فائدہ:
- اسکین شدہ دستاویزات کو OCR اور HTR کے ساتھ متن میں تبدیل کرکے اور اصل تصویر سے آؤٹ پٹ کا موازنہ کرکے درست کرنے کی صلاحیت
- آرکائیو دستاویز کی اصلیت اور سالمیت کو برقرار رکھنے اور AI کو مواد میں تبدیلی اور من گھڑت بحالی سے روکنے کی صلاحیت
- پرووینس معلومات اور پائیدار فارمیٹس کے ساتھ طویل مدتی ڈیجیٹل تحفظ کی منصوبہ بندی کرنے کی صلاحیت
ایک آرکائیوسٹ کو پچاس سال پرانے اخبار کی جلدیں، ہاتھ سے لکھے ہوئے خطوط، یا پرانی تصویریں مستقبل میں لے جانے کا کام سونپا جاتا ہے۔ یہ دستاویزات وقت کے ساتھ ختم ہو جاتی ہیں۔ دونوں کو محفوظ رکھنے اور قابل رسائی بنانے کے لیے، ڈیجیٹائزیشن کی جاتی ہے: ایک فزیکل دستاویز کو اسکین کرنے اور اسے ڈیجیٹل کاپی میں تبدیل کرنے کا عمل۔ لیکن صرف اسکریننگ کافی نہیں ہے۔ ڈیجیٹل آبجیکٹ کو تلاش کے قابل، پڑھنے کے قابل اور طویل مدتی میں برقرار رکھنے کے قابل ہونا چاہیے۔ اس یونٹ میں، آپ سیکھیں گے کہ کس طرح ڈیجیٹائزیشن، ٹرانسکرپشن اور ڈیجیٹل پرزرویشن ورک فلو میں مصنوعی ذہانت کا استعمال کرنا ہے۔ لیکن آپ سیکھیں گے کہ آپ اصلیت اور درستگی کی ذمہ داری کیوں اٹھائیں گے۔
چند تصورات۔ OCR (آپٹیکل کریکٹر ریکگنیشن) ایک ایسی ٹیکنالوجی ہے جو کسی دستاویز کی تصویر میں موجود متن کو مشین سے قابل تدوین متن میں تبدیل کرتی ہے۔ ایچ ٹی آر (ہاتھ سے لکھے ہوئے متن کی شناخت) ہاتھ سے لکھی ہوئی دستاویزات کے لیے وہی کام کرتا ہے اور یہ زیادہ مشکل ہے۔ ڈیجیٹل تحفظ اس بات کو یقینی بنانے کے لیے ایک منصوبہ بند کوشش ہے کہ ڈیجیٹل اشیاء دہائیوں تک پڑھنے کے قابل رہیں، حتیٰ کہ فائل فارمیٹس متروک ہو جاتے ہیں اور سافٹ ویئر میں تبدیلی آتی ہے۔ AI تینوں شعبوں میں ایک طاقتور لیکن ناقص اسسٹنٹ ہے۔
مرحلہ وار: ڈیجیٹلائزیشن سے تحفظ تک
1. ترجیح دینا۔ آپ ایک ساتھ ہر چیز کو ڈیجیٹائز نہیں کر سکتے۔ سب سے نازک، سب سے زیادہ درخواست کردہ اور سب سے منفرد دستاویزات کو پہلے رکھا جاتا ہے۔ یہ ایک عدالتی فیصلہ ہے۔ AI فہرست میں ترمیم میں مدد کرتا ہے، لیکن ادارہ ترجیح کا تعین کرتا ہے۔
2. اسکین کریں اور OCR/HTR لاگو کریں۔ دستاویز کو ہائی ریزولوشن پر اسکین کریں، پھر متن کو نکالنے کے لیے OCR یا HTR استعمال کریں۔ پرانی اور مشکل تحریروں کے ساتھ بھی، AI پر مبنی ٹولز یہاں بہتر سے بہتر ہو رہے ہیں۔
3. متن کو درست اور تصدیق کریں۔ OCR/HTR آؤٹ پٹ کبھی بھی کامل نہیں ہوتا ہے۔ غلطیاں عام ہیں، خاص طور پر اگر پرانی تحریر، داغ دار صفحات، یا کوئی مخطوطہ ہو۔ اصل تصویر کے ساتھ آؤٹ پٹ کا موازنہ کرنا اور اسے درست کرنا ضروری ہے۔
4. میٹا ڈیٹا اور تحفظ کی معلومات شامل کریں۔ ڈیجیٹل آبجیکٹ میں اس کی اصلیت، اسکیننگ کی شرائط، فارمیٹ کی معلومات، اور اصلیت شامل کریں — دستاویز کہاں سے آئی اور اس پر کیسے کارروائی ہوئی۔ یہ معلومات مستقبل کی تصدیق اور تحفظ کے لیے اہم ہے۔
5. طویل مدتی تحفظ کے لیے منصوبہ بنائیں۔ فائل فارمیٹس کا انتخاب کریں جو کھلے، عام اور پائیدار ہوں۔ بیک اپ فارمیٹس متروک ہونے کی صورت میں ہجرت کا منصوبہ بنائیں۔
اشارہ: OCR آؤٹ پٹ کو "کلیئر ٹیکسٹ" کے طور پر قبول نہ کریں۔ اگر تلاش کا نظام اس متن کے ذریعے کام کرتا ہے، تو غلط طریقے سے پہچانے گئے الفاظ کی وجہ سے ماخذ نہیں ملے گا۔ تنقیدی مجموعوں کے لیے، انسانی آنکھ کے لیے OCR آؤٹ پٹ کو درست کرنا تمام بعد کی رسائی کے معیار کا تعین کرتا ہے۔
ڈیجیٹل آبجیکٹ کی صداقت اور سالمیت
آرکائیو کے کام کے مرکز میں صداقت اور سالمیت ہے: اس بات کی یقین دہانی کہ دستاویز واقعی دعوی کردہ ذریعہ سے آتی ہے اور اس کے مواد کو تبدیل نہیں کیا گیا ہے۔ اس مقام پر، AI دو جہتی خطرہ پیدا کرتا ہے۔ سب سے پہلے، OCR/HTR اصلاح یا "اضافہ" کے دوران، AI خاموشی سے متن میں ترمیم کر سکتا ہے۔ ایسا لفظ شامل کر سکتے ہیں جو "تصحیح" کے نام سے موجود نہیں ہے۔ دوسرا، اگر تصویر کی "مرمت" یا "بحالی" AI کے ساتھ کی جاتی ہے، تو غیر اصلی تفصیلات تیار کی جا سکتی ہیں۔
آرکائیوسٹ کا اصول واضح ہے: ڈیجیٹل پرزرویشن کاپی اصل کے ساتھ وفادار ہونی چاہیے۔ AI کے ساتھ کی گئی ہر بہتری کو دستاویزی شکل دی جانی چاہیے اور اصل (خام) اسکین کو ہمیشہ محفوظ رکھا جانا چاہیے۔ کسی دستاویز کو "خوبصورت بنانا" اس کی تاریخی اہمیت کو ختم کر سکتا ہے۔
احتیاط: یہ AI کے ساتھ ایک پرانی تصویر یا دستاویز کو "بہتر" کرنے کا لالچ دے سکتا ہے۔ لیکن AI گمشدہ حصوں کو بنا کر بھرتا ہے۔ آرکائیو دستاویز میں، اس کا مطلب غلط تاریخی ثبوت بنانا ہے۔ بحالی کی پیداوار کبھی بھی اصل ماخذ کی جگہ نہیں لیتی ہے۔ ایک علیحدہ، واضح طور پر لیبل والے ویرینٹ کے طور پر محفوظ کیا جاتا ہے۔
تین چھوٹے مقدمات
کیس 1 - اخبارات کے محفوظ شدہ دستاویزات قابل تلاش بن گئے۔ ایک لائبریری نے اپنے 30 سال پرانے مقامی اخبارات کے ذخیرے کو ڈیجیٹائز کیا ہے۔ OCR کے ساتھ، 90,000 صفحات کو نقل کیا گیا اور تلاش کے قابل بنایا گیا۔ ایک موضوع کی تلاش جس میں پہلے دن لگتے تھے اب اسے سیکنڈ تک کم کر دیا گیا ہے۔ تاہم، ٹیم نے دیکھا کہ پرانے اور داغ دار صفحات پر OCR کی درستگی 80% تک گر گئی اور انسانی آنکھ سے اوپر والے سالوں کو درست کرنے کو ترجیح دی۔
کیس 2 - HTR نے مخطوطہ کھولا۔ ایک محفوظ شدہ دستاویزات نے 19ویں صدی کے مشکل خطوط کے مجموعے پر HTR کا اطلاق کیا۔ ماہرین کی طرف سے مہینوں کی پڑھائی کے مطابق نظام نے بڑی رفتار حاصل کی۔ لیکن پرنٹ آؤٹ کے ہر صفحے کا موازنہ ایک ماہر ماہر پیلوگرافر (قدیم تحریر کے ماہر) نے اصل سے کیا کیونکہ لوگوں اور مقامات کے ناموں میں غلطیاں تھیں۔
کیس 3 - جعلی "بحالی" کو مسترد کر دیا گیا۔ ایک ٹیم نے AI کے ساتھ پھٹی ہوئی تاریخی تصویر کی "مرمت" پر غور کیا۔ AI نے چہرے کے گمشدہ حصوں کو فٹ کرکے مکمل کیا۔ آرکائیوسٹ نے محسوس کیا کہ یہ من گھڑت تفصیلات تاریخی شواہد کو مسخ کر دیں گی۔ مرمت شدہ تصویر کو اصل کے ساتھ الگ سے محفوظ کیا گیا تھا، صرف واضح طور پر "AI ڈیریویٹیو" کا لیبل لگا ہوا تھا۔
رسائی کاپی، تحفظ کاپی اور فارمیٹ کا فیصلہ
ڈیجیٹائزیشن میں ایک اچھا عمل مختلف مقاصد کے لیے ایک ہی چیز کی کاپیاں الگ کرنا ہے۔ ایک پرزرویشن ماسٹر حقیقی ڈیجیٹل آبجیکٹ ہے جسے مستقبل میں لے جایا جائے گا، اعلی ترین ریزولیوشن، غیر کمپریسڈ یا لازلیس فارمیٹ میں ذخیرہ کیا گیا ہے۔ یہ شاذ و نادر ہی چھوا ہے. رسائی کی کاپی صارف کو پیش کی جانے والی ایک چھوٹی، آسانی سے کھولی جانے والی مختلف شکل ہے۔ یہ فرق اہم ہے کیونکہ وہ فارمیٹ جو استعمال کے لیے عملی ہے (چھوٹا، کمپریسڈ) طویل مدتی تحفظ کے لیے موزوں نہیں ہو سکتا۔ تحفظ کے لیے مثالی شکل (بڑا، بے نقصان) روزانہ استعمال کے لیے بوجھل ہے۔ اس ورک فلو میں، AI فائلوں کو انوینٹری کرنے، گمشدہ قسموں کا پتہ لگانے، اور میٹا ڈیٹا کو دو کاپیوں کے درمیان ہم آہنگ رکھنے میں مدد کر سکتا ہے۔ تاہم، فارمیٹ کا انتخاب ایک تحفظ کا فیصلہ ہے: کھلے، وسیع پیمانے پر دستاویزی اور پائیدار فارمیٹس کو ترجیح دی جانی چاہیے (مالیداری، بند فارمیٹس کی بجائے)، اور وقت کے ساتھ ساتھ فارمیٹس متروک ہونے کی صورت میں منتقلی کا منصوبہ تیار رکھا جانا چاہیے۔ یہاں تک کہ اگر AI ایک فارمیٹ تجویز کرتا ہے، تو ادارے کی طویل مدتی تحفظ کی پالیسی کا حتمی کہنا ہے۔
ٹپ: ہر ڈیجیٹل آبجیکٹ کے لیے، ایک مختصر ریکارڈ رکھیں جو ان سوالوں کا جواب دیتا ہے کہ "اصل ماخذ کہاں ہے، محفوظ کرنے کی کاپی کس فارمیٹ میں ہے، رسائی کاپی کس فارمیٹ میں ہے، اور جو صارف کو دستیاب کرائی گئی ہے؟" ان تین تہوں کو ملانے سے یہ واضح نہیں ہوتا ہے کہ کون سی فائل قابل اعتماد ماسٹر ہے جو آگے بڑھ رہی ہے۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) OCR آؤٹ پٹ درست کرنے میں مدد:
ذیل میں ایک OCR متن اور اصل صفحہ کی تفصیل ہے۔ صرف اوپن او سی آر کی غلطیاں درست کریں (خراب حروف، مرکب/تقسیم الفاظ)۔ مواد کو تبدیل نہ کریں، الفاظ شامل کریں یا ہٹائیں. اگر آپ کو یقین نہیں ہے تو، "[؟]" سے نشان زد کریں۔ OCR متن: [یہاں]
2) ٹیکسٹ امیج کی مستقل مزاجی کی جانچ:
کیا ذیل میں تصحیح شدہ متن میں کوئی اضافہ کیا گیا ہے جس کی اصل دستاویز میں ہونے کی توقع نہیں کی گئی تھی (جس کی تشکیل ہو سکتی ہے)؟ ہر مشکوک حصے کو نشان زد کریں اور لکھیں کہ یہ کیوں مشکوک ہے۔ متن: [یہاں]
3) پروٹیکشن میٹا ڈیٹا ڈرافٹ:
درج ذیل ڈیجیٹائزڈ آبجیکٹ کے لیے پرزرویشن میٹا ڈیٹا کا خاکہ تیار کریں: سورس، پرووینس، اسکین تاریخ/ریزولوشن، فائل فارمیٹ، ٹرانزیکشن ہسٹری۔ صرف میری فراہم کردہ معلومات کا استعمال کریں، گمشدہ فیلڈ کو خالی چھوڑ دیں۔ معلومات: [یہاں]
4) ترجیحی مدد:
ذیل میں ڈیجیٹائزیشن کے منتظر مجموعوں کی فہرست ہے۔ نزاکت، طلب اور انفرادیت کی بنیاد پر ترجیح دینے میں مدد کریں۔ ہر وسائل کے لیے مختصر جواز پیش کریں۔ حتمی فیصلہ مجھ پر چھوڑ دو۔ فہرست: [یہاں]
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
اس سکین شدہ متن کو درست اور خوبصورت بنائیں۔
"خوبصورت" AI کو مواد کو تبدیل کرنے، کوتاہیوں کو پورا کرنے کی دعوت دیتا ہے۔ محفوظ شدہ دستاویزات کی اصلیت کو نقصان پہنچا ہے۔
طاقتور اشارہ:
آپ کا کردار: ڈیجیٹائزیشن ایڈیٹر اسسٹنٹ۔ مندرجہ ذیل OCR متن میں، صرف واضح شناخت کی غلطیوں کو درست کریں (خراب کردار، غلط طور پر تقسیم شدہ لفظ)۔ کوئی بھی لفظ شامل، ہٹا یا تبدیل نہ کریں۔ "[?]" کو چھوڑ دیں جہاں آپ کو یقین نہیں ہے۔ آپ نے جو بھی تصحیح کی ہے اسے الگ فہرست میں دکھائیں۔ متن: [یہاں]
طاقتور پرامپٹ AI کو صرف غلطیوں کو پہچاننے تک محدود کرتا ہے، اسے مواد کو چھونے سے منع کرتا ہے، اور تصحیح کو قابل شناخت بناتا ہے۔
ورک فلو اور رسک ٹیبل
اسٹیج
AI کی شراکت
اہم خطرہ
تحفظ کی پیمائش
اسکین
-
ناقص معیار
اعلی قرارداد
OCR/HTR
متن میں تبدیل کریں۔
شناخت کی غلطیاں
انسانی اصلاح
اصلاح
غلطی کی تجویز
مواد کو تبدیل کرنا
اصل کے ساتھ موازنہ
بحالی
تصویر مشتق
مناسب تفصیل
خام اصلی رکھیں، اس پر لیبل لگائیں۔
تحفظ
میٹا ڈیٹا ڈرافٹ
اصل کا نقصان
پرووننس ریکارڈ
عام غلطیاں
- بغیر اصلاح کے OCR آؤٹ پٹ کو قبول کرنا۔ خرابیاں تلاش اور رسائی میں خلل ڈالتی ہیں۔
- AI کو "خوبصورت بنانا" کہتے ہیں۔ یہ مواد کو تبدیل کرتا ہے اور اصلیت کو تباہ کرتا ہے۔
- اصل شواہد کے لیے AI کی بحالی کا متبادل۔ من گھڑت تفصیل جھوٹی تاریخ بناتی ہے۔
- خام اسکین کو ذخیرہ نہیں کرنا۔ اصل کے بغیر کسی تصحیح کی تصدیق نہیں کی جا سکتی۔
- اصل معلومات کو چھوڑنا۔ دستاویز کی وشوسنییتا ناقابل شناخت ہو جاتی ہے۔
خلاصہ میں
ڈیجیٹل آرکائیوز اور ڈیجیٹائزیشن میں AI؛ یہ ایک قیمتی امداد ہے جو OCR/HTR ٹرانسکرپشن، میٹا ڈیٹا ڈرافٹنگ اور ترجیح کو تیز کرتی ہے۔ لیکن آرکائیو کے کام کا جوہر صداقت اور سالمیت ہے: OCR آؤٹ پٹ کو انسانی آنکھ سے درست کیا جانا چاہئے، AI کو کبھی بھی خاموشی سے مواد کو تبدیل نہیں کرنا چاہئے، بحالی کے مشتق کو اصل ثبوت کی جگہ نہیں لینا چاہئے، اور خام سکیننگ اور ثبوت کی معلومات کو ہمیشہ محفوظ رکھنا چاہئے۔ AI کو ایک ایسے ٹول کے طور پر استعمال کریں جو دستاویز کو "بہتر" نہیں کرتا، بلکہ اس کے مطابق رہتے ہوئے اسے قابل رسائی بناتا ہے۔
درخواست کا کام
OCR آؤٹ پٹ کا ایک مختصر نمونہ حاصل کریں (یا تو آپ کی اپنی پیداوار سے یا اصل اسکین سے)۔ "OCR آؤٹ پٹ کریکشن ہیلپ" ٹیمپلیٹ کے ساتھ صرف شناختی غلطیوں کو درست کریں، پھر چیک کریں کہ آیا AI نے "ٹیکسٹ امیج کنسسٹینسی چیک" ٹیمپلیٹ کے ساتھ مواد شامل کیا ہے۔ پھر "تحفظ میٹا ڈیٹا ڈرافٹ" ٹیمپلیٹ کے ساتھ آبجیکٹ کے لیے پرویننس اور فارمیٹ کی معلومات کے ساتھ ایک ریکارڈ بنائیں۔
چیک لسٹ
- میں نے OCR/HTR آؤٹ پٹ کا اصل تصویر سے موازنہ کیا اور اسے درست کیا۔
- میں نے چیک کیا ہے کہ AI مواد کو شامل/تبدیل نہیں کرتا ہے۔
- [ ] میں نے خام (ماسٹر) اسکین کو الگ اور غیر تبدیل شدہ رکھا۔
- میں نے میٹا ڈیٹا میں پرویننس اور فارمیٹ کی معلومات شامل کیں۔
- میں نے واضح طور پر بحالی کی مختلف حالتوں کو "AI مشتق" کے طور پر لیبل کیا ہے۔