Ganhos:
- Capacidade de configurar o fluxo de trabalho de HTR e transliteração e explicar por que o rascunho bruto requer verificação especializada linha por linha
- Capacidade de proteger áreas ilegíveis, pedindo alternativas em vez de impor uma leitura precisa em caso de ambigüidade de vogais/letras em turco otomano
- Capacidade de separar a transliteração original de uma camada separada de simplificação, mantendo a responsabilidade científica final com o paleógrafo
Talvez a parte mais exigente da pesquisa histórica seja a transcrição de manuscritos e documentos escritos antigos em texto legível. Uma carta, um caderno, um registo judicial ou um documento otomano só se torna pesquisável depois de ter sido transcrito. Transcrição é o ato de transferir o conteúdo de um documento (na maioria das vezes manuscrito ou em escrita antiga) para um texto escrito e legível. No caso do otomano, isto é muitas vezes acompanhado de transliteração: transferência do texto em letras árabes para o alfabeto latino com seus equivalentes letra por letra.
Usamos OCR para textos impressos; A escrita manual requer uma tecnologia diferente: HTR (Handwriting Text Recognition). HTR é uma tecnologia semelhante ao OCR, mas muito mais desafiadora, que converte documentos manuscritos em texto de máquina. Nesta unidade veremos como usar HTR e IA na transcrição otomana e de manuscritos, as margens de erro e por que a verificação é ainda mais crítica aqui.
Por que a caligrafia é tão difícil?
A caligrafia é muito mais variável do que o texto impresso: cada escritor tem uma caligrafia única, as letras estão interligadas, são utilizadas abreviaturas e sinais especiais, a tinta sangra, o papel desgasta-se. No turco otomano a dificuldade é multiplicada:
- Formas de letras contextuais: A mesma letra é escrita de forma diferente no início, no meio e no final da palavra.
- Não escrever vogais: Vogais curtas muitas vezes não são escritas; o leitor completa a partir do contexto. Isto cria ambiguidades como “aceitação ou rejeição?”
- Diferentes estilos de escrita: Existem diferentes estilos de escrita, como rik'a, divani, ta'lik; Cada um requer uma experiência de leitura diferente.
- Vocabulário otomano: palavras do árabe e do persa que não existem no turco de hoje.
Portanto, HTR e AI trabalham com uma margem de erro muito maior em turco otomano do que em OCR de impressão. O olhar de um paleógrafo experiente (paleografia – a ciência da leitura de escritos antigos) não é uma ferramenta aqui, mas uma necessidade.
Fluxo de trabalho: passo a passo
1. Prepare a qualidade do documento. Tal como acontece com o OCR, alta resolução e bom contraste são essenciais. Isso é ainda mais crítico na caligrafia.
2. Selecione o modelo HTR. Os modelos otomanos, de caligrafia árabe ou HTR treinados especificamente para um período específico têm muito mais sucesso do que os modelos gerais. Teste qual modelo funciona bem para um período e estilo de escrita.
3. Gere a transcrição bruta. O modelo HTR produz um esboço. Em turco otomano, este rascunho é um começo cheio de erros que um olhar experiente deve verificar minuciosamente.
4. Melhoria contextual com IA. Você pode ter inconsistências de sinalizadores de IA, possíveis alternativas de leitura e locais suspeitos na saída bruta. Mas a “correção” da IA é particularmente arriscada aqui: poderia sugerir uma leitura artificial.
5. Transliteração e simplificação (em camadas). A transliteração do texto em letras árabes para letras latinas, seguida de sua leitura simplificada para o turco atual, é produzida em camadas separadas. O original nunca quebra.
6. Verificação especializada. A transcrição final é aprovada por especialista com conhecimentos de paleografia e época, comparando-a com o documento.
Atenção: No turco otomano, ao “adivinhar” uma palavra com vogal não escrita a partir do contexto, a IA pode produzir uma leitura completamente errada e apresentá-la em uma linguagem confiável. Uma diferença nas letras, como “kabul” em vez de “kabil” ou “alem” em vez de “alim”, muda completamente o significado. Cada leitura incerta deve ser apresentada com alternativas, e nenhuma leitura definitiva deve ser imposta.
Camadas e responsabilidade com uma mesa
camada
Conteúdo
Papel da IA
Papel do especialista
Imagem
documento original
-
Fonte
Rascunho de HTR
Leitura bruta da máquina
produz
Controle do início ao fim
transliteração
Transposição de letras latinas
rascunho sugere
Corrige, corrige
Notas de incerteza
[?] e alternativas
sinais
decide
Simplificação
Turco de hoje
rascunho sugere
Aprovações
publicação científica
Texto final + notas
-
Apenas especialista
três mini cases
Caso 1 — HTR acelerou o primeiro rascunho em 5x. Um estudante de doutorado transcreveria um caderno otomano de 200 páginas. A transcrição manual completa foi estimada em 60 dias úteis. Com um modelo HTR treinado para o período, o rascunho bruto saiu em poucas horas; O aluno corrigiu essa minuta e reduziu o trabalho para 12 dias úteis. Mas ele teve que comparar cada página com o documento, linha por linha; Cerca de 30% do rascunho estava incorreto.
Caso 2 — Uma letra, um significado. Um pesquisador se baseou em uma palavra que a IA leu como “governador”. Sob controle especializado, entendeu-se que a palavra era na verdade “guardião” (responsável por uma criança/pessoa), e como a vogal não estava marcada, a IA adivinhou errado. O significado jurídico do documento estava mudando completamente. Lição: No turco otomano, uma única diferença entre letra e vogal faz com que o documento seja interpretado desde o início; é necessário especialista.
Caso 3 — Conclusão artificial. Numa linha cuja tinta acabou e uma palavra ilegível, a IA preencheu a lacuna com uma palavra “lógica”. O especialista percebeu que essa lacuna era na verdade o nome de um lugar e que a IA a havia inventado. Espaço deixado como [ilegível]. Lição: o espaço ilegível não é preenchido, está marcado.
Quatro modelos copiáveis
1) Transliteração que preserva a ambiguidade:
Abaixo está a saída/transliteração bruta do HTR de um documento otomano. Sua tarefa é revisar o texto e sinalizar possíveis erros de leitura. Regras: (1) Ofereça 2-3 alternativas de leitura possíveis para cada palavra sobre a qual você não tem certeza, não imponha nenhuma. (2) Deixe [ilegível] nas áreas ilegíveis, não as preencha. (3) ADICIONAR palavras que não existem no texto. (4) Mostrar alternativas em palavras com vogais ambíguas. Texto: [aqui]
2) Leitura em camadas (original + simplificação):
Gere DUAS colunas para a seguinte transliteração otomana verificada: (1) Transliteração original (toque), (2) Leitura simplificada para o turco de hoje. ADICIONANDO significado, acrescentando interpretação em simplificação; basta atualizar o idioma. Marcar locais com significado ambíguo[indistinto]. Transliteração: [aqui]
3) Extração de prazo e pessoa:
Os nomes pessoais, topônimos, títulos e termos periódicos mencionados na transcrição abaixo aparecem em listas separadas. Tome apenas aqueles CLARAMENTE mencionados no texto; Não adicione adivinhando. Marque com [?] se não tiver certeza da pronúncia. Texto: [aqui]
4) Controle de leitura suspeita:
Um controlador de paleografia experiente na função. Na transcrição abaixo, marque as palavras que têm significado inconsistente, não se enquadram no período ou não se enquadram no contexto e escreva por que são suspeitas. Imposição de correção definitiva; Gere uma lista de suspeitas que o perito humano irá comparar com o documento. Texto: [aqui]
Alerta fraco / Alerta forte
Fraco:
Leia este texto otomano e dê-me a sua tradução.
Isso leva a IA a produzir uma leitura única e definitiva, escondendo ambigüidades e encaixando lacunas. No turco otomano, este é um erro quase garantido.
Forte:
Confira a transliteração otomana abaixo. Uma leitura definitiva: IMPOSIÇÃO. Forneça alternativas possíveis para cada palavra ambígua, omita partes [ilegíveis], não acrescente nada que não esteja no texto. Dê a leitura simplificada do turco de hoje em uma coluna separada, mas mantenha o original. Marque tudo o que você não tem certeza com [?] para que o especialista possa compará-lo com o documento. Texto: [aqui]
A diferença: proibição estrita de leitura, solicitação de alternativas, preservação de espaços em branco e saída em camadas permitem verificação especializada.
Erros comuns
- Confundindo o rascunho do HTR como correto. No turco otomano, grande parte do rascunho bruto pode ser impreciso; O controle linha por linha é obrigatório.
- A única leitura definitiva é impor. Se as alternativas estiverem ocultas em palavras cujas vogais não estão escritas, o significado errado será registrado.
- Preenchendo a área ilegível. Deve ser protegido por espaço em branco [ilegível], não inventado.
- Misturando o original com simplificação. A simplificação deveria ser uma camada separada; A transliteração original não deve ser distorcida.
- Desativando o especialista. Sem conhecimento de paleografia e época, a leitura da IA é um palpite sem valor científico.
Resumindo
A transcrição de otomanos e manuscritos pode ser bastante acelerada na fase de rascunho bruto com HTR e IA; Você obtém um primeiro resultado que reduz os dias de trabalho a horas. Mas é precisamente nesta área que uma única letra, uma única diferença vocálica muda o significado; A IA tende a esconder a incerteza e preencher as lacunas. O método correto é em camadas: esboço bruto, notas alternativas de ambiguidade, uma camada separada de simplificação e, acima de tudo, verificação linha por linha do documento por um especialista familiarizado com paleografia. IA acelera a leitura inicial; A responsabilidade científica cabe ao perito.
Tarefa de aplicativo
Obtenha uma transliteração de um documento otomano ou manuscrito (sua própria produção ou uma cópia publicada). Peça à IA uma leitura alternativa com o modelo de “transliteração com preservação de ambiguidade”. Em seguida, gere a camada de simplificação separadamente com "leitura em camadas". Compare cada palavra vagamente marcada com uma fonte especializada ou dicionário; Observe quantos erros a IA produziria se impusesse uma única leitura.
lista de verificação
- [ ] Usei um HTR/modelo adequado ao período e estilo de escrita.
- [ ] Pedi à IA alternativas para a leitura exata.
- [] Protegi as partes ilegíveis com [ilegível].
- [ ] Mantive a transliteração original separada da simplificação.
- [ ] Mandei verificar o texto final por um especialista/documentário que entende de paleografia.