กำไร:
- ความสามารถในการแก้ไขเอกสารที่สแกนโดยแปลงเป็นข้อความด้วย OCR และ HTR และเปรียบเทียบผลลัพธ์กับรูปภาพจริง
- ความสามารถในการรักษาความคิดริเริ่มและความสมบูรณ์ของเอกสารที่เก็บถาวร และป้องกันไม่ให้ AI เปลี่ยนแปลงเนื้อหาและการกู้คืนแบบประดิษฐ์
- ความสามารถในการวางแผนการอนุรักษ์ดิจิทัลในระยะยาวด้วยข้อมูลแหล่งที่มาและรูปแบบที่คงทน
นักเก็บเอกสารมีหน้าที่ขนหนังสือพิมพ์อายุห้าสิบปี จดหมายที่เขียนด้วยลายมือ หรือรูปถ่ายเก่าๆ ไปสู่อนาคต เอกสารเหล่านี้เสื่อมสภาพตามกาลเวลา เพื่อรักษาและทำให้สามารถเข้าถึงได้ การแปลงเป็นดิจิทัลจึงเสร็จสิ้น นั่นคือการสแกนเอกสารทางกายภาพและแปลงเป็นสำเนาดิจิทัล แต่การคัดกรองเพียงอย่างเดียวไม่เพียงพอ วัตถุดิจิทัลจะต้องสามารถค้นหา อ่านได้ และบำรุงรักษาได้ในระยะยาว ในหน่วยนี้ คุณจะได้เรียนรู้วิธีใช้ปัญญาประดิษฐ์ในกระบวนการแปลงเป็นดิจิทัล การถอดเสียง และการเก็บรักษาดิจิทัล แต่คุณจะได้เรียนรู้ว่าเหตุใดคุณจึงต้องรับผิดชอบต่อความคิดริเริ่มและความถูกต้อง
แนวคิดบางประการ OCR (Optical Character Recognition) เป็นเทคโนโลยีที่แปลงข้อความในรูปภาพของเอกสารให้เป็นข้อความที่แก้ไขได้ด้วยเครื่อง HTR (การรู้จำข้อความที่เขียนด้วยลายมือ) ทำหน้าที่เดียวกันกับเอกสารที่เขียนด้วยลายมือและยากกว่ามาก การอนุรักษ์ดิจิทัลเป็นความพยายามที่วางแผนไว้เพื่อให้แน่ใจว่าวัตถุดิจิทัลจะยังคงสามารถอ่านได้เป็นเวลาหลายทศวรรษ แม้ว่ารูปแบบไฟล์จะล้าสมัยและซอฟต์แวร์มีการเปลี่ยนแปลงก็ตาม AI เป็นผู้ช่วยที่ทรงพลังแต่มีข้อบกพร่องในทั้งสามด้าน
ทีละขั้นตอน: จากการแปลงเป็นดิจิทัลไปจนถึงการอนุรักษ์
1. จัดลำดับความสำคัญ คุณไม่สามารถแปลงทุกอย่างเป็นดิจิทัลได้ในคราวเดียว เอกสารที่เปราะบางที่สุด ได้รับการร้องขอมากที่สุด และไม่ซ้ำใครที่สุดจะให้ความสำคัญเป็นอันดับแรก นี่เป็นคำตัดสินของศาล AI ช่วยในการแก้ไขรายการ แต่สถาบันเป็นผู้กำหนดลำดับความสำคัญ
2. สแกนและใช้ OCR/HTR สแกนเอกสารด้วยความละเอียดสูง จากนั้นใช้ OCR หรือ HTR เพื่อแยกข้อความ เครื่องมือที่ใช้ AI เริ่มดีขึ้นเรื่อยๆ ที่นี่ แม้จะมีข้อความเก่าและยากก็ตาม
3. แก้ไขและตรวจสอบข้อความ เอาต์พุต OCR/HTR ไม่เคยสมบูรณ์แบบ ข้อผิดพลาดเป็นเรื่องปกติ โดยเฉพาะอย่างยิ่งหากมีงานเขียนเก่า หน้ามีรอยเปื้อน หรือต้นฉบับ จำเป็นต้องเปรียบเทียบผลลัพธ์กับภาพจริงและแก้ไขให้ถูกต้อง
4. เพิ่มข้อมูลเมตาและข้อมูลการป้องกัน เพิ่มแหล่งที่มา เงื่อนไขการสแกน ข้อมูลรูปแบบ และที่มา ลงในวัตถุดิจิทัล แหล่งที่มาของเอกสารและวิธีการประมวลผล ข้อมูลนี้มีความสำคัญต่อการตรวจสอบและการป้องกันในอนาคต
5. แผนการคุ้มครองระยะยาว เลือกรูปแบบไฟล์ที่เปิด ธรรมดา และทนทาน สำรอง; จัดทำแผนการย้ายข้อมูลในกรณีที่รูปแบบล้าสมัย
เคล็ดลับ: อย่ายอมรับเอาต์พุต OCR เป็น "ข้อความธรรมดา" หากระบบค้นหาใช้ข้อความนี้ คำที่จดจำไม่ถูกต้องจะทำให้ไม่พบแหล่งที่มา สำหรับคอลเลกชันที่สำคัญ การแก้ไขเอาต์พุต OCR ไปยังสายตามนุษย์จะกำหนดคุณภาพของการเข้าถึงในภายหลังทั้งหมด
Authenticity and integrity of the digital object
หัวใจสำคัญของงานเก็บถาวรคือความถูกต้องและความสมบูรณ์: การประกันว่าเอกสารมาจากแหล่งที่อ้างสิทธิ์อย่างแท้จริง และเนื้อหาในนั้นไม่มีการเปลี่ยนแปลง ณ จุดนี้ AI ได้สร้างภัยคุกคามแบบสองทาง ประการแรก ในระหว่างการแก้ไข OCR/HTR หรือ “การปรับปรุง” AI สามารถแก้ไขข้อความโดยไร้เสียง สามารถเพิ่มคำที่ไม่มีอยู่ในชื่อ "การแก้ไข" ได้ ประการที่สอง หากภาพ "การซ่อมแซม" หรือ "การบูรณะ" เสร็จสิ้นด้วย AI ก็อาจสร้างรายละเอียดที่ไม่ใช่ต้นฉบับได้
กฎของผู้เก็บเอกสารชัดเจน: สำเนาการเก็บรักษาแบบดิจิทัลจะต้องตรงตามต้นฉบับ การปรับปรุงทุกอย่างที่ทำด้วย AI ควรได้รับการบันทึกไว้ และการสแกนจริง (ดิบ) ควรได้รับการเก็บรักษาไว้เสมอ "การทำให้สวยงาม" เอกสารสามารถทำลายคุณค่าของหลักฐานทางประวัติศาสตร์ได้
ข้อควรระวัง: การ "ปรับปรุง" รูปภาพหรือเอกสารเก่าด้วย AI อาจดึงดูดใจ; แต่ AI จะเข้ามาเติมเต็มส่วนที่ขาดหายไปด้วยการสร้างมันขึ้นมา ในเอกสารสำคัญ หมายถึงการสร้างหลักฐานทางประวัติศาสตร์ที่เป็นเท็จ ผลลัพธ์การคืนค่าจะไม่แทนที่แหล่งที่มาดั้งเดิม ถูกจัดเก็บไว้เป็นตัวแปรแยกต่างหากและมีป้ายกำกับชัดเจน
มินิเคสสามอัน
กรณีที่ 1 — คลังหนังสือพิมพ์สามารถค้นหาได้ ห้องสมุดแห่งหนึ่งได้แปลงคอลเลกชันหนังสือพิมพ์ท้องถิ่นที่มีอายุ 30 ปีเป็นดิจิทัล ด้วย OCR มีการถอดเสียงและทำให้สามารถค้นหาได้ 90,000 หน้า การค้นหาหัวข้อที่ก่อนหน้านี้ใช้เวลาหลายวันตอนนี้ลดลงเหลือเพียงไม่กี่วินาที อย่างไรก็ตาม ทีมงานสังเกตเห็นว่าความแม่นยำของ OCR ลดลงเหลือ 80% ในหน้าเก่าและหน้าที่เปื้อน และจัดลำดับความสำคัญในการแก้ไขปีสูงสุดด้วยสายตามนุษย์
กรณีที่ 2 — HTR เปิดต้นฉบับ ไฟล์เก็บถาวรใช้ HTR กับคอลเลกชันจดหมายที่อ่านยากในศตวรรษที่ 19 ระบบได้รับความเร็วที่ยอดเยี่ยมตามการอ่านหลายเดือนโดยผู้เชี่ยวชาญ แต่สิ่งพิมพ์แต่ละหน้าถูกเปรียบเทียบกับต้นฉบับโดยนักบรรพชีวินวิทยาผู้เชี่ยวชาญ (ผู้เชี่ยวชาญด้านการเขียนโบราณ) เนื่องจากมีข้อผิดพลาดในชื่อบุคคลและสถานที่
กรณีที่ 3 — “การฟื้นฟู” ปลอมถูกปฏิเสธ ทีมหนึ่งพิจารณา "ซ่อมแซม" ภาพถ่ายประวัติศาสตร์ที่ฉีกขาดด้วย AI AI เติมเต็มส่วนที่ขาดหายไปของใบหน้าด้วยการปรับให้เหมาะสม The archivist realized that these fabricated details would distort the historical evidence; ภาพที่ซ่อมแซมจะถูกจัดเก็บแยกจากต้นฉบับ โดยมีป้ายกำกับว่า "AI Derivative" อย่างชัดเจนเท่านั้น
เข้าถึงสำเนา สำเนาการเก็บรักษา และการตัดสินใจจัดรูปแบบ
แนวปฏิบัติที่ดีในการแปลงเป็นดิจิทัลคือการแยกสำเนาของวัตถุเดียวกันเพื่อวัตถุประสงค์ที่ต่างกัน ต้นแบบการเก็บรักษาคือวัตถุดิจิทัลจริงที่จะนำไปใช้ในอนาคต โดยจัดเก็บไว้ในความละเอียดสูงสุด ไม่มีการบีบอัดหรือไม่มีการสูญเสียข้อมูล มันไม่ค่อยได้สัมผัส สำเนาการเข้าถึงเป็นรูปแบบที่เล็กกว่าและเปิดได้ง่ายซึ่งแสดงต่อผู้ใช้ ความแตกต่างนี้มีความสำคัญเนื่องจากรูปแบบที่ใช้งานได้จริง (เล็ก, บีบอัด) อาจไม่เหมาะสำหรับการเก็บรักษาในระยะยาว รูปแบบที่เหมาะสำหรับการเก็บรักษา (ขนาดใหญ่ ไม่มีการสูญเสีย) ถือเป็นเรื่องยุ่งยากสำหรับการใช้งานในแต่ละวัน ในขั้นตอนการทำงานนี้ AI สามารถช่วยในการจัดเก็บไฟล์ การตรวจจับรูปแบบที่ขาดหายไป และรักษาข้อมูลเมตาให้สอดคล้องกันระหว่างสำเนาสองชุด อย่างไรก็ตาม การเลือกรูปแบบคือการตัดสินใจในการเก็บรักษา: ควรเลือกใช้รูปแบบที่เปิดกว้าง มีการจัดทำเอกสารอย่างกว้างขวาง และคงทน (แทนที่จะเป็นรูปแบบปิดที่เป็นกรรมสิทธิ์) และควรเตรียมแผนการโยกย้ายให้พร้อมในกรณีที่รูปแบบนั้นล้าสมัยเมื่อเวลาผ่านไป แม้ว่า AI จะแนะนำรูปแบบ แต่นโยบายการอนุรักษ์ระยะยาวของสถาบันก็เป็นผู้ตัดสินขั้นสุดท้าย
เคล็ดลับ: สำหรับวัตถุดิจิทัลแต่ละรายการ ให้เก็บบันทึกสั้นๆ ที่ตอบคำถาม "แหล่งที่มาของต้นฉบับอยู่ที่ไหน สำเนาการเก็บรักษาอยู่ในรูปแบบใด สำเนาเข้าถึงในรูปแบบใด และสิ่งใดที่ผู้ใช้สามารถใช้งานได้" Mixing these three layers makes it unclear which file is the trusted master going forward.
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
1) วิธีใช้การแก้ไขเอาต์พุต OCR:
ด้านล่างนี้เป็นข้อความ OCR และคำอธิบายของหน้าจริง แก้ไขข้อผิดพลาด openOCR เท่านั้น (อักขระที่ไม่ถูกต้อง คำประสม/คำแยก) ห้ามเปลี่ยนแปลงเนื้อหา เพิ่ม หรือลบคำ หากไม่แน่ใจ ให้ทำเครื่องหมาย "[?]" ข้อความ OCR: [ที่นี่]
2) การตรวจสอบความสอดคล้องของข้อความและรูปภาพ:
มีการเพิ่มเติมข้อความแก้ไขด้านล่างที่ไม่คาดว่าจะอยู่ในเอกสารต้นฉบับ (ซึ่งอาจมีการเรียบเรียงขึ้น) หรือไม่ ทำเครื่องหมายแต่ละส่วนที่น่าสงสัยและเขียนว่าเหตุใดจึงน่าสงสัย ข้อความ: [ที่นี่]
3) ร่างข้อมูลเมตาการป้องกัน:
สร้างโครงร่างข้อมูลเมตาการเก็บรักษาสำหรับออบเจ็กต์ดิจิทัลต่อไปนี้: แหล่งที่มา แหล่งที่มา วันที่สแกน/ความละเอียด รูปแบบไฟล์ ประวัติการทำธุรกรรม เพียงใช้ข้อมูลที่ฉันให้ไว้ เว้นช่องที่ขาดหายไป ข้อมูล: [ที่นี่]
4) ความช่วยเหลือในการจัดลำดับความสำคัญ:
ด้านล่างนี้คือรายการคอลเลกชันที่รอการแปลงเป็นดิจิทัล ช่วยในการจัดลำดับความสำคัญตามความเปราะบาง ความต้องการ และความเป็นเอกลักษณ์ ให้เหตุผลสั้นๆ สำหรับแต่ละทรัพยากร ฝากการตัดสินใจครั้งสุดท้ายไว้ที่ฉัน รายการ: [ที่นี่]
พรอมต์อ่อน / พรอมต์แรง
พรอมต์ที่อ่อนแอ:
แก้ไขและตกแต่งข้อความที่สแกนนี้ให้สวยงาม
“Beautify” ชวน AI เปลี่ยนเนื้อหา ชดเชยส่วนที่ละเลย ต้นฉบับของเอกสารเก็บถาวรเสียหาย
พรอมต์อันทรงพลัง:
บทบาทของคุณ: ผู้ช่วยบรรณาธิการด้านดิจิทัล ในข้อความ OCR ต่อไปนี้ ให้แก้ไขเฉพาะข้อผิดพลาดในการรู้จำที่ชัดเจนเท่านั้น (อักขระที่ไม่ดี การแยกคำไม่ถูกต้อง) ห้ามเพิ่ม ลบ หรือเปลี่ยนแปลงคำใดๆ ปล่อยให้ "[?]" อยู่ในตำแหน่งที่คุณไม่แน่ใจ แสดงการแก้ไขแต่ละรายการที่คุณทำในรายการแยกกัน ข้อความ: [ที่นี่]
ข้อความแจ้งอันทรงพลังจะจำกัดให้ AI จดจำเฉพาะข้อผิดพลาด ห้ามมิให้สัมผัสเนื้อหา และทำให้สามารถตรวจสอบย้อนกลับได้
ขั้นตอนการทำงานและตารางความเสี่ยง
เวที
การมีส่วนร่วมของเอไอ
ความเสี่ยงหลัก
มาตรการป้องกัน
สแกน
—
คุณภาพไม่ดี
ความละเอียดสูง
OCR/HTR
แปลงเป็นข้อความ
ข้อผิดพลาดในการรับรู้
การแก้ไขของมนุษย์
การแก้ไข
ข้อเสนอแนะข้อผิดพลาด
การเปลี่ยนแปลงเนื้อหา
เปรียบเทียบกับต้นฉบับ
การบูรณะ
อนุพันธ์ของรูปภาพ
รายละเอียดที่เหมาะสม
เก็บต้นฉบับดิบติดป้ายกำกับไว้
การป้องกัน
ร่างข้อมูลเมตา
การสูญเสียแหล่งกำเนิด
บันทึกที่มา
ข้อผิดพลาดทั่วไป
- การยอมรับเอาต์พุต OCR โดยไม่มีการแก้ไข ข้อผิดพลาดขัดขวางการค้นหาและการเข้าถึง
- เรียก AI ว่า “ทำให้สวย” มันเปลี่ยนแปลงเนื้อหาและทำลายความคิดริเริ่ม
- ทดแทนการฟื้นฟูด้วย AI เพื่อเป็นหลักฐานที่แท้จริง รายละเอียดที่สร้างขึ้นสร้างประวัติศาสตร์เท็จ
- ไม่จัดเก็บการสแกนดิบ ไม่มีการแก้ไขใดสามารถตรวจสอบได้หากไม่มีต้นฉบับ
- การละเว้นข้อมูลแหล่งที่มา ความน่าเชื่อถือของเอกสารไม่สามารถติดตามได้
โดยสรุป
AI ในคลังข้อมูลดิจิทัลและการแปลงเป็นดิจิทัล เป็นความช่วยเหลืออันมีค่าที่ช่วยเร่งการถอดความ OCR/HTR การร่างข้อมูลเมตา และการจัดลำดับความสำคัญ แต่สาระสำคัญของงานเก็บถาวรคือความถูกต้องและความสมบูรณ์: เอาต์พุต OCR ควรได้รับการแก้ไขด้วยสายตามนุษย์, AI ไม่ควรแทนที่เนื้อหาอย่างเงียบ ๆ, อนุพันธ์ของการบูรณะไม่ควรแทนที่หลักฐานดั้งเดิม และข้อมูลการสแกนและแหล่งที่มาแบบดิบควรได้รับการเก็บรักษาไว้เสมอ ใช้ AI เป็นเครื่องมือที่ไม่ "ปรับปรุง" เอกสาร แต่ทำให้สามารถเข้าถึงได้โดยยังคงความเป็นจริงอยู่
งานสมัคร
รับตัวอย่างสั้นๆ ของเอาต์พุต OCR (ทั้งการผลิตของคุณเองหรือจากการสแกนจริง) แก้ไขเฉพาะข้อผิดพลาดในการจดจำด้วยเทมเพลต "ความช่วยเหลือในการแก้ไขเอาต์พุต OCR" จากนั้นตรวจสอบว่า AI ได้เพิ่มเนื้อหาด้วยเทมเพลต "การตรวจสอบความสอดคล้องของข้อความและรูปภาพ" หรือไม่ จากนั้นสร้างบันทึกที่มีข้อมูลแหล่งที่มาและรูปแบบสำหรับออบเจ็กต์ด้วยเทมเพลต "ร่างข้อมูลเมตาของการเก็บรักษา"
รายการตรวจสอบ
- [ ] ฉันเปรียบเทียบเอาต์พุต OCR/HTR กับภาพจริงและแก้ไขให้ถูกต้อง
- [ ] ฉันได้ตรวจสอบว่า AI ไม่เพิ่ม/เปลี่ยนแปลงเนื้อหา
- [ ] ฉันเก็บการสแกนแบบ Raw (ต้นแบบ) แยกกันและไม่มีการเปลี่ยนแปลง
- [ ] ฉันได้เพิ่มข้อมูลแหล่งที่มาและรูปแบบลงในข้อมูลเมตา
- [ ] ฉันได้ระบุอย่างชัดเจนถึงรูปแบบการบูรณะว่าเป็น "อนุพันธ์ของ AI"