مقدمة: النهضة الرقمية للكلمات الضائعة

والمخطوطات التاريخية هي نوافذ لا يمكن استبدالها في الحضارات واللغات والأفكار التي شكلت عالمنا، ومع ذلك فإن هذه الوثائق الهشّة تتعرض للاعتداء المستمر من الزمن والبيئة والصراع البشري، وقد لا تكون حبر مائل، وتلف مائي، وحرق قُدر أن تكون نصوصاً لا تحصى جزئياً أو غير واضحة تماماً، بل إن أساليب الاستعادة التقليدية التي تنطوي على تنظيف يدوي، ومعالجة كيميائية، قد تُلحق الضرر ببطء.

وفي العقد الماضي، برزت مسألة التعلم العميق كأداة تحول في هذا المجال الحساس، إذ بفضل تدريب الشبكات العصبية على مجموعات كبيرة من النصوص الصحيحة والمدمرة جزئيا، يمكن للباحثين الآن أن يعززوا الصور المزيفة، وأن يتوقّعون الكلمات المفقودة، بل وأن يعيدوا بناء خطوط كاملة من أشلاء الحانات، ويضم الآن عدد متزايد من مؤسسات التراث الثقافي هذه الخوارزميات إلى مسارات عمل الحفظ، مما يتيح اكتشافات التي كان من المستحيل تحقيق النجاح.

كيف يعمل التعلم العميق لإعادة النص

والتعلم العميق هو مجموعة فرعية من التعلم الآلات تستخدم شبكات الظواهر العصبية الاصطناعية المتعددة المستويات في نماذج الأنماط المعقدة، وعلى عكس الخوارزميات السابقة القائمة على القواعد، فإن نظم التعلم العميق تتعلم مباشرة من البيانات: فبالنظر إلى ما يكفي من الأمثلة على النصوص المضرورة مقابل النص المستعادة، تكتشف الشبكة خصائصها الخاصة لتفريق الحواف، وضربات الحبر، والهياكل النصية، وهذه القدرة قيمة خاصة لأن كل وثيقة تعرض أنماطاً من الأضرار الفريدة، وهي:

وهناك عدة هياكل تؤدي أدواراً محددة في خط إعادة التشغيل، إذ يمكن للشبكات العصبية الثورية أن تبث في مهام على مستوى الصورة مثل إزالة الضجيج الخلفي، وتشديد الطابع غير الواضح، وتملأ المناطق المفقودة من خلال عملية تسمى " خط الأنابيب " ، وهي بالكاد تبث الشعارات العصبية المتكررة، والنماذج المحولات، من ناحية أخرى، معالجة التنبؤات المتسلسلة التي تُصدر جملة جزئية، ويمكن أن تُجمع بينها.

وقد أصبحت شبكات النزعات الحسنة ذات شعبية خاصة بالنسبة لإعادة التصويب البصري، وتتألف الشبكة من شبكتين متنافستين: مولد يخلق رقائق مستعادة ومفرقاً يحاول التمييز بين هذه التوابع من الصور النظيفة الحقيقية، ويحسن المولد إلى أن تصبح نواتجه غير قابلة للتفكك من النص الحقيقي غير المدمر، وهذا التدريب العارض ينتج عنه عمليات إعادة بناء واقعية للغاية، حتى في المناطق التي تكيف فيها المولد الأصلي.

التقنيات الرئيسية في مجال التعلم العميق من أجل إعادة التأهيل

تحسين الصور والعبوات

وتتمثل الخطوة الأولى في معظم تدفقات العمل في تحسين النوعية البصرية لصور المخطوطات الرقمية، وتُدرَّب نماذج التعلم العميق على زوجات من الصور النظيفة والمتدهورة اصطناعياً لتعلم كيفية عكس العيوب المشتركة، ويمكن لهذه الأساليب أن تزيل البقع، وتخفض التداخل في الظل، بل وتُنتج عقيدات مادية تشوه النص، ويُعدّ تطبيقاً محدداً نماذج مفقودة.

فعلى سبيل المثال، تستخدم شبكة " ديممورفولوجيا " (FLT: 1) التي أنشئت في جامعة زيورخ، شبكة CNN التي تقطعت فيها شوائب لتجهيز حقول استقبال كبيرة مع الحفاظ على التفاصيل الدقيقة، وعندما اختبرت في القرن السابع عشر، نجحت في إزالة البقع المائية والنماذج غير المسموعة التي استردت من خلال القرون غير المستقرة.

الاعتراف بالنص وإعادة الإعمار

وبعد تعزيز الصورة، يتمثل التحدي التالي في قراءة النص، فالاعتراف بالطابع الضوئي بالكتب التاريخية صعب للغاية: فالأوجه تتباين، والاختصارات التي تتفاوت، والأضرار كثيرا ما تترك رسائل جزئية، كما أن نظم التسلسل العنيف العميق القائمة على التعلم، مثل النظم القائمة على التصنيف الزمني للوصلات، أو التي تتعلم من بنية البرمجيات القائمة على الاهتمام، يمكن أن تعالج التسلسلات المتغيرية.

ومن الأمثلة البارزة على ذلك منهاج " المعالم المفقودة " ، الذي يوفر محركاً للتعلم العميق من أجل تسجيل الوثائق التاريخية، ويتلقى نماذجه من آلاف الصفحات من أيدي وأعوان محددة، مما يسمح للمستعملين بضبط مجموعاتهم الخاصة، وقد استخدمت المعالم لترجمة كل شيء من المواثيق القديمة التي تُستخدم في القرن الخامس عشر إلى ملحقات لاتينية مضرة بشدة.

الاعتراف والترجمة

وقد كتب العديد من المخطوطات المتلفة في النصوص القديمة أو غير المفهومة فهماً جيداً - الكتاب المقدس - باء، أو السنور القديمة، أو سورياك، أو النصوص البكتريوغرافية - ويمكن للتعلم العميق أن يساعد في تحديد النص، وفي ترجمة الجسد الموازي، كما أن النماذج المتعددة الوسائط التي تطبع الصور والنص معاً يمكن أن تتعلم رسم اللمحات البصرية على مجموعات من الشخصيات المعروفة، حتى عندما يكون النص مجزأ جزئياً.

ومن التطبيقات المثيرة للإعجاب بوجه خاص مشروع " مايزر " الذي استخدم مزيجاً من نماذج البرمجيات والتعاقب من أجل تدوين مجموعة من الرسائل المشتركة في القرن السابع عشر من الإمبراطورية الرومانية المقدسة، غير معروف النظام البدائي إلى أن يحدد نموذج التعلم العميق أنماطاً تضاهي مفتاحاً جزئياً مستخرجاً في ضوء دبلوماسي جديد.

التطبيقات العملية ودراسات الحالات الإفرادية

"مُتَزَق البحر الميت"

وربما كان أكثر تطبيقات التعلم العميق شهرة على إعادة المخطوطات هو العمل على مساحات البحر الميت، وقد تم اكتشاف النصوص القديمة للعبرية والأرامية، التي تعود من القرن الثالث إلى القرن الأول من القرن الثاني عشر، في شكل شظايا، حيث تم تجميع العلماء يدوياً على آلاف الشظايا، ولكن الكثير منهم كانوا مفترسين جداً أو ممزقين إلى القراءة.

وفي الآونة الأخيرة، كان مشروع Scanner ] في جامعة هايفا قد أدمج التعلم العميق مع ] غير المتعمد - وهو تقنية أعادت بناء النص من القطع اليدوية المتداولة أو المطبقة دون أن تُبطلها فعلياً.

"هيركولينام بابيري"

وقد كشفت بيانات " هيركلينوم " ، التي كربونتها ثورة جبل فيسوفيوس في 79 من العمر، عن أهم مشاريع الإصلاح في التاريخ، وقد كشفت " الباحثون " عن تسلسل التشويش المادي " (CLFLT) عن وجود نسيج مركب، وقد اعتمد العلماء على مدى عقود على التصوير المتعدد الأطياف والقراء اليدوية للملام السطحية.

المخطوطات الأوروبية في القرون الوسطى

(أ) المشاريع الصغيرة، ولكن ذات التأثير المتساوي، تركز على مخطوطات القرون الوسطى.() وقد تم تدريب نماذجها للمعرفة القديمة على آلاف الصفحات من القرن التاسع إلى الخامس عشر.()

المايا والكتب الدراسية لأمريكا الوسطى

ولم يبق سوى حفنة من المؤشرات السابقة للكومبية المايا، والكثير منها متضرر بشدة، كما أن مشروع مدونة المايا في جامعة بون قد طبق تعلما عميقا لتعزيز صور مدونة مدريد، وهي إحدى كتب المايا الثلاثة السابقة، وبتدريب مجموعة من الباحثين في الكتاب المقدس المعروف عن فروع التقويمي، تم التمييز بين الجداول التقويمية غير الصحيحة.

التحديات والحدود

نوعية البيانات ومدى توافرها

(أ) نماذج التعلم العميق هي غسيل البيانات: يتطلب نظاماً قوياً لإعادة التأهيل بيانات كبيرة ومسمّاة بالعلامات المخطوطة - الأصول التي يفتقر إليها العديد من مؤسسات التراث الثقافي، ويستهلك الدليل الوقت ويحتاج إلى خبرة في مجال التحلل، وكثيراً ما يلجأ الباحثون إلى زيادة البيانات الاصطناعية (مثلاً، يضيفون الضوضاء الاصطناعية، أو يخلقون نماذج للتصوير الحقيقي).

Error Propagation

فالتنظيف هو خط الأنابيب: أول عملية تنظيف للصور، ثم الاعتراف بالنص، ثم الاستدلال على النموذج اللغوي، والخطأ في مجمع المرحلة الواحدة في مراحل لاحقة، والهلوسة البسيطة في الكتابة الداخلية التي تبدو معقولة، ولكن غير صحيحة من الناحية الواقعية، يمكن أن تؤدي إلى نموذج اللغة لإنتاج كلمة غير موجودة أو إعادة إعمار غير معقول ولكن غير صحيح تاريخيا، ولأنه يبدو أن التجزئة النسيجية قد تخفف من حدة الإنتاج.

الترجمة الشفوية والبياز

فالشبكات العصبية هي صناديق سوداء مشهورة، وعندما يملأ نموذج ما كلمة مفقودة، كثيرا ما يكون من المستحيل شرح السبب الذي يجعله يختار تلك الكلمة على الآخرين، وبالنسبة للتاريخ، فإن عدم الشفافية هذا يمكن أن يقلق، إذ أن كل عملية إعادة بناء يجب أن تفحصها للتقسيم التاريخي، وبالإضافة إلى ذلك، فإن البيانات التدريبية غالبا ما تأتي من نماذج مدروسة ومتوافرة على نطاق واسع (مثلة، نماذج البرمجيات، غير العادية).

الشواغل الأخلاقية والآدابية

ونظرا لأن التعلم العميق يجعل من الإصلاح أسهل، فإن الأسئلة المطروحة بشأن صحة وطبيعة " المبدعين " ، عندما يرسم نموذج ما رسالة مكسورة، هل يمكن أن يكون استرجاع أو تخمينا؟ وبالنسبة للمحافظين، فإن الخط الفاصل بين التعافي والإبداع دقيق، وتتردد بعض المؤسسات في نشر صور معززة عميقة دون وضع علامات واضحة على الأجزاء المصنوعة آليا، وهناك أيضا خطر الاستعادة المستندة إلى نماذج مثبتة:

الاتجاهات المستقبلية

الحدود التالية للتعلم العميق في إعادة المخطوطات هي في الوقت الحقيقي أدوات تفاعلية تدمج بلاسقة في مختبرات الحفظ تخيل مرصد يشير إلى كاميرا متعددة الأطياف في فوضوية متضررة؛ وفي غضون ثوان، يظهر ارتفاع في الواقع النص المحسن بل يقدم وصفا مؤقتا، يسلط الضوء على الكلمات المستعادة والأعلام التحذيرية للمناطق غير المستقرة.

وثمة اتجاه واعد آخر هو تصاعد الاستعادة المادية والرقمية، حيث تستخدم الأجهزة المجهزة بالأجهزة الدقيقة والبراشف الدقيقة لتنظيف الورقات الهشة، ولكنها تحتاج إلى توجيه في الوقت الحقيقي لتجنب التمزق، ويمكن للتعلم العميق أن يحلل صور مجهر لتوجيه الأسلحة الآلية، وإزالة الأتربة أو الارتداد، مع تجنب الحبر، وهذا التآزر يبشر بالتعجيل بالحفظ مع الحد من الخطأ البشري.

ويمكن أيضاً أن تكون نماذج النصوص الشاملة لعدة لغات ومتداخلة مع بعضها البعض، ويمكن تدريب أجهزة الاستصلاح المستقبلية على عشرات النصوص - العظام المتحركة الصينية، والهيدروجليفات المايا، والرسوم البيانية العربية - دون وجود هيكل واحد لمعالجة أنواع مختلفة من الأضرار، كما أن التعلم في مجال النقل سيمكن أفرقة الحفظ من تطبيق نماذج مدرَّبة على أسرة مخطوطة أخرى ذات بيانات إضافية محدودة، مما يضفي طابعاً ديمقراطياً على الوصول إلى المؤسسات التي لديها موارد قابلة للمقارنة.

وأخيراً، فإن البحوث الجارية تستكشف نماذج سخية لا يمكن أن تعيد النص الحالي فحسب، بل أيضاً أن تحقق إنجازات معقولة فيما يتعلق بالأقسام المفقودة - وليس للتزوير وإنما لتوجيه الافتراضات العلمية - وعندما يقترن ذلك بعقبات تاريخية صارمة (تواريخ الوثائق، والصلاحية المعروفة، والعلامات الافتراضية)، فإن هذه النماذج قد تساعد على إعادة صياغة مخطط الأعمال المفقودة.

خاتمة

وقد تحولت عملية التعلم العميق من إعادة تصميم المخطوطات من مركبة يدوية رديئة إلى علم استباقي يقوم على البيانات، ومن خلال تمكين استعادة النص الذي كان غير قابل للقراءة سابقاً، وذلك بسبب التلاشي أو التدمير المادي أو الكربون، وهو ما أعاد بالفعل تشكيل فهمنا للعالم القديم والعالم القرون الوسطى، حيث أن عمليات التحقق من حركية البحر الميتة، والسيريل، والبيبري، والعدد غير المستقر.

ونظراً لأن الخوارزميات تزداد قوة وتزداد شمولية البيانات، يمكننا توقع مستقبل لا يزال فيه أي مخطوطة متضررة غير قابل للقراءة، فجمع الرؤية الحاسوبية، وتجهيز اللغة الطبيعية، والوعود الروبوتية بفتح مكتبة صامتة من النصوص المستخرجة التي ستعمق قبضتنا على التاريخ والأدب والدين والعلوم، ولا يحل التعلم العميق محل المحافظ أو المشابك الثقافي.