Як ШІ розшифровує середньовічні рукописи — і що знаходить у мільйонах сторінок

ШІ розшифровує середньовічні рукописи та архівні документи, які ще недавно доводилося роками читати вручну. Технології розпізнавання старовинного почерку допомагають перетворювати зображення пергаменту на цифровий текст і шукати в ньому імена, дати та згадки про події. Але фінальне слово все одно залишається за істориком, адже навіть найсучасніша модель може помилитися в одній літері — а вона інколи змінює зміст усього документа.

Чому середньовічні рукописи складно читати навіть фахівцям

Середньовічний текст — це не просто старий варіант сучасного почерку. Писарі використовували численні скорочення, нестандартні знаки, різні форми однієї літери, а самі сторінки могли бути потерті, потемнілі або пошкоджені вологою.

Окрема проблема — мова. У документі XIII століття знайдуться слова й діалектні форми, яких немає в сучасних словниках, тому алгоритму потрібно одночасно розпізнати знак, зрозуміти його значення та визначити правильний контекст. Наприклад, коротка позначка над словом могла замінювати цілий склад, а пляма на пергаменті — приховувати саме ту частину речення, яка пояснює дату чи ім’я.

Як ШІ розпізнає старовинний почерк і прихований текст

Основою процесу стає нейромережеве розпізнавання почерку, або HTR. Модель навчають на великій кількості оцифрованих сторінок, де експерти вже позначили літери й слова, після чого система вчиться помічати характерні риси конкретної епохи або навіть окремого писаря.

Далі програма створює транскрипцію — переносить написане в цифровий рядок. Вона може розшифрувати типові середньовічні скорочення, запропонувати сучасні відповідники та позначити місця, у яких не впевнена. У практичній роботі це нагадує перевірку тексту з пропущеними словами: дослідник швидко переглядає сумнівні фрагменти, замість того щоб заново читати сотні сторінок.

Допомагають і мультиспектральні скани. Камеру налаштовують на різні діапазони світла, зокрема інфрачервоний, щоб відокремити старе чорнило від плям та виявити текст, який майже зник із поверхні. Так можна досліджувати палімпсести — пергаменти, де первинний напис стерли й використали повторно; інколи під пізнішим богословським текстом проступають набагато давніші записи.

Що дає аналіз мільйонів сторінок одночасно

Найбільша перевага ШІ — швидкість і масштаб. Якщо дослідник витрачає день на уважне опрацювання кількох десятків сторінок, алгоритм може просканувати величезний цифровий архів і за секунди знайти всі згадки про потрібне місто, родину або торговий маршрут.

Так виникають цифрові карти зв’язків між документами. Одна й та сама назва поселення, рідкісне прізвище чи формула в юридичних записах можуть пов’язати рукописи, створені в різних монастирях і навіть регіонах. Для історика це схоже на пошук голки в бібліотеці, який раніше доводилося виконувати вручну за каталогами.

Алгоритми також здатні виявляти мовні закономірності: як змінювалося написання слова, де поширювався певний діалект, які імена найчастіше згадувалися в податкових списках. Проте автоматична відповідь не є готовим відкриттям. Її потрібно звірити зі знімком сторінки, іншими списками та знаннями про конкретну історичну добу — особливо коли йдеться про одну нечітку літеру або дату, записану скорочено.