هوش مصنوعی و احیای اسناد تاریخی: ویژن‌ترنسفورمرها و تولید داده مصنوعی برای خط عربی

هوش مصنوعی و یادگیری عمیق به ابزاری حیاتی برای حفاظت از میراث فرهنگی و تاریخی تبدیل شده‌اند. با توجه به چالش‌های جدی اسناد تاریخی، به‌ویژه متون به خط عربی که به دلیل گذر زمان، فرسودگی و پیچیدگی ساختاری، با مشکلات عدیده‌ای در حوزه دیجیتال‌سازی و بازیابی متن مواجه هستند، پژوهشگران در سراسر جهان در تلاشند تا با روش‌های نوین بینایی ماشین، راهکارهای کارآمدی برای شناسایی دست‌خط، تشخیص نویسنده و استخراج اطلاعات از این اسناد ارائه دهند.

چالش‌های اسناد تاریخی و راهکار‌های نوین هوش مصنوعی

دکتر «یوسری کسنتینی»، دانشیار و سرپرست تیم پژوهشی دیپ‌ویژن در مرکز پژوهش‌های دیجیتال Sfax، هدف اصلی این تحقیقات را حفاظت از میراث فرهنگی و تاریخی می‌داند. او تاکید می‌کند که اسناد تاریخی، که بسیاری از آن‌ها به خط عربی نوشته شده‌اند، بخش مهمی از هویت فرهنگی ملت‌ها را شکل می‌دهند و شناسایی دقیق متن در آن‌ها یک ضرورت علمی و فرهنگی است.

محدودیت‌های شبکه عصبی پیچشی (CNN)

شبکه عصبی پیچشی یا CNN (Convolutional Neural Network)، اگرچه سال‌ها به‌عنوان مدل اصلی در حوزه بینایی ماشین و شناسایی دست‌خط مورد استفاده قرار گرفته و توانایی بالایی در تشخیص الگوهای بصری مانند خطوط و لبه‌ها دارد، اما در مواجهه با اسناد تاریخی پیچیده با محدودیت‌هایی روبه‌رو است.

CNN‌ها بیشتر بر ویژگی‌های محلی تصویر تمرکز دارند و در مسائلی مانند اسناد فرسوده یا متون با ساختار پیچیده، ممکن است در درک ارتباط‌های بلندمدت بین بخش‌های مختلف تصویر با مشکل مواجه شوند. به همین دلیل، روش‌های نوین‌تری مانند ویژن‌ترنسفورمر‌ها به‌عنوان جایگزین یا مکمل مطرح شده‌اند.

در این پژوهش‌ها، به‌جای شبکه‌های عصبی کانولوشنی، از ویژن‌ترنسفورمر (Vision Transformer) استفاده شده که در مقایسه با روش‌های سنتی یادگیری عمیق، عملکرد دقیق‌تری در شناسایی متن و الگو‌های دست‌خط ارائه می‌دهد.

غلبه بر فقر داده و بهبود کیفیت اسناد

یکی از بزرگترین چالش‌ها در حوزه اسناد تاریخی، کمبود داده‌های برچسب‌دار است. یادگیری عمیق به حجم زیادی از داده نیاز دارد که در بسیاری از موارد در دسترس نیست.

استفاده از یادگیری خودنظارتی (Self-supervised Learning)

تیم DeepVision برای حل این چالش از رویکرد یادگیری خودنظارتی استفاده می‌کند. در این روش، پژوهشگران پیش‌وظایفی (Pretext Tasks) مانند ماسک‌کردن بخش‌هایی از سند را طراحی می‌کنند. سپس مدل ترنسفورمر آموزش می‌بیند تا نواحی ماسک‌شده را پیش‌بینی کند. این فرآیند باعث می‌شود مدل، نمایش‌های معناداری از متن و ساختار دست‌خط را یاد بگیرد و در مرحله بعد با استفاده از یادگیری نظارت‌شده، به‌صورت دقیق تنظیم شود.

بهبود کیفیت اسناد فرسوده با مدل‌های مولد

اسناد تاریخی معمولاً کیفیت پایینی دارند و در گذر زمان دچار آسیب و فرسودگی شده‌اند. رونویسی مستقیم این اسناد بدون پیش‌پردازش، عملکرد مدل‌ها را به‌شدت کاهش می‌دهد. برای حل این مشکل، از مدل‌های مولد مانند شبکه‌های مولد تخاصمی (GAN) و مدل‌های انتشار (Diffusion Models) برای بهبود کیفیت اسناد استفاده شده است.

چالش دیگر، اسناد رمزگذاری‌شده با داده‌های برچسب‌دار بسیار محدود است. برای غلبه بر این مسئله از روش‌هایی مانند یادگیری چندنمونه‌ای (Few-shot Learning) و یادگیری فعال (Active Learning) استفاده شده تا وابستگی مدل‌ها به حجم زیاد داده کاهش یابد.

آینده پژوهش: پایان استخراج دستی و تولید داده مصنوعی

برتری اصلی روش‌های جدید نسبت به گذشته در این است که در یادگیری عمیق، لایه‌های مدل می‌توانند ویژگی‌ها را به‌صورت خودکار یاد بگیرند. در گذشته، روش‌هایی مانند مدل‌های مارکوف پنهان (HMM) و الگوریتم‌های کلاسیک یادگیری ماشین به استخراج دستی ویژگی‌ها وابسته بودند که فرآیندی زمان‌بر و وابسته به دانش انسانی بود.

نوآوری در تولید داده مصنوعی

نقش داده‌های مصنوعی در آموزش مدل‌ها در حال افزایش است. امروزه از مدل‌های مولد برای تولید داده استفاده می‌شود، اما معمولاً فاصله‌ای بین داده‌های مصنوعی و واقعی وجود دارد که با تکنیک‌هایی مانند تطبیق دامنه (Domain Adaptation) کاهش می‌یابد.

یکی از نوآوری‌های تیم DeepVision، ارائه روشی است که تنها با یک نمونه (One-shot) از هر کلاس، می‌توان حجم زیادی داده مصنوعی تولید کرد، بدون آنکه نیازی به آموزش مدل‌های مولد باشد. این رویکرد می‌تواند تحولی مهم در شناسایی دست‌خط، به‌ویژه برای زبان‌ها و اسنادی با منابع داده محدود، ایجاد کند.

هوش مصنوعی در مسیر احیای حافظه تاریخی

رویکردهای نوینی مانند ویژن‌ترنسفورمر، یادگیری خودنظارتی و مدل‌های مولد، هوش مصنوعی را به ابزاری راهبردی برای حفاظت و بازآفرینی میراث فرهنگی تبدیل کرده‌اند. این پژوهش‌ها نشان می‌دهد که ترکیب بهبود کیفیت اسناد، بهره‌گیری از یادگیری خودنظارتی برای غلبه بر فقر داده و تولید داده‌های مصنوعی، افق‌های تازه‌ای را پیش‌روی دیجیتال‌سازی و دسترس‌پذیر کردن بخش مهمی از تاریخ مکتوب جهان اسلام و دیگر تمدن‌ها گشوده است.

آینده حفاظت از اسناد تاریخی در هم‌افزایی دانش انسانی و هوش مصنوعی رقم خواهد خورد؛ جایی که فناوری‌های پیشرفته نه جایگزین تاریخ، بلکه ابزاری برای زنده نگه‌داشتن آن خواهند بود.