యూనిట్లు
1. చరిత్ర మరియు ఆర్కైవింగ్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: పాత్రలు, సరిహద్దులు, ధ్రువీకరణ మరియు నీతి 2. డాక్యుమెంట్ డిజిటలైజేషన్ మరియు OCR: ప్రింటెడ్ టెక్స్ట్‌ను మెషిన్ టెక్స్ట్‌గా మార్చడం 3. లిప్యంతరీకరణ: ఒట్టోమన్ టర్కిష్ మరియు మాన్యుస్క్రిప్ట్స్ 4. మెటాడేటా, కేటలాగింగ్ మరియు వర్గీకరణ 5. సోర్స్ స్కానింగ్, డిస్కవరీ మరియు సారాంశం 6. హిస్టారికల్ ట్రాన్స్లేషన్ అండ్ సింప్లిఫికేషన్ 7. మూల ధృవీకరణ, అనాక్రోనిజం మరియు భ్రాంతి 8. కంటెంట్ విశ్లేషణ మరియు నమూనా ఆవిష్కరణ 9. ఆర్కైవ్ యాక్సెస్, వివరణ మరియు వినియోగదారు సేవలు 10. సంరక్షణ, పునరుద్ధరణ మరియు డిజిటల్ సంరక్షణ 11. నీతి, కాపీరైట్, గోప్యత మరియు సాంస్కృతిక సున్నితత్వం 12. ఎండ్-టు-ఎండ్ ప్రాజెక్ట్: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో ఆర్కైవ్ కలెక్షన్‌ను ప్రాసెస్ చేయడం
యూనిట్ 5 / 12

సోర్స్ స్కానింగ్, డిస్కవరీ మరియు సారాంశం

లాభాలు:

  • ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో పెద్ద పెద్ద డాక్యుమెంట్‌లను స్కాన్ చేయడం, సంబంధితమైన వాటిని తొలగించడం మరియు సంగ్రహించడం ద్వారా ఆవిష్కరణను వేగవంతం చేయగల సామర్థ్యం
  • సారాంశం అనేది డిస్కవరీ మ్యాప్ అని అర్థం చేసుకోండి, అది రుజువు కాదు మరియు ప్రతి ముఖ్యమైన పాయింట్‌ను లింక్ చేయగలరు మరియు అసలు పత్రానికి తిరిగి కోట్ చేయగలరు.
  • కేసులను స్కాన్ చేయగల సామర్థ్యం మరియు కృత్రిమ మేధస్సు లేకుండా నమూనాలతో తొలగింపును తనిఖీ చేయడం ఫలితాలు/కామెంట్‌లను ఉత్పత్తి చేస్తుంది

చారిత్రాత్మక పరిశోధనలో అతిపెద్ద అడ్డంకిలలో ఒకటి, పదార్థం యొక్క భారీ కుప్పలో "ఏమి పని చేస్తుంది" అని కనుగొనడం. ఒక పరిశోధకుడు థీసిస్ లేదా ఆర్టికల్ కోసం వందల కొద్దీ పత్రాలు, వార్తాపత్రిక వాల్యూమ్‌లు, రిజిస్టర్‌లు లేదా కరస్పాండెన్స్ ఫైల్‌లను స్కాన్ చేయాల్సి ఉంటుంది. ఈ రిసోర్స్ రివ్యూ టాస్క్‌కి సాంప్రదాయకంగా పేజీల వారీగా చదవడం అవసరం మరియు వారాలు పట్టవచ్చు. పెద్ద వచన భాగాలను త్వరగా స్కాన్ చేయడం మరియు సంగ్రహించడం మరియు సంబంధిత స్థలాలను గుర్తించడం ద్వారా AI ఈ అడ్డంకిని తెరుస్తుంది. కానీ ఇక్కడ కూడా ప్రమాదం స్పష్టంగా ఉంది: AI సారాంశం మూలాన్ని భర్తీ చేయదు; ఇది మిమ్మల్ని నిజమైన మూలానికి మళ్లించే మ్యాప్ మాత్రమే.

ఈ యూనిట్‌లో, మీరు AIతో పెద్ద చారిత్రక విషయాలను స్కాన్ చేయడం, విశ్వసనీయమైన సారాంశాలను రూపొందించడం, సంబంధిత భాగాలను కనుగొనడం మరియు సారాంశం యొక్క అత్యంత ప్రమాదకరమైన ఆపదను నివారించడం ఎలాగో నేర్చుకుంటారు: "మూలానికి వెళ్లకుండా సారాంశాన్ని విశ్వసించడం". AIని వేగం కోసం ఉపయోగించడం లక్ష్యం, అయితే ఎప్పుడూ ఖచ్చితత్వాన్ని త్యాగం చేయకూడదు; బాగా ఉపయోగించినప్పుడు, ఈ రెండు లక్ష్యాలు విభేదించవు, కానీ ఒకదానికొకటి పోషణ.

సారాంశం మూలాన్ని భర్తీ చేయదు

మొదటి నుండి ప్రాథమిక సూత్రాన్ని చేద్దాం: AI బ్రీఫ్ అనేది ఒక ఆవిష్కరణ సాధనం, రుజువు కాదు. ఒక చరిత్రకారుడు తన అధ్యయనంలో ఒక సంఘటన, కోట్ లేదా డేటా భాగాన్ని చేర్చాలనుకుంటే, అతను దానిని AI యొక్క సారాంశం నుండి కాకుండా అసలు పత్రం నుండి తీసుకోవాలి. సారాంశం, "ఈ డాక్యుమెంట్‌లో ఇలాంటిదేదో ఉంది, దాన్ని చూడండి"; "పత్రంలో సరిగ్గా ఇదే చెప్పబడింది" అని అతను అనడు. ఎందుకంటే సారాంశ ప్రక్రియ కుదించబడుతుంది, ఎంపిక చేస్తుంది, కొన్నిసార్లు వక్రీకరిస్తుంది మరియు కొన్నిసార్లు ఉనికిలో లేని దాన్ని జోడిస్తుంది.

మీరు స్కానింగ్‌లో మూడు శక్తివంతమైన ఉద్యోగాలలో AIని ఉపయోగించవచ్చు:

  1. స్కాన్ చేసి, జల్లెడ పట్టండి: మీ అంశానికి సంబంధించిన వందలాది పత్రాలలో త్వరగా గుర్తు పెట్టండి.
  2. సారాంశం: సుదీర్ఘ పత్రం యొక్క రూపురేఖలు, వ్యక్తులు మరియు అంశాలను వివరించడం.
  3. భాగాన్ని కనుగొనడం: పత్రంలో "ఈ అంశం గురించి మాట్లాడే స్థలాలు ఎక్కడ ఉన్నాయి" అనే ప్రశ్నను గుర్తించడం.

ఈ మూడింటిలోనూ, అవుట్‌పుట్ "మళ్లింపు"; సాక్ష్యం అసలు పత్రం నుండి తీసుకోబడింది.

AI యొక్క కాంటెక్స్ట్ విండో యొక్క పరిమితి ఇక్కడ విస్మరించబడిన ప్రమాదం — మోడల్ ఒక సమయంలో ప్రాసెస్ చేయగల టెక్స్ట్ మొత్తం. మీరు ఒకేసారి చాలా పెద్ద డాక్యుమెంట్ల స్టాక్‌ను అందించినప్పుడు, AI "మర్చిపోవచ్చు" లేదా మధ్య విభాగాలను దాటవేయవచ్చు; ప్రారంభంలో మరియు ముగింపులో ఏమి జరుగుతుందో దానికి ప్రాధాన్యతనిస్తుంది. అందువల్ల, వందలాది పత్రాలను ఒకే అభ్యర్థనలో అమర్చడానికి బదులుగా, వాటిని తార్కిక సమూహాలుగా విభజించి, ప్రతి సమూహాన్ని విడిగా స్కాన్ చేయడం మరింత నమ్మదగిన ఫలితాలను ఇస్తుంది. అదనంగా, AI "ఎప్పుడూ ప్రస్తావించని" పత్రం నిజంగా అసంబద్ధం లేదా విస్మరించబడిందా అని గుర్తించడానికి నమూనా తనిఖీ అవసరం.

వర్క్‌ఫ్లో: స్టెప్ బై స్టెప్

1. పరిశోధన ప్రశ్నను స్పష్టం చేయండి. అస్పష్టమైన “దీనిని నాకు సంగ్రహించండి” కాకుండా స్పష్టమైన ప్రశ్న: “ఈ 40 డాక్యుమెంట్‌లలో నీటి హక్కుల వివాదాన్ని పేర్కొన్న స్థలాలు ఎక్కడ ఉన్నాయి?”

2. పదార్థాలను సిద్ధం చేయండి. స్కాన్ చేయవలసిన టెక్స్ట్‌లను సవరించండి (ట్రాన్స్క్రిప్షన్ లేదా OCR అవుట్‌పుట్). ప్రతి భాగానికి మూలాధారం పేరు/సూచనను జత చేయండి, తద్వారా సారాంశాన్ని మూలానికి లింక్ చేయవచ్చు.

3. స్కాన్/సారాంశ సూచనలను ఇవ్వండి. ప్రతి దావాను మూలానికి (పత్రం/పేజీ) లింక్ చేస్తూ మరియు ఉనికిలో లేని వాటిని జోడించకుండా మీరు ఇచ్చే వచనంపై మాత్రమే ఆధారపడమని AIని అడగండి.

4. సారాంశాన్ని తిరిగి మూలానికి లింక్ చేయండి. సారాంశం ద్వారా గుర్తించబడిన ప్రతి ముఖ్యమైన పాయింట్‌ను అసలు పత్రంలో కనుగొని ధృవీకరించండి. పత్రం నుండి పదజాలం కోట్‌లను తీసుకోండి.

5. ప్రశ్న ఖాళీలు మరియు పక్షపాతం. AI ఏమి కోల్పోయి ఉండవచ్చు? అతను కేవలం స్పష్టమైన హైలైట్ చేసాడా? అతను మీ ప్రశ్నకు సరిపోయేదాన్ని ఎంచుకున్నాడా మరియు వ్యతిరేకతను దాచాడా?

హెచ్చరిక: సారాంశాన్ని రూపొందించేటప్పుడు, AI ఒక పత్రంలో లేని లింక్ లేదా ఫలితాన్ని జోడించవచ్చు ఎందుకంటే ఇది "తార్కికంగా ఉంది". ముఖ్యంగా "ఈ పత్రాల నుండి ఏ ముగింపును తీసుకోవచ్చు?" ఇలాంటి ప్రశ్నలు వివరణలు మరియు అనుమానాలను రూపొందించడానికి AIని ఆహ్వానిస్తాయి. సారాంశ అభ్యర్థనను వాస్తవంగా ఉంచండి; వ్యాఖ్యను మీరే ఉంచుకోండి.

టేబుల్‌తో టాస్క్‌లను స్కాన్ చేస్తోంది

తపన

AI యొక్క సహకారం

ప్రమాదం

ధృవీకరణ

సంబంధిత పత్రాన్ని తొలగించండి

వేగం

సంబంధిత దాటవేయి

నమూనా నియంత్రణ

డాక్యుమెంట్ సారాంశం

రూపురేఖలు

వార్ప్/జోడించు

మూలంతో పోల్చండి

పాసేజ్/కోట్‌ను కనుగొనడం

బుక్మార్కింగ్

తప్పు స్థానం

పత్రంలో కనుగొనండి

తులనాత్మక సారాంశం

నమూనా మార్కింగ్

సరిపోయే లింక్

ప్రతి దావాను నిర్ధారించండి

కోటింగ్

డ్రాఫ్ట్

పదం ప్రత్యామ్నాయం

పదం పదం

సారాంశం: AI అది ఎక్కడ ఉందో చూపిస్తుంది; అసలు పత్రం ఏమి జరిగిందో చెబుతుంది.

మూడు చిన్న కేసులు

కేసు 1 — 300 పత్రాలు 2 రోజులకు తగ్గించబడ్డాయి. ఒక పరిశోధకుడు పట్టణంలోని 1900-1920 నీటి హక్కుల వివాదాన్ని అధ్యయనం చేస్తున్నాడు. చేతితో 300 పత్రాల శ్రేణిని స్కాన్ చేయడానికి వారాల సమయం పడుతుంది. AI ప్రతి పత్రాన్ని "ఇది నీటి హక్కులకు సంబంధించినదా" అని గుర్తు పెట్టింది; 300 డాక్యుమెంట్లలో 42 సంబంధితమైనవిగా తేలింది. పరిశోధకుడు ఈ 42 మాత్రమే లోతుగా చదివాడు. కానీ అతను 258 డాక్యుమెంట్లలో 20ని నమూనాగా అసంబద్ధంగా గుర్తించాడు; 2 వాస్తవానికి సంబంధం కలిగి ఉన్నాయని కనుగొని దాన్ని పరిష్కరించారు. పాఠం: ఎలిమినేషన్ వేగవంతమవుతుంది కానీ నమూనా ద్వారా నియంత్రించబడాలి.

కేసు 2 - నకిలీ ఫలితం. ఒక విద్యార్థి YZని 15 పత్రాలను సంగ్రహించి, "ఈ పత్రాల నుండి ముగింపు" కోసం అడగమని అడిగాడు. డాక్యుమెంట్‌లలో లేని కాజ్-ఎఫెక్ట్ రిలేషన్‌షిప్‌ను AI నిష్ణాతమైన భాషలో "ఫలితం"గా వ్రాసింది. విద్యార్థి పత్రాలను పరిశీలించినప్పుడు, అటువంటి తీర్మానం ఏ డాక్యుమెంట్‌లోనూ మద్దతు ఇవ్వలేదని అతను చూశాడు. పాఠం: వివరణ మరియు ముగింపును ఉత్పత్తి చేయడానికి AI లేదు; కేస్ స్కాన్ పొందండి, మీరు ఫలితాలను నిర్ణయించుకుంటారు.

కేసు 3 — సవరించిన కోట్. ఒక రచయిత తన పేపర్‌లో AI సారాంశం నుండి “కోట్” వేస్తాడు. అతను దానిని పత్రంతో పోల్చినప్పుడు, AI వాక్యాన్ని సరళీకృతం చేసి, కొన్ని పదాలను మార్చినట్లు అతను గమనించాడు. పత్రంలో వ్రాసిన కోట్ ఇప్పుడు సరిగ్గా లేదు. పాఠం: ప్రతి కోట్ పత్రం నుండి పదజాలం తీసుకోబడింది, సారాంశం కాదు.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) మూలాధార స్కానింగ్:

పత్రంలోని భాగాలు క్రింద ఉన్నాయి, ప్రతి ఒక్కటి దాని సూచనతో లేబుల్ చేయబడింది. నా పరిశోధన ప్రశ్న: [ప్రశ్న]. ప్రతి పత్రానికి, కేవలం "సంబంధిత/సంబంధం లేని/అనిశ్చితం" అని గుర్తు పెట్టండి మరియు సంబంధితంగా ఉంటే, అది ఏ వాక్యం/పాసేజ్‌కు సంబంధించినదో మరియు పత్రం సూచనను సూచించండి. వ్యాఖ్యలు జోడించడం, ముగింపులు గీయడం. డాక్యుమెంటేషన్: [ఇక్కడ]

2) నమ్మకమైన సారాంశం:

దిగువ పత్రాన్ని సంగ్రహించండి. నియమాలు: (1) వచనంలో ఉన్న వాటిని మాత్రమే వ్రాయండి, అనుమితులు/వ్యాఖ్యలు/తీర్మానాలను జోడించవద్దు. (2) డాక్యుమెంట్‌లోని ప్రతి ముఖ్యమైన పాయింట్‌ని దాని స్థానానికి (పేరా/పేజీ) లింక్ చేయండి. (3) మీరు కోట్ చేయవలసి వస్తే, పదానికి పదం ఇవ్వండి, దానిని మార్చవద్దు. (4) టెక్స్ట్‌లో లేని "పేర్కొనబడని" సమాచారాన్ని వ్రాయండి. పత్రం: [ఇక్కడ]

3) పాసేజ్ ఫైండర్:

దిగువ వచనంలో ఈ అంశం యొక్క అన్ని ప్రస్తావనలను కనుగొనండి: [టాపిక్]. ప్రతిదానికి, సంక్షిప్త కోట్ (వెర్బేటిమ్) మరియు దాని స్థానాన్ని ఇవ్వండి. అంశాన్ని చేర్చని స్థలాలను జోడించడం. మీకు ఖచ్చితంగా తెలియని మ్యాచ్‌ను [అస్పష్టంగా] గుర్తించండి. వచనం: [ఇక్కడ]

4) తులనాత్మక కేసు సమీక్ష:

క్రింద రెండు/మూడు పత్రాలు ఉన్నాయి. ప్రతి పత్రం ఈ విషయంపై [అంశం] ఏమి చెబుతుందో దాని మూలంతో విడిగా జాబితా చేయండి. పత్రాల మధ్య "ముగింపు" లేదా "మొత్తం మూల్యాంకనం" ఉత్పత్తి చేయడం; ప్రతి పత్రానికి దాని స్వంత ప్రకటనను వాస్తవంగా ఇవ్వండి. డాక్యుమెంటేషన్: [ఇక్కడ]

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనం:

ఈ డాక్యుమెంట్‌లను చదవండి మరియు టాపిక్, ఫలితాలు మరియు వాటి ప్రాముఖ్యత గురించి వారు నాకు ఏమి చెబుతున్నారో సంగ్రహించండి.

"పరిణామాలు" మరియు "ముఖ్యత" కోరుకోవడం AIని వాస్తవం నుండి వైదొలగడానికి మరియు వివరణలు మరియు కనెక్షన్‌లను కనుగొనేలా చేస్తుంది; ఇది మూలానికి కూడా కనెక్ట్ అవ్వదు.

బలమైన:

కింది పత్రాలలో [టాపిక్] గురించి వాస్తవాలను జాబితా చేయండి, ప్రతి ఒక్కటి పత్రం సూచనకు లింక్ చేయండి. వ్యాఖ్య, ముగింపు లేదా ప్రాముఖ్యత రేటింగ్‌ను జోడించండి. పదం పదం కోట్స్ ఇవ్వండి. పత్రంలో అంశం పేర్కొనబడకపోతే, "ప్రస్తావన చేయబడలేదు" అని వ్రాయండి. డాక్యుమెంటేషన్: [ఇక్కడ]

తేడా: వాస్తవానికి విశ్వసనీయత, మూలానికి లింక్ చేయడం, వ్యాఖ్యానంపై నిషేధం మరియు వెర్బేటిమ్ కొటేషన్ సారాంశాన్ని విశ్వసనీయమైన ఆవిష్కరణ మ్యాప్‌గా మారుస్తాయి.

సాధారణ తప్పులు

  • సాక్ష్యం కోసం సారాంశాన్ని తప్పుబడుతోంది. సారాంశం దారితీస్తుంది; సాక్ష్యం అసలు పత్రం నుండి తీసుకోబడింది.
  • AIకి "ముగింపులను గీయమని" చెప్పడం. వివరణ మరియు కారణం మరియు ప్రభావం చరిత్రకారుల పని; AI కేసులను స్కాన్ చేస్తుంది.
  • సారాంశం నుండి కోట్ తీసుకోవడం. AI కోట్‌లను సులభతరం చేస్తుంది/భర్తీ చేస్తుంది; ప్రతి కోట్ పత్రం నుండి పదజాలంగా తీసుకోబడింది.
  • ఎలిమినేషన్‌ను అస్సలు పర్యవేక్షించడం లేదు. "సంబంధం లేనివి" అని గుర్తు పెట్టబడినవి నమూనాకు వ్యతిరేకంగా తనిఖీ చేయకపోతే, ముఖ్యమైన పత్రాలు మిస్ అవుతాయి.
  • ఖాళీలు అడగడం లేదు. AI దేనిని విస్మరిస్తుంది మరియు ఏది పక్షపాతం చూపుతుంది అని ప్రశ్నించడం అవసరం.

సారాంశంలో

చరిత్ర పరిశోధనలో AI అత్యధిక సమయాన్ని ఆదా చేసే రంగాలలో మూలాధార స్కానింగ్ మరియు సారాంశం ఒకటి: ఇది వందలాది పత్రాలను జల్లెడ పట్టి, వాటిని సంగ్రహిస్తుంది మరియు సంబంధిత భాగాలను గుర్తు చేస్తుంది. కానీ సారాంశం అనేది ఆవిష్కరణ యొక్క మ్యాప్, సాక్ష్యం కాదు. ప్రతి కీలక పాయింట్‌ను అసలు పత్రానికి తిరిగి లింక్ చేయండి, పత్రం నుండి పదజాలం కోట్‌లను తీసుకోండి, AIకి ముగింపులు మరియు వివరణలు లేవు, నమూనా ద్వారా తొలగింపును నియంత్రించండి మరియు AI ఏమి వదిలివేసిందని ప్రశ్నించండి. AI మిమ్మల్ని సరైన పేజీకి తీసుకువెళుతుంది; ఆ పేజీని చదివి అర్థం చేసుకోవడం మీ పని.

అప్లికేషన్ టాస్క్

మీ అంశానికి సంబంధించి కనీసం 10 డాక్యుమెంటేషన్ ముక్కలను సేకరించి, ప్రతిదానికి సూచనలను జత చేయండి. "మూల ఆధారిత స్కాన్" నమూనాకు సంబంధించిన వాటిని తొలగించండి; ఆపై "సంబంధం లేనివి" అని గుర్తు పెట్టబడిన వాటిలో కొన్నింటిని మీరే నమూనాగా తనిఖీ చేయండి. సంబంధిత అవుట్‌పుట్‌లలో ఒకదానిని "విశ్వసనీయమైన సారాంశం" కలిగి ఉండండి మరియు డాక్యుమెంట్‌లోని సారాంశంలోని ప్రతి కీలక అంశాన్ని కనుగొని ధృవీకరించండి. AI ఎన్ని పాయింట్లను జోడిస్తుందో లేదా వక్రీకరించిందో గమనించండి.

చెక్లిస్ట్

  • [ ] నేను స్పష్టమైన పరిశోధన ప్రశ్నతో ప్రారంభించాను.
  • [ ] నేను ప్రతి డాక్యుమెంటేషన్ భాగానికి మూల సూచనను జోడించాను.
  • [ ] నేను సారాంశంలోని ప్రతి పాయింట్‌ని అసలు పత్రానికి తిరిగి లింక్ చేసాను.
  • [ ] నేను డాక్యుమెంట్ నుండి కోట్‌లను యథాతథంగా తీసుకున్నాను.
  • [ ] నేను నమూనా ద్వారా తొలగింపును ఆడిట్ చేసాను మరియు ఖాళీలను ప్రశ్నించాను.