การถอดความ: ภาษาตุรกีออตโตมัน และต้นฉบับ

กำไร:

• ความสามารถในการตั้งค่า HTR และการทับศัพท์ และอธิบายว่าทำไมฉบับร่างดิบจึงต้องมีการตรวจสอบจากผู้เชี่ยวชาญทีละบรรทัด
• ความสามารถในการปกป้องพื้นที่ที่อ่านไม่ได้โดยการขอทางเลือกอื่นแทนการอ่านที่แม่นยำในกรณีที่มีความคลุมเครือของสระ/ตัวอักษรในภาษาตุรกีออตโตมัน
• ความสามารถในการแยกการทับศัพท์ดั้งเดิมออกจากเลเยอร์การทำให้เข้าใจง่ายที่แยกจากกัน โดยรักษาความรับผิดชอบทางวิทยาศาสตร์ขั้นสุดท้ายไว้กับนักบรรพชีวินวิทยา

บางทีส่วนที่เรียกร้องมากที่สุดของการวิจัยทางประวัติศาสตร์คือการถอดความต้นฉบับและเอกสารเก่าที่เป็นลายลักษณ์อักษรให้เป็นข้อความที่อ่านได้ จดหมาย สมุดบันทึก บันทึกของศาล หรือเอกสารของออตโตมันจะสามารถค้นหาได้หลังจากที่มีการถอดเสียงแล้วเท่านั้น การถอดเสียงเป็นการถ่ายโอนเนื้อหาของเอกสาร (ส่วนใหญ่มักเขียนด้วยลายมือหรือสคริปต์โบราณ) ไปเป็นข้อความที่เป็นลายลักษณ์อักษรและอ่านได้ ในกรณีของออตโตมัน มักมีการทับศัพท์ควบคู่ไปด้วย นั่นคือ การโอนข้อความที่เป็นตัวอักษรอารบิกไปเป็นอักษรละตินโดยเทียบเท่ากันทีละตัวอักษร

เราใช้ OCR สำหรับข้อความที่พิมพ์ การเขียนด้วยลายมือต้องใช้เทคโนโลยีที่แตกต่าง: HTR (การรู้จำข้อความที่เขียนด้วยลายมือ) HTR เป็นเทคโนโลยีที่คล้ายกับ OCR แต่มีความท้าทายมากกว่ามากในการแปลงเอกสารที่เขียนด้วยลายมือให้เป็นข้อความของเครื่อง ในหน่วยนี้ เราจะดูวิธีใช้ HTR และ AI ในภาษาออตโตมัน และการถอดความด้วยต้นฉบับ ขอบเขตของข้อผิดพลาด และเหตุใดการตรวจสอบจึงมีความสำคัญยิ่งขึ้นที่นี่

ทำไมการเขียนด้วยลายมือจึงเป็นเรื่องยาก?

การเขียนด้วยลายมือมีความหลากหลายมากกว่าข้อความที่พิมพ์ นักเขียนแต่ละคนมีมือที่มีเอกลักษณ์เฉพาะตัว ตัวอักษรเชื่อมโยงเข้าด้วยกัน ใช้ตัวย่อและสัญลักษณ์พิเศษ หมึกมีเลือดออก กระดาษเสื่อมสภาพ ในภาษาตุรกีออตโตมัน ความยากจะทวีคูณ:

• รูปแบบตัวอักษรตามบริบท: ตัวอักษรเดียวกันเขียนแตกต่างกันที่จุดเริ่มต้น ตรงกลาง และจุดสิ้นสุดของคำ
• ไม่เขียนสระ: สระสั้นมักไม่เขียน ผู้อ่านจบจากบริบท สิ่งนี้สร้างความคลุมเครือ เช่น "การยอมรับหรือการปฏิเสธ?"
• รูปแบบการเขียนที่แตกต่างกัน: มีรูปแบบการเขียนด้วยลายมือที่แตกต่างกัน เช่น rik'a, divani, ta'lik; แต่ละคนต้องใช้ทักษะการอ่านที่แตกต่างกัน
• คำศัพท์ออตโตมัน: คำจากภาษาอาหรับและเปอร์เซียที่ไม่มีในภาษาตุรกีในปัจจุบัน

ดังนั้น HTR และ AI จึงทำงานโดยมีข้อผิดพลาดในภาษาตุรกีออตโตมันสูงกว่าการพิมพ์ OCR มาก สายตาของนักบรรพชีวินวิทยาผู้เชี่ยวชาญ (วิชาบรรพชีวินวิทยา - ศาสตร์แห่งการอ่านงานเขียนโบราณ) ไม่ใช่เครื่องมือที่นี่ แต่เป็นสิ่งจำเป็น

ขั้นตอนการทำงาน: ทีละขั้นตอน

1.จัดเตรียมคุณภาพเอกสาร เช่นเดียวกับ OCR ความละเอียดสูงและความเปรียบต่างที่ดีถือเป็นสิ่งสำคัญ สิ่งนี้สำคัญยิ่งกว่าในการเขียนด้วยลายมือ

2. เลือกรุ่น HTR โมเดลออตโตมัน ลายมืออารบิก หรือ HTR ที่ได้รับการฝึกมาโดยเฉพาะในช่วงเวลาหนึ่งจะประสบความสำเร็จมากกว่าโมเดลทั่วไปมาก ทดสอบว่าโมเดลใดทำงานได้ดีในช่วงเวลาหนึ่งและสไตล์การเขียน

3. สร้างการถอดเสียงแบบดิบ โมเดล HTR สร้างโครงร่าง ในภาษาตุรกีออตโตมัน ร่างนี้เป็นจุดเริ่มต้นที่เต็มไปด้วยข้อผิดพลาดที่ผู้มีประสบการณ์จะต้องตรวจสอบอย่างละเอียด

4. การปรับปรุงบริบทด้วย AI คุณสามารถมีความไม่สอดคล้องกันของการตั้งค่าสถานะ AI ตัวเลือกการอ่านที่เป็นไปได้ และตำแหน่งที่น่าสงสัยในเอาต์พุตดิบ แต่ "การแก้ไข" ของ AI มีความเสี่ยงอย่างยิ่งที่นี่: มันสามารถแนะนำการอ่านที่วางแผนไว้ได้

5. การทับศัพท์และการทำให้เข้าใจง่าย (เลเยอร์) การทับศัพท์ข้อความในตัวอักษรอารบิกเป็นตัวอักษรละติน ตามด้วยการอ่านภาษาตุรกีในปัจจุบันให้ง่ายขึ้น จะถูกผลิตเป็นชั้นที่แยกจากกัน ของเดิมไม่เคยแตก

6. การตรวจสอบโดยผู้เชี่ยวชาญ การถอดความขั้นสุดท้ายได้รับการอนุมัติโดยผู้เชี่ยวชาญที่มีความรู้ด้านบรรพชีวินวิทยาและยุคสมัยโดยเปรียบเทียบกับเอกสาร

ข้อควรสนใจ: ในภาษาตุรกีออตโตมัน เมื่อ "เดา" คำที่มีสระที่ไม่ได้เขียนจากบริบท AI สามารถสร้างการอ่านที่ผิดโดยสิ้นเชิงและนำเสนอในภาษาที่มั่นใจ ความแตกต่างของตัวอักษร เช่น "คาบูล" แทน "คาบิล" หรือ "อาเล็ม" แทน "อาลิม" ความหมายเปลี่ยนไปโดยสิ้นเชิง การอ่านค่าที่ไม่แน่นอนทุกครั้งควรเสนอทางเลือก และไม่ควรบังคับให้อ่านค่าสุดท้ายเพียงค่าเดียว

เลเยอร์และความรับผิดชอบพร้อมโต๊ะ

ชั้น

เนื้อหา

บทบาทของเอไอ

บทบาทของผู้เชี่ยวชาญ

รูปภาพ

เอกสารต้นฉบับ

—

แหล่งที่มา

ร่าง HTR

การอ่านเครื่องดิบ

ผลิต

ควบคุมตั้งแต่ต้นจนจบ

การทับศัพท์

การขนย้ายอักษรละติน

ร่างแนะนำ

ถูกต้อง ถูกต้อง

หมายเหตุของความไม่แน่นอน

[?] และทางเลือกอื่น

สัญญาณ

ตัดสินใจ

ลดความซับซ้อน

วันนี้เป็นภาษาตุรกี

ร่างแนะนำ

การอนุมัติ

สิ่งพิมพ์ทางวิทยาศาสตร์

ข้อความสุดท้าย + หมายเหตุ

—

ผู้เชี่ยวชาญเท่านั้น

มินิเคสสามอัน

กรณีที่ 1 — HTR เร่งความเร็วร่างแรกขึ้น 5 เท่า นักศึกษาปริญญาเอกจะถอดความสมุดบันทึกออตโตมัน 200 หน้า การถอดเสียงด้วยตนเองแบบเต็มใช้เวลาประมาณ 60 วันทำการ ด้วยการฝึกโมเดล HTR ในช่วงเวลาดังกล่าว ร่างดิบจึงออกมาภายในไม่กี่ชั่วโมง นักเรียนแก้ไขร่างนี้และลดงานเหลือ 12 วันทำการ แต่เขาต้องเปรียบเทียบแต่ละหน้ากับเอกสารทีละบรรทัด ประมาณ 30% ของร่างไม่ถูกต้อง

กรณีที่ 2 — ตัวอักษรหนึ่งตัว หนึ่งความหมาย นักวิจัยคนหนึ่งอาศัยคำที่ AI อ่านว่า "ผู้ว่าราชการ" ภายใต้การควบคุมของผู้เชี่ยวชาญ เป็นที่เข้าใจว่าจริงๆ แล้วคำนี้คือ "ผู้ปกครอง" (รับผิดชอบเด็ก/บุคคล) และเนื่องจากสระไม่ได้ทำเครื่องหมายไว้ AI จึงเดาผิด ความหมายทางกฎหมายของเอกสารมีการเปลี่ยนแปลงโดยสิ้นเชิง บทเรียน: ในภาษาตุรกีออตโตมัน ความแตกต่างระหว่างตัวอักษร/สระตัวเดียวทำให้เอกสารถูกตีความตั้งแต่ต้น จำเป็นต้องมีผู้เชี่ยวชาญ

กรณีที่ 3 — การวางแผนเสร็จสมบูรณ์ ในบรรทัดที่หมึกหมดและมีคำหนึ่งคำที่ไม่สามารถอ่านได้ AI เติมช่องว่างด้วยคำ "ตรรกะ" ผู้เชี่ยวชาญตระหนักว่าช่องว่างนั้นเป็นชื่อสถานที่จริงๆ และ AI ก็เป็นคนสร้างมันขึ้นมา เว้นวรรคเป็น [อ่านไม่ออก] บทเรียน: ไม่ได้เติมพื้นที่ที่อ่านไม่ได้ แต่ถูกทำเครื่องหมายไว้

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การทับศัพท์ที่รักษาความคลุมเครือ:

ด้านล่างนี้คือเอาต์พุตดิบ/การทับศัพท์ HTR ของเอกสารออตโตมัน งานของคุณคือตรวจสอบข้อความและทำเครื่องหมายข้อผิดพลาดในการอ่านที่อาจเกิดขึ้น กฎเกณฑ์: (1) เสนอตัวเลือกการอ่านที่เป็นไปได้ 2-3 รายการสำหรับแต่ละคำที่คุณไม่แน่ใจ อย่ากำหนดไว้อย่างใดอย่างหนึ่ง (2) ปล่อย [อ่านไม่ออก] ไว้ในบริเวณที่อ่านไม่ออก ไม่ต้องเติมให้เต็ม (3) การเพิ่มคำที่ไม่มีอยู่ในข้อความ (4) แสดงทางเลือกในคำที่มีสระคลุมเครือ ข้อความ: [ที่นี่]

2) การอ่านแบบเลเยอร์ (ต้นฉบับ + ลดความซับซ้อน):

สร้างสองคอลัมน์สำหรับการทับศัพท์ออตโตมันที่ได้รับการตรวจสอบแล้วต่อไปนี้: (1) การทับศัพท์ดั้งเดิม (สัมผัส) (2) การอ่านตัวย่อเป็นภาษาตุรกีในปัจจุบัน เพิ่มความหมาย เพิ่มการตีความให้เข้าใจง่าย เพียงอัปเดตภาษา ทำเครื่องหมายสถานที่ด้วยความหมายที่ไม่ชัดเจน[ไม่ชัดเจน] การทับศัพท์: [ที่นี่]

3) การแยกเงื่อนไขและบุคคล:

ชื่อบุคคล ชื่อสถานที่ ตำแหน่ง และคำศัพท์เฉพาะงวดที่กล่าวถึงในการถอดความด้านล่างจะปรากฏในรายการแยกต่างหาก รับเฉพาะสิ่งที่กล่าวถึงอย่างชัดเจนในข้อความ อย่าบวกด้วยการคาดเดา ทำเครื่องหมาย [?] หากคุณไม่แน่ใจในการออกเสียง ข้อความ: [ที่นี่]

4) การควบคุมการอ่านที่น่าสงสัย:

ผู้ควบคุมบรรพชีวินวิทยาที่มีประสบการณ์ในบทบาทนี้ ในการถอดความด้านล่าง ให้ทำเครื่องหมายคำที่ความหมายไม่สอดคล้องกัน ไม่ตรงช่วง หรือไม่เข้ากับบริบท และเขียนว่าเหตุใดจึงน่าสงสัย การกำหนดการแก้ไขขั้นสุดท้าย สร้างรายการข้อสงสัยที่ผู้เชี่ยวชาญที่เป็นมนุษย์จะเปรียบเทียบกับเอกสาร ข้อความ: [ที่นี่]

พรอมต์อ่อน / พรอมต์แรง

อ่อนแอ:

อ่านข้อความภาษาออตโตมันนี้และแปลให้ฉันด้วย

สิ่งนี้ผลักดันให้ AI สร้างการอ่านที่ชัดเจนเพียงครั้งเดียว ซ่อนความคลุมเครือและปรับช่องว่างให้เหมาะสม ในภาษาตุรกีออตโตมัน นี่เป็นข้อผิดพลาดที่รับประกันได้เกือบหมด

แข็งแกร่ง:

ตรวจสอบการทับศัพท์ออตโตมันด้านล่าง การอ่านขั้นสุดท้าย: IMPOSITION ระบุทางเลือกที่เป็นไปได้สำหรับคำที่คลุมเครือแต่ละคำ ยกเว้นส่วนที่ [อ่านไม่ออก] อย่าเพิ่มสิ่งใดที่ไม่ได้อยู่ในข้อความ ให้การอ่านแบบง่ายแก่ภาษาตุรกีในปัจจุบันในคอลัมน์แยกต่างหาก แต่เก็บต้นฉบับไว้ ทำเครื่องหมายสิ่งที่คุณไม่แน่ใจด้วย [?] เพื่อให้ผู้เชี่ยวชาญสามารถเปรียบเทียบกับเอกสารได้ ข้อความ: [ที่นี่]

ความแตกต่าง: การห้ามอ่านอย่างเข้มงวด การขอทางเลือกอื่น การรักษาช่องว่าง และเอาต์พุตแบบเลเยอร์ช่วยให้สามารถตรวจสอบโดยผู้เชี่ยวชาญได้

ข้อผิดพลาดทั่วไป

• การเข้าใจผิดร่าง HTR ว่าถูกต้อง ในภาษาตุรกีออตโตมัน ร่างดิบส่วนใหญ่อาจไม่ถูกต้อง ต้องมีการควบคุมทีละบรรทัด
• การอ่านขั้นสุดท้ายเพียงอย่างเดียวคือการกำหนด หากทางเลือกอื่นซ่อนอยู่ในคำที่ไม่ได้เขียนสระ ความหมายที่ผิดจะถูกบันทึก
• กรอกข้อมูลในพื้นที่ที่อ่านไม่ได้ ควรได้รับการปกป้องด้วยช่องว่าง [อ่านไม่ออก] ไม่ใช่สร้างขึ้น
• ผสมผสานความดั้งเดิมเข้ากับความเรียบง่าย การทำให้เข้าใจง่ายควรเป็นเลเยอร์แยกต่างหาก การทับศัพท์ต้นฉบับไม่ควรบิดเบือน
• ปิดการใช้งานผู้เชี่ยวชาญ หากไม่มีความรู้เกี่ยวกับบรรพชีวินวิทยาและยุคสมัย การอ่านของ AI ก็ถือเป็นการเดาที่ไม่มีคุณค่าทางวิทยาศาสตร์

โดยสรุป

การถอดความออตโตมันและต้นฉบับสามารถเร่งได้อย่างมากในขั้นตอนการร่างดิบด้วย HTR และ AI คุณได้รับผลลัพธ์แรกที่ลดวันทำงานเป็นชั่วโมง แต่ในพื้นที่นี้เองที่ตัวอักษรตัวเดียวและความแตกต่างของสระตัวเดียวเปลี่ยนความหมาย AI มีแนวโน้มที่จะซ่อนความไม่แน่นอนและเติมเต็มช่องว่าง วิธีการที่ถูกต้องคือการแบ่งชั้น: โครงร่างดิบ บันทึกทางเลือกของความกำกวม การแยกชั้นของการทำให้เข้าใจง่าย และเหนือสิ่งอื่นใด การตรวจสอบเอกสารทีละบรรทัดโดยผู้เชี่ยวชาญที่คุ้นเคยกับบรรพชีวินวิทยา AI เร่งความเร็วการอ่านครั้งแรก ความรับผิดชอบทางวิทยาศาสตร์เป็นของผู้เชี่ยวชาญ

งานสมัคร

รับการทับศัพท์ของเอกสารออตโตมันหรือต้นฉบับ (ผลงานของคุณเองหรือสำเนาที่ตีพิมพ์) ขอให้ AI ​​อ่านทางเลือกอื่นด้วยเทมเพลต "การทับศัพท์ที่รักษาความกำกวม" จากนั้นสร้างเลเยอร์การทำให้เข้าใจง่ายแยกจากกันด้วย "การอ่านแบบเลเยอร์" เปรียบเทียบแต่ละคำที่มีการทำเครื่องหมายอย่างคลุมเครือกับแหล่งข้อมูลหรือพจนานุกรมของผู้เชี่ยวชาญ สังเกตว่า AI จะเกิดข้อผิดพลาดจำนวนเท่าใดหากกำหนดให้มีการอ่านเพียงครั้งเดียว

รายการตรวจสอบ

• [ ] ฉันใช้ HTR/แบบจำลองที่เหมาะสมกับช่วงเวลาและสไตล์การเขียน
• [ ] ฉันถาม AI เพื่อหาทางเลือกอื่นนอกเหนือจากการอ่านที่แน่นอน
• [ ] ฉันป้องกันส่วนที่อ่านไม่ได้ด้วย [อ่านไม่ได้]
• [ ] ฉันแยกการทับศัพท์ดั้งเดิมออกจากการทำให้เข้าใจง่าย
• [ ] ฉันได้รับข้อความสุดท้ายที่ได้รับการยืนยันโดยผู้เชี่ยวชาญ/สารคดีที่รู้จักวิชาบรรพชีวินวิทยา