Faida:
- Uwezo wa kusahihisha hati zilizochanganuliwa kwa kuzibadilisha kuwa maandishi na OCR na HTR na kulinganisha matokeo na picha halisi.
- Uwezo wa kuhifadhi uhalisi na uadilifu wa hati ya kumbukumbu na kuzuia AI kubadilisha yaliyomo na urejeshaji uliobuniwa.
- Uwezo wa kupanga uhifadhi wa muda mrefu wa dijiti na habari ya asili na muundo wa kudumu
Mtunzi wa kumbukumbu ana jukumu la kubeba majarida ya umri wa miaka hamsini, barua zilizoandikwa kwa mkono, au picha za zamani katika siku zijazo. Nyaraka hizi huchakaa kwa muda; Ili kuhifadhi na kuwafanya kupatikana, uwekaji dijiti unafanywa: kitendo cha skanning hati halisi na kuibadilisha kuwa nakala ya dijiti. Lakini uchunguzi pekee hautoshi; Kitu cha kidijitali lazima kiweze kupatikana, kusomeka na kudumishwa kwa muda mrefu. Katika kitengo hiki, utajifunza jinsi ya kutumia akili ya bandia katika uwekaji dijitali, unukuzi na mtiririko wa kazi wa kuhifadhi dijitali; lakini utajifunza kwa nini utashikilia jukumu la uhalisi na usahihi.
Dhana chache. OCR (Optical Character Recognition) ni teknolojia inayobadilisha maandishi katika taswira ya hati kuwa maandishi yanayoweza kuhaririwa na mashine. HTR (Utambuzi wa Maandishi Yanayoandikwa kwa Mkono) hufanya kazi sawa kwa hati zilizoandikwa kwa mkono na ni ngumu zaidi. Uhifadhi wa kidijitali ni juhudi iliyopangwa ili kuhakikisha kuwa vipengee vya kidijitali vinasalia kusomeka kwa miongo kadhaa, hata kama miundo ya faili inapitwa na wakati na mabadiliko ya programu. AI ni msaidizi mwenye nguvu lakini mwenye dosari katika maeneo yote matatu.
Hatua kwa hatua: kutoka kwa dijiti hadi uhifadhi
1. Weka kipaumbele. Huwezi kuweka kila kitu kidijitali mara moja. Hati dhaifu zaidi, zilizoombwa zaidi na za kipekee zaidi zinawekwa kwanza. Huu ni uamuzi wa mahakama; AI husaidia na uhariri wa orodha, lakini taasisi huamua kipaumbele.
2. Changanua na utumie OCR/HTR. Changanua hati katika ubora wa juu, kisha utumie OCR au HTR kutoa maandishi. Zana zinazotegemea AI zinaboreka hapa, hata kwa maandishi ya zamani na magumu.
3. Sahihisha na uhakikishe maandishi. Toleo la OCR/HTR si kamilifu kamwe. Makosa ni ya kawaida, haswa ikiwa kuna maandishi ya zamani, kurasa zenye alama, au maandishi. Ni muhimu kulinganisha pato na picha halisi na kusahihisha.
4. Ongeza metadata na maelezo ya ulinzi. Ongeza kwenye kipengee cha dijiti asili yake, hali ya kuchanganua, maelezo ya umbizo na asili - hati ilitoka wapi na jinsi ilivyochakatwa. Taarifa hii ni muhimu kwa uthibitishaji na ulinzi wa siku zijazo.
5. Panga ulinzi wa muda mrefu. Chagua fomati za faili zilizo wazi, za kawaida na za kudumu; chelezo; Tengeneza mpango wa uhamiaji ikiwa miundo itaacha kutumika.
Kidokezo: Usikubali towe la OCR kama "maandishi wazi". Iwapo mfumo wa utafutaji ungefanyia kazi maandishi haya, maneno yasiyotambulika vizuri yangesababisha chanzo kutopatikana. Kwa makusanyo muhimu, kurekebisha pato la OCR kwa jicho la mwanadamu huamua ubora wa ufikiaji wote unaofuata.
Uhalisi na uadilifu wa kifaa cha dijitali
Kiini cha kazi ya kumbukumbu ni uhalisi na uadilifu: hakikisho kwamba hati inatoka kwa chanzo kinachodaiwa na kwamba maudhui yake hayajabadilishwa. Katika hatua hii, AI inajenga tishio la pande mbili. Kwanza, wakati wa marekebisho ya OCR/HTR au "kuboresha," AI inaweza kurekebisha maandishi kimya kimya; inaweza kuongeza neno ambalo halipo chini ya jina "kusahihisha". Pili, ikiwa picha "kukarabati" au "kurejesha" inafanywa na AI, maelezo yasiyo ya asili yanaweza kutolewa.
Sheria ya mtunza kumbukumbu iko wazi: nakala ya uhifadhi wa kidijitali lazima iwe mwaminifu kwa nakala asili. Kila uboreshaji unaofanywa na AI unapaswa kuandikwa na skanisho halisi (ghafi) inapaswa kuhifadhiwa kila wakati. "Kuipamba" hati inaweza kuharibu thamani yake ya kihistoria ya ushahidi.
Tahadhari: Inaweza kushawishi "kuboresha" picha ya zamani au hati na AI; lakini AI inajaza sehemu zinazokosekana kwa kuzitengeneza. Katika hati ya kumbukumbu, hii inamaanisha kuunda ushahidi wa uwongo wa kihistoria. Matokeo ya urejeshaji kamwe hayachukui nafasi ya chanzo asili; huhifadhiwa kama kibadala tofauti, kilicho na lebo wazi.
kesi tatu ndogo
Kesi ya 1 - Kumbukumbu za magazeti zilianza kutafutwa. Maktaba imeweka kidigitali mkusanyo wake wa miaka 30 wa magazeti ya ndani. Kwa OCR, kurasa 90,000 zilinakiliwa na kutafutwa; Utafutaji wa mada ambao awali ulichukua siku sasa umepunguzwa hadi sekunde. Walakini, timu iligundua kuwa usahihi wa OCR ulishuka hadi 80% kwenye kurasa za zamani na zilizotiwa alama na kuweka kipaumbele kusahihisha miaka ya juu kwa jicho la mwanadamu.
Kesi ya 2 - HTR ilifungua maandishi. Kumbukumbu ilitumia HTR kwa mkusanyiko wa herufi ngumu kusoma za karne ya 19. Mfumo ulipata kasi kubwa kulingana na miezi ya kusoma na wataalam; Lakini kila ukurasa wa uchapishaji ulilinganishwa na wa asili na mtaalamu wa paleographer (mtaalam wa maandishi ya kale), kwa sababu kulikuwa na makosa katika majina ya watu na mahali.
Kesi ya 3 - "Urejesho" wa uwongo umekataliwa. Timu moja ilizingatia "kurekebisha" picha ya kihistoria iliyopasuka na AI. AI ilikamilisha sehemu za uso zilizokosekana kwa kuziweka. Mtunzi wa kumbukumbu alitambua kwamba maelezo haya yaliyotungwa yangepotosha ushahidi wa kihistoria; Picha iliyorekebishwa ilihifadhiwa kando kando ya ile ya asili, ikiwa na lebo ya "AI derivative".
Fikia nakala, nakala ya uhifadhi na uamuzi wa umbizo
Mazoezi mazuri katika uwekaji dijiti ni kutenganisha nakala za kitu kimoja kwa madhumuni tofauti. Ustadi wa uhifadhi ni kifaa halisi cha dijiti kitakachobebwa katika siku zijazo, kilichohifadhiwa katika azimio la juu zaidi, muundo usio na shinikizo au usio na hasara; ni mara chache kuguswa. Nakala ya ufikiaji ni lahaja ndogo, inayofunguliwa kwa urahisi inayowasilishwa kwa mtumiaji. Tofauti hii ni muhimu kwa sababu umbizo linalotumika kwa matumizi (ndogo, lililobanwa) linaweza lisifae kwa uhifadhi wa muda mrefu; Umbizo bora la uhifadhi (kubwa, lisilo na hasara) ni ngumu kwa matumizi ya kila siku. Katika mtiririko huu wa kazi, AI inaweza kusaidia katika kuorodhesha faili, kugundua vibadala vinavyokosekana, na kuweka metadata sawa kati ya nakala mbili. Hata hivyo, uchaguzi wa umbizo ni uamuzi wa kuhifadhi: umbizo la wazi, lililo na kumbukumbu nyingi na linalodumu linafaa kupendelewa (badala ya umbizo la wamiliki, lililofungwa), na mpango wa uhamiaji unapaswa kuwekwa tayari iwapo umbizo litapitwa na wakati baada ya muda. Hata kama AI inapendekeza muundo, sera ya uhifadhi ya muda mrefu ya taasisi ndiyo yenye usemi wa mwisho.
Kidokezo: Kwa kila kitu kidijitali, weka rekodi fupi inayojibu maswali "chanzo asili kiko wapi, nakala ya uhifadhi iko katika umbizo gani, nakala ya ufikiaji iko katika umbizo gani, na ni ipi inapatikana kwa mtumiaji?" Kuchanganya tabaka hizi tatu hufanya iwe wazi ni faili gani ni bwana anayeaminika kwenda mbele.
Violezo vinne vinavyoweza kunakiliwa
1) Msaada wa urekebishaji wa pato la OCR:
Chini ni maandishi ya OCR na maelezo ya ukurasa halisi. Rekebisha hitilafu za openOCR pekee (herufi mbaya, maneno ambatanisha/mgawanyiko). Usibadilishe yaliyomo, ongeza au uondoe maneno. Ikiwa huna uhakika, weka alama kwa "[?]". Maandishi ya OCR: [hapa]
2) Angalia uthabiti wa picha ya maandishi:
Je, kuna nyongeza yoyote katika maandishi iliyosahihishwa hapa chini ambayo haikutarajiwa kuwa katika hati asili (ambayo inaweza kuwa imeundwa)? Weka alama kwa kila sehemu inayotiliwa shaka na uandike kwa nini inatiliwa shaka. Maandishi: [hapa]
3) Rasimu ya metadata ya ulinzi:
Tengeneza muhtasari wa metadata ya uhifadhi wa kitu kifuatacho cha dijitali: chanzo, asili, tarehe/azimio la kuchanganua, umbizo la faili, historia ya muamala. Tumia tu habari niliyotoa, acha uwanja unaokosekana wazi. Habari: [hapa]
4) Msaada wa kipaumbele:
Ifuatayo ni orodha ya makusanyo yanayongoja uwekaji tarakimu; Saidia katika kuweka kipaumbele kulingana na udhaifu, mahitaji na upekee. Toa sababu fupi kwa kila rasilimali; Niachie uamuzi wa mwisho.Orodha: [hapa]
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Sahihisha na upendeze maandishi haya yaliyochanganuliwa.
"Beautify" inaalika AI kubadilisha yaliyomo, kurekebisha yaliyoachwa; Uhalisi wa hati ya kumbukumbu umeharibiwa.
Agizo lenye nguvu:
Jukumu lako: msaidizi wa kihariri cha uwekaji dijiti. Katika maandishi yafuatayo ya OCR, rekebisha hitilafu za utambuzi TU (tabia mbaya, neno lililogawanyika vibaya). Usiongeze, usiondoe au kubadilisha maneno yoyote. Ondoka "[?]" mahali ambapo huna uhakika. Onyesha kila marekebisho uliyofanya katika orodha tofauti. Maandishi: [hapa]
Kidokezo chenye nguvu kinapunguza AI kwa kutambua makosa pekee, inaizuia kugusa maudhui, na kufanya masahihisho yaweze kufuatiliwa.
Mtiririko wa kazi na meza ya hatari
Jukwaa
Mchango wa AI
Hatari kuu
kipimo cha ulinzi
scan
-
ubora duni
azimio la juu
OCR/HTR
Badilisha kuwa maandishi
Makosa ya utambuzi
marekebisho ya binadamu
marekebisho
Pendekezo la hitilafu
Kubadilisha maudhui
Kulinganisha na asili
urejesho
Nyingine ya picha
maelezo ya kufaa
Weka asili mbichi, iweke lebo
ulinzi
Rasimu ya metadata
kupoteza asili
Rekodi ya asili
Makosa ya kawaida
- Kukubali matokeo ya OCR bila kusahihisha. Hitilafu huharibu utafutaji na ufikiaji.
- Kuita AI "fanya mrembo." Inabadilisha yaliyomo na kuharibu uhalisi.
- Kubadilisha marejesho ya AI kwa ushahidi halisi. Maelezo yaliyotungwa huunda historia ya uwongo.
- Haihifadhi skanisho ghafi. Hakuna marekebisho yanayoweza kuthibitishwa bila ya asili.
- Kuacha maelezo ya asili. Kuegemea kwa hati inakuwa isiyoweza kupatikana.
Kwa muhtasari
AI katika kumbukumbu za dijiti na uwekaji dijiti; Ni usaidizi muhimu unaoharakisha unukuzi wa OCR/HTR, utayarishaji wa metadata na kuweka vipaumbele. Lakini kiini cha kazi ya kuhifadhi kumbukumbu ni uhalisi na uadilifu: matokeo ya OCR yanapaswa kusahihishwa kwa jicho la mwanadamu, AI haipaswi kamwe kuchukua nafasi ya yaliyomo kimyakimya, vipengee vya urejeshaji havipaswi kuchukua nafasi ya ushahidi wa asili, na habari mbichi ya skanning na asili inapaswa kuhifadhiwa kila wakati. Tumia AI kama zana ambayo "haiboreshi" hati, lakini inaifanya ipatikane huku ukikaa kweli nayo.
Jukumu la maombi
Pata sampuli fupi ya pato la OCR (ama toleo lako mwenyewe au kutoka kwa uchunguzi halisi). Sahihisha hitilafu za utambuzi tu kwa kutumia kiolezo cha "OCR kusahihisha matokeo", kisha uangalie kama AI imeongeza maudhui kwa kutumia kiolezo cha "Angalia uthabiti wa picha". Kisha unda rekodi yenye maelezo ya awali na umbizo la kitu kwa kiolezo cha "Rasimu ya metadata ya Uhifadhi".
orodha ya ukaguzi
- [ ] Nililinganisha pato la OCR/HTR na picha halisi na kulisahihisha.
- [ ] Nimeangalia kuwa AI haiongezi/haibadilishi yaliyomo.
- [ ] Niliweka skana mbichi (ya bwana) kando na bila kubadilika.
- [ ] Niliongeza maelezo ya awali na umbizo kwenye metadata.
- [ ] Nimeweka lebo ya vibadala vya urejeshaji kwa uwazi kama "derivative ya AI".