Добици:
- Способност исправљања скенираних докумената претварањем у текст помоћу ОЦР и ХТР и упоређивањем излаза са стварном сликом
- Способност очувања оригиналности и интегритета архивског документа и спречавања АИ да промени садржај и фабрикована рестаурација
- Способност планирања дугорочног дигиталног очувања са информацијама о поријеклу и трајним форматима
Архивиста има задатак да у будућност однесе педесет година старе томове новина, руком писана писма или старе фотографије. Ови документи се временом троше; Како би их сачували и учинили доступним, врши се дигитализација: чин скенирања физичког документа и претварања у дигиталну копију. Али само скрининг није довољан; Дигитални објекат мора да се може пронаћи, читљив и одржаван на дужи рок. У овој јединици ћете научити како да користите вештачку интелигенцију у процесу дигитализације, транскрипције и дигиталног очувања; али ћете научити зашто ћете сносити одговорност за оригиналност и тачност.
Неколико концепата. ОЦР (Оптицал Цхарацтер Рецогнитион) је технологија која претвара текст на слици документа у текст који се може уређивати машинама. ХТР (Хандвриттен Тект Рецогнитион) ради исти посао за руком писана документа и много је тежи. Дигитално очување је планирани напор да се осигура да дигитални објекти остану читљиви деценијама, чак и када формати датотека застаревају и софтвер се мења. АИ је моћан, али погрешан помоћник у све три области.
Корак по корак: од дигитализације до очувања
1. Одредите приоритете. Не можете све одједном да дигитализујете. Најкрхкији, најтраженији и најуникатнији документи су на првом месту. Ово је судска одлука; АИ помаже у уређивању листе, али институција одређује приоритет.
2. Скенирајте и примените ОЦР/ХТР. Скенирајте документ у високој резолуцији, а затим користите ОЦР или ХТР да бисте издвојили текст. Алати засновани на вештачкој интелигенцији постају све бољи и бољи, чак и са старим и тешким текстовима.
3. Исправи и провери текст. ОЦР/ХТР излаз никада није савршен. Грешке су уобичајене, посебно ако постоје стари списи, замрљане странице или рукопис. Неопходно је упоредити излаз са стварном сликом и исправити је.
4. Додајте метаподатке и информације о заштити. Додајте дигиталном објекту његово порекло, услове скенирања, информације о формату и порекло — одакле је документ дошао и како је обрађен. Ове информације су кључне за будућу верификацију и заштиту.
5. План за дугорочну заштиту. Изаберите формате датотека који су отворени, уобичајени и издржљиви; бацк уп; Направите план миграције у случају да формати постану застарели.
Савет: Не прихватајте ОЦР излаз као „чист текст“. Ако би систем за претрагу радио кроз овај текст, погрешно препознате речи би довеле до тога да извор не би био пронађен. За критичне колекције, исправљање ОЦР излаза за људско око одређује квалитет свих накнадних приступа.
Аутентичност и интегритет дигиталног објекта
У срцу архивског рада су аутентичност и интегритет: уверење да документ заиста потиче из извора за које се тврди да његов садржај није измењен. У овом тренутку, АИ ствара двосмерну претњу. Прво, током ОЦР/ХТР корекције или „побољшања“, АИ може тихо да модификује текст; може додати реч која не постоји под именом „исправка“. Друго, ако се "поправка" или "рестаурација" слике врши помоћу вештачке интелигенције, могу се произвести неоригинални детаљи.
Правило архивисте је јасно: дигитална копија мора бити верна оригиналу. Свако побољшање направљено помоћу вештачке интелигенције треба да буде документовано, а стварно (необрађено) скенирање увек треба да буде сачувано. „Улепшавање“ документа може уништити његову историјску доказну вредност.
Опрез: Можда је примамљиво „побољшати“ стару фотографију или документ помоћу вештачке интелигенције; али АИ попуњава делове који недостају тако што их надокнађује. У архивском документу то значи стварање лажних историјских доказа. Излаз рестаурације никада не замењује оригинални извор; се чува као посебна, јасно означена варијанта.
три мини кофера
Случај 1 — Архиве новина су постале претраживе. Библиотека је дигитализовала своју тридесетогодишњу колекцију локалних новина. Са ОЦР-ом, 90.000 страница је транскрибовано и омогућено за претраживање; Претрага тема која је раније трајала данима сада је сведена на секунде. Међутим, тим је приметио да је ОЦР тачност пала на 80% на старим и умрљаним страницама и дао је приоритет исправљању најбољих година људским оком.
Случај 2 — ХТР је отворио рукопис. Архив је применио ХТР на збирку тешко читљивих писама из 19. века. Систем је добио велику брзину према месецима читања од стране стручњака; Али сваку страницу отиска упоредио је са оригиналом стручан палеограф (стручњак за античко писмо), јер је било грешака у именима људи и места.
Случај 3 — Лажна „рестаурација“ одбијена. Један тим је разматрао „поправку“ поцепане историјске фотографије помоћу вештачке интелигенције. АИ је комплетирао недостајуће делове лица тако што их је уградио. Архивиста је схватио да ће ови измишљени детаљи искривити историјске доказе; Поправљена слика је сачувана одвојено поред оригинала, само са јасном ознаком „АИ дериват“.
Приступ копији, копији за очување и одлука о формату
Добра пракса у дигитализацији је да се одвоје копије истог објекта за различите намене. Мастер очувања је стварни дигитални објекат који треба да се пренесе у будућност, ускладиштен у највишој резолуцији, некомпримованом или формату без губитака; ретко се додирује. Приступна копија је мања, лако отворена варијанта представљена кориснику. Ова разлика је важна јер формат који је практичан за употребу (мали, компримовани) можда није погодан за дуготрајно чување; Идеалан формат за чување (велики, без губитака) је тежак за свакодневну употребу. У овом току рада, АИ може помоћи у пописивању датотека, откривању варијанти које недостају и одржавању конзистентних метаподатака између две копије. Међутим, избор формата је одлука о очувању: треба дати предност отвореним, широко документованим и трајним форматима (уместо власничких, затворених формата), а план миграције треба да буде спреман у случају да формати временом застаре. Чак и ако АИ предложи формат, политика дугорочног очувања институције има коначну реч.
Савет: За сваки дигитални објекат водите кратку евиденцију која одговара на питања „где је оригинални извор, у ком формату је сачувана копија, у ком формату је приступна копија и која је доступна кориснику?“ Мешањем ова три слоја постаје нејасно која је датотека поуздани мастер у будућности.
Четири шаблона за копирање
1) Помоћ за корекцију ОЦР излаза:
Испод је ОЦР текст и опис стварне странице. Исправите само грешке опенОЦР (лоши знакови, сложене/раздвојене речи). Немојте мењати садржај, додавати или уклањати речи. Ако нисте сигурни, означите са „[?]“. ОЦР текст: [овде]
2) Провера доследности текста и слике:
Да ли постоје додаци у исправљеном тексту испод за које се није очекивало да ће бити у оригиналном документу (који је можда измишљен)? Означите сваки сумњив део и напишите зашто је сумњив. Текст: [овде]
3) Нацрт метаподатака заштите:
Генеришите нацрт метаподатака о очувању за следећи дигитализовани објекат: извор, порекло, датум/резолуција скенирања, формат датотеке, историја трансакција. Само користите информације које сам дао, а поље које недостаје оставите празно. Информације: [овде]
4) Помоћ при одређивању приоритета:
Испод је списак колекција које чекају на дигитализацију; Помозите у одређивању приоритета на основу крхкости, потражње и јединствености. Дајте кратко образложење за сваки извор; Коначну одлуку препустите мени. Листа: [овде]
Слаби промпт / Јаки промпт
Слабо обавештење:
Исправите и улепшајте овај скенирани текст.
„Улепшај“ позива АИ да промени садржај, надокнади пропусте; Оригиналност архивског документа је оштећена.
Снажан упит:
Ваша улога: помоћник уредника дигитализације. У следећем ОЦР тексту поправите САМО експлицитне грешке у препознавању (лош карактер, погрешно подељена реч). Немојте додавати, уклањати или мењати ниједну реч. Оставите „[?]“ тамо где нисте сигурни. Прикажите сваку исправку коју сте направили на посебној листи. Текст: [овде]
Моћни промпт ограничава АИ само на препознавање грешака, забрањује му да додирује садржај и чини исправке следљивим.
Ток рада и табела ризика
Стаге
Допринос АИ
Главни ризик
мера заштите
скенирати
—
лошег квалитета
висока резолуција
ОЦР/ХТР
Претвори у текст
Грешке у препознавању
људска корекција
исправка
Предлог грешке
Промена садржаја
Поређење са оригиналом
рестаурација
Дериват слике
прикладан детаљ
Задржите оригинални оригинал, означите га
заштите
Нацрт метаподатака
губитак порекла
Запис о поријеклу
Уобичајене грешке
- Прихватање ОЦР излаза без корекције. Грешке ометају претрагу и приступ.
- Позивање АИ „учини лепим“. Мења садржај и уништава оригиналност.
- Замена стварних доказа рестаурацијом АИ. Измишљени детаљи стварају лажну историју.
- Не чува необрађено скенирање. Ниједна исправка се не може проверити без оригинала.
- Изостављање информација о поријеклу. Поузданост документа постаје непрегледна.
Укратко
АИ у дигиталним архивама и дигитализација; То је драгоцена помоћ која убрзава ОЦР/ХТР транскрипцију, израду метаподатака и одређивање приоритета. Али суштина архивског рада је аутентичност и интегритет: ОЦР излаз би требало да буде исправљен људским оком, АИ никада не би требало да тихо замењује садржај, деривати рестаурације не би требало да замене оригиналне доказе, а сирове информације о скенирању и поријеклу увек треба да буду сачуване. Користите вештачку интелигенцију као алат који не „побољшава“ документ, већ га чини доступним док му остајете верни.
Задатак апликације
Узмите кратак узорак ОЦР излаза (било ваше производње или из стварног скенирања). Исправите само грешке у препознавању помоћу шаблона „Помоћ за корекцију излаза ОЦР“, а затим проверите да ли је АИ додала садржај помоћу шаблона „Провера конзистентности текста и слике“. Затим креирајте запис са информацијама о поријеклу и формату за објекат помоћу шаблона „Нацрт метаподатака очувања“.
контролна листа
- [ ] Упоредио сам ОЦР/ХТР излаз са стварном сликом и исправио је.
- [ ] Проверио сам да АИ не додаје/мењује садржај.
- [ ] Задржао сам необрађено (мастер) скенирање одвојено и непромењено.
- [ ] Метаподацима сам додао информације о поријеклу и формату.
- [ ] Јасно сам означио варијанте рестаурације као „извод АИ“.