ఎపిగ్రఫీలు, ప్రాచీన మాన్యుస్క్రిప్ట్‌లు మరియు టెక్స్ట్‌ల పఠనం మరియు అనువాదం

లాభాలు:

• OCR/HTRతో శాసనాలు మరియు మాన్యుస్క్రిప్ట్‌లను డ్రాఫ్ట్ టెక్స్ట్‌లోకి లిప్యంతరీకరించేటప్పుడు చదివిన అక్షరాన్ని మరియు అంచనా వేసిన పూర్తిని వేరుగా ఉంచే సామర్థ్యం
• అస్పష్టమైన వచనాన్ని పూర్తి చేయడం, తప్పుడు అనువాదం మరియు కల్పిత ఆపాదింపు వంటి భ్రాంతి రూపాలను గుర్తించగల సామర్థ్యం మరియు మూలాధారం మరియు వెనుక అనువాదానికి వ్యతిరేకంగా అనువాదాన్ని తనిఖీ చేయడం.
• భాష, రచన మరియు కళా ప్రక్రియ యొక్క సందర్భం కృత్రిమ మేధస్సు యొక్క విశ్వసనీయతను ఎలా నిర్ణయిస్తుందో అర్థం చేసుకోగల సామర్థ్యం

గతం నుండి మనకు మిగిలి ఉన్న అత్యంత ప్రత్యక్ష శబ్దాలలో ఒకటి వ్రాతపూర్వక మూలాలు: రాతి, మట్టి పలకలు, పాపిరి, పార్చ్‌మెంట్ మాన్యుస్క్రిప్ట్‌లు, సమాధి రాళ్ళు మరియు ముద్రలలో చెక్కబడిన శాసనాలు. ఈ యూనిట్‌లో, ఎపిగ్రఫీ (రాయి, లోహం, సిరామిక్స్ వంటి గట్టి ఉపరితలాలపై చెక్కబడిన శాసనాలను అధ్యయనం చేసే శాస్త్రం), పాలియోగ్రఫీ (పురాతన చేతివ్రాతలను చదవడం మరియు డేటింగ్ చేయడంలో నైపుణ్యం) మరియు AI ఈ గ్రంథాల పఠనం, అనువాదం మరియు సవరణను ఎలా వేగవంతం చేస్తాయో చూద్దాం, అయితే ప్రతి పఠనాన్ని నిపుణుడైన ఫిలాలజిస్ట్ ఎందుకు ధృవీకరించాలి.

ప్రాథమిక సూత్రం: AI మందమైన వచనాన్ని చదవడానికి, భాషను అనువదించడానికి మరియు సాధ్యమైన పూరకాలను సూచించడంలో సహాయపడుతుంది; కానీ శాసనం యొక్క చివరి పఠనం, తప్పిపోయిన అక్షరాలు మరియు అర్థం పూర్తి చేయడం అనేది భాష మరియు కాలం తెలిసిన నిపుణుడి నిర్ణయం. ఈ ప్రాంతంలోనే AIకి భ్రాంతి వచ్చే ప్రమాదం ఎక్కువగా ఉంది, ఎందుకంటే మోడల్ తప్పిపోయిన లేదా మందమైన టెక్స్ట్‌ను "ఆమోదించదగినది" కానీ తయారు చేసిన దానితో నింపడానికి చాలా అవకాశం ఉంది.

వ్రాతపూర్వక వనరులతో పని చేయడానికి దశలు

1. డాక్యుమెంటేషన్. శాసనం లేదా మాన్యుస్క్రిప్ట్ అధిక రిజల్యూషన్, కాంట్రాస్ట్-మెరుగైన ఆకృతిలో ప్రదర్శించబడుతుంది. అస్పష్టమైన ఉపరితలాల కోసం, ప్రత్యేక లైటింగ్ (సైడ్ లైట్) మరియు RTI వంటి పద్ధతులు ఉపయోగించబడతాయి; కాంట్రాస్ట్ మరియు అక్షరాల అంచులను పదును పెట్టడంలో AI సహాయపడుతుంది.

2. పాత్ర గుర్తింపు. OCR (ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్) ప్రింటెడ్ టెక్స్ట్ కోసం ఉపయోగించబడుతుంది మరియు చేతివ్రాత కోసం HTR (చేతితో రాసిన టెక్స్ట్ రికగ్నిషన్) ఉపయోగించబడుతుంది. AI-ఆధారిత HTR పాత మాన్యుస్క్రిప్ట్‌లను లిప్యంతరీకరించడంలో శక్తివంతమైనది.

3. లిప్యంతరీకరణ మరియు పూర్తి. క్షీణించిన లేదా విరిగిన భాగాల కోసం, నిపుణుడు వ్యాకరణం మరియు సమాంతర గ్రంథాల ఆధారంగా సాధ్యమైన పునరుద్ధరణలను సూచిస్తాడు. పూర్తి అక్షరాలు ఎల్లప్పుడూ చదరపు బ్రాకెట్లు వంటి సంకేతాల ద్వారా సూచించబడతాయి; చదివినవి మరియు ఊహించినవి ఎప్పుడూ గందరగోళంగా ఉండవు.

4. అనువాదం. వచనం మూల భాష (లాటిన్, ప్రాచీన గ్రీకు, ఒట్టోమన్, క్యూనిఫాం భాషలు మొదలైనవి) నుండి అనువదించబడింది. AI మొదటి డ్రాఫ్ట్ అనువాదాన్ని ఇస్తుంది; నిపుణుల స్వల్పభేదం పరిభాష మరియు చారిత్రక సందర్భాన్ని సరిచేస్తుంది.

5. వ్యాఖ్య. వచనం ఏమి చెబుతుంది, ఎవరు వ్రాసారు మరియు అది ఏ సంఘటనను సూచిస్తుందో చారిత్రక వివరణలు మరియు నిపుణులకు చెందినవి.

చిట్కా: మీరు అస్పష్టమైన వచనాన్ని "చదివి మరియు పూర్తి చేయమని" AIకి చెబితే, అది ఖాళీలను సురక్షితంగా చేస్తుంది. బదులుగా, "స్పష్టంగా చదవగలిగే అక్షరాలను మాత్రమే ఇవ్వండి, ఖాళీగా ఉంచండి మరియు మీకు ఖచ్చితంగా తెలియని ప్రాంతాలను గుర్తించండి" అని చెప్పండి. జస్టిఫికేషన్‌తో ప్రత్యేక దశలో పూర్తి చేయమని అడగండి మరియు నిపుణుడిచే ధృవీకరించబడిందని నిర్ధారించుకోండి.

భ్రాంతి: ఈ ప్రాంతంలో అతిపెద్ద ప్రమాదం

మానవీయ శాస్త్రాలలో AI యొక్క అత్యంత వినాశకరమైన తప్పు కల్పన. ఈ రంగంలో నాలుగు సాధారణ రూపాలు ఉన్నాయి:

• టెక్స్ట్ ఫాబ్రికేషన్: ఉనికిలో లేని పదాన్ని జోడించి, మందమైన శాసనం యొక్క ఉనికిలో లేని భాగాన్ని "పూర్తి చేస్తుంది".
• నకిలీ అనువాదం: అతనికి అర్థం కాని పదాన్ని స్పష్టంగా కానీ తప్పుగా అనువదిస్తుంది; మూలాధారం తెలియనందున పాఠకుడు గమనించలేడు.
• రూపొందించిన సూచన: ఇది "ఈ శాసనం ఆ ప్రచురణలో ప్రచురించబడింది" అని ఉంది, కానీ ఆ ప్రచురణ ఉనికిలో లేదు.
• తప్పుగా పేర్కొనడం/ఆపాదించడం: నమ్మకంగా తప్పు కాలంలో వ్రాసే శైలిని ఉంచుతుంది.

మూలాధారాన్ని చూసి భాష తెలిసిన నిపుణుడి ద్వారా నిర్ధారణ లేకుండా వీటన్నింటిని ఎప్పటికీ ఉపయోగించలేరు.

శ్రద్ధ: అనువాదం నిష్ణాతులుగా మరియు నమ్మదగినదిగా ఉన్నందున అది సరైనదని అర్థం కాదు. AI తనకు అర్థం కాని క్యూనిఫాం గుర్తును కూడా నమ్మకంగా వాక్యంగా మార్చగలదు. మూల వచనాన్ని చదవలేని ఎవరైనా AI అనువాదం యొక్క ఖచ్చితత్వాన్ని వారి స్వంతంగా ధృవీకరించలేరు.

మూడు చిన్న కేసులు

కేసు 1 — HTR ఆర్కైవ్‌ను తెరిచింది. ఒక ఆర్కైవ్ ఒట్టోమన్ మాన్యుస్క్రిప్ట్‌ల యొక్క వేలకొద్దీ పేజీలను పరిశోధకులకు మూసివేసింది ఎందుకంటే వాటిని చదవడానికి నైపుణ్యం మరియు సమయం అవసరం. AI-ఆధారిత HTR నోట్‌బుక్‌లను శోధించదగిన డ్రాఫ్ట్ టెక్స్ట్‌గా లిప్యంతరీకరించింది; నిపుణులు డ్రాఫ్ట్‌ను సరిదిద్దారు మరియు చదవలేని ప్రాంతాలు గుర్తించబడ్డాయి. ఇది పూర్తి వచనం కాదు, కానీ శక్తివంతమైన స్కానింగ్ సాధనం ఉద్భవించింది.

కేస్ 2 - ఫ్యాబ్రికేటెడ్ కంప్లీషన్ క్యాచ్ చేయబడింది. ఒక విద్యార్థి AI విరిగిన లాటిన్ సమాధి రాయిని చదివాడు; AI తప్పిపోయిన పంక్తిని సరళమైన వాక్యంలో "పూర్తి చేసింది". రాతిలో ఖాళీ స్థలం లేనందున ప్రతిపాదిత పూర్తి చేయడం భౌతికంగా అసాధ్యం అని ఎపిగ్రాఫర్ చూపించాడు. పూర్తి పునర్నిర్మించబడింది మరియు సమాంతర శాసనాల ఆధారంగా గుర్తించబడింది.

కేసు 3 - నకిలీ అనువాదం సరిదిద్దబడింది. ఒక బృందం పురాతన గ్రీకు శాసనం యొక్క AI యొక్క అనువాదాన్ని నివేదించింది; ఫిలాలజిస్ట్ తనిఖీ చేసినప్పుడు, AI ఒక క్రియను తప్పు కాలంతో అనువదించిందని, టెక్స్ట్ యొక్క అర్ధాన్ని (అది సమర్పణ లేదా స్మారక చిహ్నం అయినా) మార్చిందని అతను కనుగొన్నాడు. మూలానికి తిరిగి వెళ్లడం వలన వ్యాఖ్య సేవ్ చేయబడింది.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) కన్జర్వేటివ్ ట్రాన్స్క్రిప్షన్:

మీ పాత్ర: ట్రాన్స్‌క్రిప్షన్ అసిస్టెంట్. ఈ శాసనం/మాన్యుస్క్రిప్ట్ చిత్రంలో, స్పష్టంగా చదవగలిగే అక్షరాలను మాత్రమే ఇవ్వండి. అస్పష్టంగా, విరిగిన లేదా ఖచ్చితంగా తెలియని ప్రాంతాలను చదవవద్దు; దీనిని "[చదవలేని]"గా గుర్తించండి. తప్పిపోయిన భాగాలను పూర్తి చేయండి. మీరు అనుమానిస్తున్న పాత్రలను కూడా గమనించండి.

2) హేతుబద్ధమైన పూర్తి ప్రతిపాదన:

ఖచ్చితమైన పఠన భాగాలు మరియు [ఖాళీలు] ఉన్న వచనం క్రింద ఉంది. ఖాళీల కోసం సాధ్యమైన పూరకాలను సూచించండి, కానీ ప్రతి సూచన కోసం: (ఎ) సమర్థన (వ్యాకరణం, సమాంతర వచనం), (బి) గ్యాప్ అక్షరాల సంఖ్యకు సరిపోతుందా, (సి) ప్రత్యామ్నాయాలు. ఇవి సూచనలు; ఖచ్చితమైన పఠనం కాదు. నిపుణుల అనుమతి అవసరమని పేర్కొనండి.

3) డ్రాఫ్ట్ అనువాదం (మూలం రక్షించబడింది):

దిగువ [భాష] వచనాన్ని అనువదించండి. ప్రతి వాక్యం పక్కన మూల వచనాన్ని ఉంచండి (పంక్తి వారీగా సమలేఖనం చేయండి). మీకు ఖచ్చితంగా తెలియని పదాలను గుర్తించండి మరియు ప్రత్యామ్నాయ అనువాదం ఇవ్వండి. నిబంధనలను రూపొందించవద్దు; మీకు తెలియకపోతే, "అనిశ్చితం" అని వ్రాయండి. ఇది డ్రాఫ్ట్; నిపుణులైన ఫిలాలజిస్ట్ తనిఖీ చేస్తారు.

4) అనువాద ధృవీకరణ (వెనుక అనువాదం):

ఈ అనువాదాన్ని తిరిగి మూల భాషలోకి అనువదించండి మరియు అసలు మూల వచనంతో సరిపోల్చండి. అర్థం మార్చబడిన, జోడించబడిన లేదా పడిపోయిన భాగాలను గుర్తించండి. ముఖ్యంగా కాలం, విషయం మరియు సంఖ్యలను తనిఖీ చేయండి.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

ఈ పురాతన శాసనాన్ని చదివి అది ఏమి చెబుతుందో చెప్పండి.

మందమైన శాసనంలో, AI ఖాళీలను సృష్టిస్తుంది, భాషను తప్పుగా అనువదించవచ్చు మరియు మూలాన్ని చూడని వ్యక్తి దీనిని గమనించలేరు.

శక్తివంతమైన ప్రాంప్ట్:

ఈ శాసనం చిత్రంలో, మొదట స్పష్టంగా చదవగలిగే అక్షరాలను మాత్రమే లిప్యంతరీకరించండి, అస్పష్టమైన భాగాలను "[చదవలేని]" వదిలివేయండి. అప్పుడు విడిగా, సమర్థనతో ఖాళీల కోసం సాధ్యమైన పూరకాలను సూచించండి కానీ ఖచ్చితమైన వాటిని అందించవద్దు. చివరగా, డ్రాఫ్ట్ అనువాదాన్ని అందించండి మరియు మీకు ఖచ్చితంగా తెలియని పదాలను గుర్తించండి. అన్నీ నిపుణుల ఆమోదానికి లోబడి ఉంటాయి.

తేడా: మొదటిది కల్పిత "పఠనం" ఇస్తుంది; రెండోది చదివిన, ఊహించిన మరియు అనువదించబడిన పొరలను వేరుగా మరియు ధృవీకరించదగినదిగా ఉంచుతుంది.

AI యొక్క భాషలు, స్క్రిప్ట్‌లు మరియు జ్ఞాన సరిహద్దు

పురావస్తు గ్రంథాలు విస్తృత శ్రేణి భాషలు మరియు స్క్రిప్ట్‌లను కలిగి ఉన్నాయి: లాటిన్ మరియు ప్రాచీన గ్రీకు శాసనాలు, ఒట్టోమన్ మరియు అరబిక్ మాన్యుస్క్రిప్ట్‌లు, క్యూనిఫారమ్ టాబ్లెట్‌లు, ఈజిప్షియన్ హైరోగ్లిఫ్‌లు, రూనిక్ శాసనాలు మరియు మరిన్ని. ఈ భాషలు మరియు స్క్రిప్ట్‌లపై AI ప్రావీణ్యం చాలా అసమానంగా ఉంది. లాటిన్ మరియు ప్రాచీన గ్రీకు వంటి సమృద్ధిగా డిజిటల్ టెక్స్ట్ ఉన్న భాషలకు, చాలా తక్కువగా డాక్యుమెంట్ చేయబడిన, అర్థాన్ని విడదీయబడిన లేదా కొంతమంది నిపుణులచే చదవబడిన గ్రంథాల కోసం డ్రాఫ్ట్ అనువాదం సహేతుకమైనది అయితే, AI దాదాపు పూర్తిగా నమ్మదగనిది; ఈ ప్రాంతాలలో నమ్మదగిన కానీ పూర్తిగా కల్పించిన "అనువాదాలను" ఉత్పత్తి చేస్తుంది.

సందర్భం మరియు శైలికి సంబంధించిన సమస్య కూడా ఉంది. చట్టపరమైన పత్రం, ప్రార్థన వచనం మరియు సమాధి రాయిలో ఒకే పదం వేర్వేరు అర్థాలను కలిగి ఉంటుంది. నిపుణుడైన ఫిలాలజిస్ట్ టెక్స్ట్ రకాన్ని (భక్తి, స్మారక చిహ్నం, ఒప్పందం, లేఖ) గుర్తిస్తాడు మరియు సరైన సందర్భంలో పదాన్ని చదువుతాడు; AIకి ఈ సాధారణ సున్నితత్వం లేదు మరియు అత్యంత సాధారణ అర్థాన్ని విధిస్తుంది. సంక్షిప్తాలు, సూత్రాలు మరియు స్టాక్ వ్యక్తీకరణలు (ముఖ్యంగా శాసనాలలో చాలా సాధారణం) AIని సులభంగా తప్పుదారి పట్టించాయి.

కాబట్టి గోల్డెన్ రూల్: మీకు తెలిసిన భాషలకు, మీరు నియంత్రించగల భాషలకు AIని యాక్సిలరేటర్‌గా ఉపయోగించండి; మీరు చదవలేని భాషలో మాత్రమే AI అనువాదంపై ఎప్పుడూ ఆధారపడకండి. మూలాన్ని చదవలేని వారు అనువాదం యొక్క ఖచ్చితత్వాన్ని ధృవీకరించలేరు మరియు అందువల్ల ఆ అనువాదాన్ని శాస్త్రీయ దావాగా మార్చలేరు.

చిట్కా: AIకి వచనాన్ని ఇస్తున్నప్పుడు, దాని భాష, అంచనా వ్యవధి మరియు రకాన్ని (శిలాశాసనం/అక్షరం/పత్రం) పేర్కొనండి. సందర్భ పరిజ్ఞానం AI యొక్క ప్రవాహాన్ని అత్యంత సాధారణమైన కానీ తప్పుగా చదవడాన్ని పాక్షికంగా తగ్గిస్తుంది - కానీ నిర్ధారణ అవసరాన్ని తొలగించదు.

వ్రాతపూర్వక వనరుల టాస్క్ టేబుల్

తపన

AI పాత్ర

మానవ నిర్ణయం

ధృవీకరణ

చిత్రం మెరుగుదల

కాంట్రాస్ట్/ఎడ్జ్

ప్రమాణాల ఎంపిక

అసలుతో పోలిక

OCR/HTR

డ్రాఫ్ట్ టెక్స్ట్

అనిశ్చిత పాత్ర

నిపుణుడు ప్రూఫ్ రీడింగ్

పూర్తి

సిఫార్సు (కారణం)

అంగీకరించు/తిరస్కరించు

సమాంతర వచనం, స్థాన నియంత్రణ

అనువాదం

డ్రాఫ్ట్

స్వల్పభేదం, పదం

వెనుక అనువాదం, మూలం

వ్యాఖ్యానించండి

సందర్భ సారాంశం

చారిత్రక అర్థం

నిపుణుడు, సాహిత్యం

సాధారణ తప్పులు

• మందమైన వచనాన్ని పూర్తి చేస్తోంది. AI అంతరాలకు సరిపోతుంది; పఠనం మరియు అంచనా వేరు మరియు గుర్తించబడాలి.
• మూలాన్ని చూడకుండానే అనువాదాన్ని విశ్వసించడం. సరళమైన అనువాదం సరైన అనువాదం కాదు.
• రూపొందించిన లక్షణాన్ని అంగీకరిస్తోంది. "ఇది ఆ ప్రసారంలో ఉంది" అని చెప్పడానికి నిర్ధారణ అవసరం.
• పూర్తయిన భౌతిక స్థానాన్ని తనిఖీ చేయడం లేదు. ప్రతిపాదన విరిగిన ప్రదేశానికి సరిపోవాలి.
• వివరణను AIకి వదిలివేయడం. టెక్స్ట్ యొక్క చారిత్రక అర్థం నిపుణుడైన ఫిలాలజిస్ట్ యొక్క విషయం.

సారాంశంలో

ఎపిగ్రఫీ మరియు పురాతన గ్రంథాలలో AI; ఇది ఇమేజ్ మెరుగుదల, HTR/OCR డ్రాఫ్ట్, పూర్తి ప్రతిపాదన మరియు డ్రాఫ్ట్ అనువాదాన్ని గణనీయంగా వేగవంతం చేస్తుంది మరియు పరిశోధన కోసం క్లోజ్డ్ ఆర్కైవ్‌లను తెరుస్తుంది. కానీ ఇది భ్రాంతి ప్రమాదం ఎక్కువగా ఉన్న ప్రాంతం: పఠనం అంచనా నుండి వేరు చేయబడుతుంది, పూరకాలను గుర్తించబడుతుంది, మూలాధారం మరియు వెనుక అనువాదానికి వ్యతిరేకంగా అనువాదాలు తనిఖీ చేయబడతాయి మరియు చివరి పఠనం మరియు వివరణ నిపుణుడైన ఫిలాలజిస్ట్‌కు చెందినది.

అప్లికేషన్ టాస్క్

శాసనం లేదా మాన్యుస్క్రిప్ట్ చిత్రాన్ని ఎంచుకోండి (ఓపెన్ యాక్సెస్ సేకరణ నుండి). "కన్సర్వేటివ్ ట్రాన్స్‌క్రిప్షన్" టెంప్లేట్‌తో స్పష్టమైన అక్షరాలను మాత్రమే సంగ్రహించండి, ఆపై "హేతుబద్ధమైన పూర్తి సూచన"తో ఖాళీల కోసం సూచనలను పొందండి. డ్రాఫ్ట్ అనువాదాన్ని రూపొందించండి మరియు దానిని "అనువాద ధృవీకరణ" టెంప్లేట్‌తో తిరిగి అనువదించండి మరియు అర్థం ఎక్కడ మారిందని గుర్తించండి. వీలైతే ప్రచురించిన పఠనంతో పోల్చండి.

చెక్లిస్ట్

• [ ] నేను చదివిన అక్షరాన్ని మరియు అంచనాను పూర్తి చేయడం వేరుగా గుర్తించాను.
• [ ] నేను విరిగిన ప్రాంతంలో పూరణలు సరిపోతాయో లేదో తనిఖీ చేసాను.
• [ ] నేను సోర్స్ టెక్స్ట్ మరియు వెనుక అనువాదానికి వ్యతిరేకంగా అనువాదాన్ని తనిఖీ చేసాను.
• [ ] నేను వాస్తవ కేటలాగ్‌లో YZ ఇచ్చిన ప్రచురణలు/అనులేఖనాలను ధృవీకరించాను.
• [ ] నేను తుది పఠనం మరియు వివరణను నిపుణుల ఆమోదానికి వదిలిపెట్టాను.