola di cui non sei sicuro, non imporne una. (2) Lasciare [illeggibile] nelle aree illeggibili, non riempirle. (3) AGGIUNTA di parole che non esistono nel testo. (4) Mostra alternative in parole con vocali ambigue. Testo: [qui]
2) Lettura stratificata (originale + semplificazione):
Genera DUE colonne per la seguente traslitterazione ottomana verificata: (1) Traslitterazione originale (tocco), (2) Lettura semplificata nel turco di oggi. AGGIUNGERE significato, aggiungere interpretazione semplificando; basta aggiornare la lingua. Segna luoghi dal significato ambiguo[indistinto]. Traslitterazione: [qui]
3) Estrazione termini e persone:
I nomi personali, toponimi, titoli e termini periodici menzionati nella trascrizione seguente compaiono in elenchi separati. Prendi solo quelli CHIARAMENTE menzionati nel testo; Non aggiungere indovinando. Segna con [?] se non sei sicuro della pronuncia. Testo: [qui]
4) Controllo di lettura sospetta:
Un controllore esperto di paleografia nel ruolo. Nella trascrizione seguente, evidenzia le parole che non sono coerenti nel significato, che non si adattano al punto o che non si adattano al contesto e scrivi perché sono sospette. Imponente correzione definitiva; Genera un elenco di sospetti che l'esperto umano confronterà con il documento. Testo: [qui]
Prompt debole / Prompt forte
Debole:
Leggi questo testo ottomano e dammi la sua traduzione.
Ciò spinge l’IA a produrre una lettura unica e definitiva, nascondendo ambiguità e inserendo le lacune. Nel turco ottomano questo è quasi un errore garantito.
Forte:
Controlla la traslitterazione ottomana di seguito. Una lettura definitiva: IMPOSIZIONE. Fornire possibili alternative per ogni parola ambigua, tralasciare le parti [illeggibili], non aggiungere nulla che non sia presente nel testo. Riporta la lettura semplificata al turco di oggi in una colonna separata, ma mantieni l'originale. Contrassegna tutto ciò di cui non sei sicuro con [?] in modo che l'esperto possa confrontarlo con il documento. Testo: [qui]
La differenza: il rigoroso divieto di lettura, la richiesta di alternative, la conservazione degli spazi bianchi e l'output a più livelli consentono la verifica da parte di esperti.
Errori comuni
- Confondere la bozza dell'HTR con quella corretta. Nel turco ottomano, gran parte della bozza grezza potrebbe essere imprecisa; Il controllo riga per riga è un must.
- L’unica lettura definitiva è imporre. Se nelle parole le cui vocali non sono scritte si nascondono alternative, verrà registrato il significato sbagliato.
- Compilazione dell'area illeggibile. Dovrebbe essere protetto da spazi bianchi [illeggibili], non inventati.
- Mescolare l'originale con la semplificazione. La semplificazione dovrebbe essere un livello separato; La traslitterazione originale non deve essere distorta.
- Disabilitare l'esperto. Senza la conoscenza della paleografia e del periodo, la lettura dell'IA è un'ipotesi priva di valore scientifico.
In sintesi
La trascrizione ottomana e del manoscritto può essere notevolmente accelerata nella fase di bozza grezza con HTR e AI; Ottieni un primo output che riduce le giornate di lavoro a ore. Ma è proprio in quest'ambito che una sola lettera, una sola differenza vocale cambia il significato; L’intelligenza artificiale tende a nascondere l’incertezza e a colmare le lacune. Il metodo corretto è stratificato: schema grezzo, note alternative di ambiguità, un livello separato di semplificazione e, soprattutto, verifica riga per riga del documento da parte di un esperto esperto di paleografia. L'intelligenza artificiale accelera la lettura iniziale; La responsabilità scientifica è dell'esperto.
Compito dell'applicazione
Ottieni una traslitterazione di un documento ottomano o manoscritto (di tua produzione o di una copia pubblicata). Chiedi all'IA una lettura alternativa con il modello di “traslitterazione che preserva l'ambiguità”. Quindi generare separatamente il livello di semplificazione con la "lettura a strati". Confronta ogni parola vagamente contrassegnata con una fonte o un dizionario esperto; Nota quanti errori produrrebbe l’IA se imponesse una sola lettura.
lista di controllo
- [ ] Ho utilizzato un modello/HTR appropriato al periodo e allo stile di scrittura.
- [ ] Ho chiesto all'IA alternative alla lettura esatta.
- [ ] Ho protetto le parti illeggibili con [illeggibile].
- [ ] Ho mantenuto la traslitterazione originale separata dalla semplificazione.
- [ ] Ho fatto verificare il testo finale da un esperto/documentarista che conosce la paleografia.