בארכיונים, ספריות ואוניברסיטאות, טרנספורמציה שקטה היא דרך.היסטוריונים שבילו שנים על כתבי יד מתפוררים או סלילים של מיקרופילם פונים עכשיו לבינה מלאכותית כדי לחדור דרך טרה-ביאטים של נתונים בשעות. רחוק מלהיות גימיק, AI הפך שותף אמיתי בניתוח היסטורי - בלתי אפשרי של כתבי יד, לזרז את הרקידיעתו העתיקה, ואפילו לא ניתן היה להחליף את הגדלים הכלכליים על מנת להחליף את החוקרים.

התפתחות ניתוח נתונים היסטורי

מחקר היסטורי מסורתי תמיד היה כלי שיט עבודה-מלומד.מלומדים באופן ידני מתעד מסמכים, כתבי יד בין-הקצים, והסתמכות על אינטואיציה לזהות מגמות משמעותיות.ההפך הדיגיטלי של המאה ה-20 הביא אפשרויות חדשות: מסדי נתונים לחיפוש, ארכיון דיגיטציה דיגיטלית, וכלים כמו OCR (הכרה באופי אופטי) שיכול להמיר דפים מכווצים לטקסט ידוע אך מוקדם יותר, עם חיפושים היסטוריים, רק עם סוג שלילי, וחיפושים, אשר יכול היה לחשוף את מה שיכול היה לחשוף את מה שיכול היה יכול היה לחשוף את מילות המפתח הידוע לשמצה עם סוג מסוים, ורק עם מילות המפתח הידוע לשמצה, ורק עם סוג זה יכול היה לחשוף את זה מכבר, ורק עם חיפוש גרוע, ורק עם מילות מפתח גרוע, ורק עם זאת, ורק עם זיהוי אופי היסטורי.

הקפיצה לבינה מלאכותית מייצגת שינוי איכותני.במקום שבו כלים דיגיטליים קודמים רק משכפלו את הפעולות של החוקר במהירות גבוהה יותר, מערכות בינה מלאכותית מודרניות יכולות להיות FLT:0learnFLT:1 מהמידע עצמו.רשת עצבית המאומנת באלפי מכתבי המאה ה-18 יכולה לזהות תסריטים רפלקטיביים המגמגמים את OCR המסורתית; מודל ה-PCvision יכול להבדיל בין דיג'רטוטיפ לבין סוג טין עם יכולת פעולה זו של בינה מלאכותית.

כיצד AI מעצב מחדש מחקר היסטורי

שלושה סניפים מרכזיים של בינה מלאכותית מניעים את השינוי הזה: עיבוד שפה טבעי (NLP), ראיית מחשב, ולמידה מכונה עבור מודלים סטטיסטיים. כל אחד מביא יכולת ייחודית לשולחן ההיסטוריון.

עיבוד שפה טבעי (NLP)

[ה- NLP] מאפשר למחשבים לקרוא, לפרש ואפילו לתרגם את השפה האנושית.במחקר היסטורי, הוא משמש לנתח קורפוס טקסט מסיבי - ארכיונים של ספרים, דיונים פרלמנטריים, יומנים אישיים, או מודלים של NLP מודרני כגון bert ו- GPT הוקדשו היטב על ידי כתבי עת היסטוריים כדי לזהות שינויים, לעקוב אחר האבולוציה של גופים פוליטיים, או לזהות אנשים (אנשים, 3, מקומות) על פני טריליון מקומות כניסה היסטוריים של 1F2T2T:

חזון מחשב

היסטוריונים מסתמכים יותר ויותר על מקורות חזותיים: מפות, ציורים, תמונות, רישומים אדריכליים ותמונות ארכיאולוגיות.אלגוריתמים ראיית מחשב יכולים לסווג, תאריך ואפילו לשחזר תמונות פגומים.לדוגמה, חוקרים בסטנפורד השתמשו ברשתות עצביות מהפכתיות כדי להעריך את הגיל של תמונות היסטוריות בהתבסס על רמזים חזותיים כמו סגנונות לבוש וטקסטורה צילום.

Machine Learning and Predictive Modeling

מעבר לסיווג, למידת מכונה יכולה לחשוף דפוסים שימלטו אפילו את המודלים המדוקדקים ביותר של רגרסיה יכולים לזרז את הגידול באוכלוסייה בנתונים של מפקדי האוכלוסין; ניתוח אשכול יכול לחשוף רשתות חברתיות נסתרות בארכיונים; ומודלים פרוביביליטיביים יכולים לבחון את הסבירות של נרטיבים היסטוריים מתחרים.ה-FLT:0Digital History ProjectFLT:1 באוניברסיטת ג'ורג' מייסון יש גישות חלוצות כאלה עבור קבוצות חברתיות, בעוד שולכות שיטות דומות לשיטות מסחר אירופיות.

יישומי מפתח של AI בניתוח נתונים היסטורי

בעוד שהטכנולוגיות הבסיסיות הן מרשימים, הערך האמיתי שלהם מופיע ביישומים קונקרטיים.כאן הם כמה תחומים שבהם AI כבר עושה הבדל משמעותי.

המונחים: autorescription and Handwriting Recognition

אחד מנקודות הכאב המיידיות ביותר עבור ההיסטוריונים הוא לפענח טקסטים בכתב יד.כלים המופעלים על ידי בינה מלאכותית כמו FLT:0) TranskribusveFLT 1 ו-FLT:2OCR4allcioFLT 3 עכשיו להשיג דיוק תמליל מעל 95% עבור תסריטים היסטוריים רבים לאחר אימון מתון.

טקסט גדול-Scale Mining and Theme Modeling

אלגוריתמים במודל לסרוק אלפי מסמכים ואוספים אותם על ידי נושאים חוזרים.לדוגמה, היסטוריון החוקר גישות כלפי אימפריה בעיתונים ויקטוריאאניים יכול להפעיל מודל המזה באופן אוטומטי אשכולות של מאמרים על ספאם, מסחר או עבודה מיסיונרית, זה לא רק חוסך זמן, אלא גם חושף שינויים בשיח הציבורי שניתן לקבורו באופן אחר בנפח העצום של חומר.

צילום: Classification and Dating

(המכונים והספריות מחזיקים מיליוני תמונות היסטוריות, אך רק חלקן מקטלוג בפירוט.ראייה ממוחשבת מאפשר תגים אוטומטיים של תוכן (למשל, "קרר", "כרכרות משיכה" (סצנת רחוב עירונית) ואפילו estimation of Creation Dates.The FLT:0Art & ThesaurussaurusureF:1LT:1 ופרויקטים כמו LT2:

ניתוח רשת ו Prosopography

שאלות היסטוריות רבות סובבות סביב מערכות יחסים – אשר ידעו מי, משפחות שנפרדות, כיצד רעיונות מתפשטים ברחבי האזורים.AI יכול לחלץ נתונים מטקסטים לא מובנים כדי לבנות רשתות.אלגוריתם של Graph ואז ממפות את הקשרים האלה, לחשוף את ההשפעה, צווארי בקבוק מידע, או דפוסים של פטרונות.ה:0 ממנת את פרויקט ה-SAPFIRLT:1 , בסטנפורד היא דוגמה ראשונית, באמצעות ניתוח אוטומטי של רשתות חזותיות.

מודלים חיזויים לדמוגרוגרפיה ההיסטורית

כאשר נתונים היסטוריים אינם שלמים, למידת מכונה יכולה למלא פערים בביטחון סביר.לדוגמה, היסטוריונים דמוגרפיים השתמשו ביערות אקראיים כדי להעריך את שיעור הלידה והמוות בקהילה מהמאה ה-18, שם רק חלק מהרשומות שרדו.

יתרונות והזדמנויות

השילוב של בינה מלאכותית למחקר היסטורי אינו רק על מהירות; הוא פותח אפשרויות מתודולוגיות חדשות לחלוטין.

  • (FLT:0) ,Scalability: FLT:1 AI מאפשר לחוקרים לנתח ארכיונים שלמים ולא דגימות של דובדבן.זה מקטין את הסיכון להטיה לאישור ומאפשר מחקרים מקיפים באמת.
  • (ב) חיבורים נסתרים:0 (Discovery of Invisible Patterns: FIRLT:1) – כגון חיבורים נסתרים, כגון קו-הפעולה העדינה של מילים מסוימות באותיות מערים שונות – ניתן לזהות רק באמצעות שיטות חישוביות.
  • (FLT:0) דיסוציאציות: כלים 1-FLT: AI לכפות על ההיסטוריונים לשתף פעולה עם מדעני מחשב, אמני נתונים ולשוניות, טיפוח נקודות מבט חדשות ושאלות מחקר חדשות.
  • (FLT:0) גישה: ⁇ FLT:1 תרגומים אוטומטיים להפוך חומרים היסטוריים זמינים לקהלים לא מיוחדים, דמוקרטיזציה ידע שהיה פעם נעול בארכיונים מיוחדים.
  • (FLT:0) Replicability: 1FLT 1 , AI גלגולים הם שקוף יותר וניתן להשיג מחדש מאשר שיטות איכות מסורתיות, חיזוק הנוקשות של טיעון היסטורי.

אתגרים ושיקולים אתיים

למרות הבטחתו, הנישואין של בינה מלאכותית והיסטוריה אינם ללא תקלות., החוקרים חייבים להישאר ערניים על מספר נושאים קריטיים.

מידע על ביס וקונטקסט היסטורי

מודלים של בינה מלאכותית לומדים מהמידע שהם מקבלים.אם הנתונים האלה מזוהים – למשל, אם מודל שפה מאומן בעיקר בטקסטים של סופרים גברים עילית – זה יניב ניתוחים מוטים.המודל עלול להטעות את קולות הנשים, העניים, או האנשים המתיישבים פשוט משום שהפרספקטיבה שלהם נמצאת תחת ייצוגם באימון גופני.

פרשנות ובעיית "הקופסא השחורה"

מודלים רבים של בינה מלאכותית מתקדמים, במיוחד רשתות עצביות עמוקות, הם מודל עשוי לזהות כראוי מגמה, אבל להסביר את זה (FLT:0) מדוע ⁇ FLT:1 הגיע למסקנה זו כמעט בלתי אפשרית.עבור היסטוריונים, אשר מסתמכים על הסבר נרטיבי וחשיבה מבוססת ראיות, זהו מחסום משמעותי.השדה מתפתח "בינה מלאכותית" (XAI) שיטות, אך הם עדיין אינם נתונים למחקרים סטנדרטיים.

גדרות טכניות ומקורות

הפעלת מודלים בינה מלאכותית בקנה מידה גדול דורש כוח חישובי משמעותי, תוכנה מיוחדת ומומחיות טכנית. מוסדות קטנים יותר, חוקרים עצמאיים וחוקרים בדרום הגלובלי עשויים להיאבק כדי לגשת למשאבים אלה.ללא מאמצים מכוונים לדמוקרטיזציה של כלים והכשרה, AI יכול להרחיב את הפער בין מרכזי מחקר במימון היטב וכל השאר.

חששות אתיים סביב נתונים רגישים

רשומות היסטוריות מכילות לעתים קרובות מידע על אנשים חיים או אבותיהם האחרונים - רשומות רפואיות, ניסויים פליליים, התכתבות אישית.כלים AI יכולים לזהות מחדש נתונים אנונימיים או להגביר את סיכוני הפרטיות. היסטוריונים חייבים לדבוק בהנחיות אתיות, לקבל הרשאות נכונות, ולשקול את הנזק הפוטנציאלי של חשיפת מידע רגיש.

מחקרים: AI בפעולה

כמה פרויקטים בעלי פרופיל גבוה ממחישים את ההשפעה המעשית של AI על מחקר היסטורי.

Transkribus and the Reformation[עריכת קוד מקור | עריכה]

הפלטפורמה של TranskriverbusFLT 1 שימשה לטרף אלפי מסמכים גרמניים מהמאה ה-16 הקשורים לרפורמה פרוטסטנטית.חוקרים מאוניברסיטת רגנגבורגו המציאו מודל על התכתובת של מרטין לותר, תוך השגת הכרה כמעט מושלמת של התסריט הפילוסופי.הקורפוס הדיגיטלי הביא מלומדים לוויכוחים על הכנסייה והממשל עם אחווה חסרת תקדים.

פלוגיוס והעולם העתיק

רשת Pelagios, במימון קרן אנדרו וו. מללון, משתמשת בחזון מחשב ונתונים מקושרים כדי לחבר שמות מקומות עתיקים על פני מפות וטקסטים. תת-פרוזה אחת מזהה באופן אוטומטי תכונות על ⁇ נמלים מימי הביניים, שהופכת תמונות סטטיות למאגרי נתונים גיאוגרפיים לחיפוש.זה מהפכת המחקר של נתיבי מסחר וידע פורנוגרפי.

אמריקה ונושא מודל

מסד הנתונים של הספרייה של הקונגרס, מכיל מעל 20 מיליון דפי עיתונים מ-1777 עד 1963, חוקרים מאוניברסיטת נברסקה הגישו את הנושא על מנת לעקוב אחר עליית השיח "אי התעשייה" במסמכים של אמצע המאה ה-19.הם מצאו כי התנאים הקשורים למפעלים ואיגודי העבודה זינקו ב-1850, יותר מעשור קודם לכן סברו שהבנתם הכלכלית של מחקרים.

תפקידו של ההיסטוריון בעידן AI-Augmented

בינה מלאכותית אינה הופכת את ההיסטוריון מיושן. להיפך, היא מעלה את הפרסום על שיפוט אנושי.המכונה יכולה לייצר דפוסים ודמיון, אבל לוקח היסטוריון מאומן לשאול את השאלות הנכונות, להקשר תוצאות, לזהות אנכרונים, ולעמוד בממצאים לתוך נרטיב משכנע.המחקר המוסמך ביותר כיום משלב תפוקה חישובית כשורה אחת של ראיות רבות, באותו נושא קריטי כמו כל מקור קריטי.

היסטוריונים לומדים גם להיות מבקרים טובים יותר של AI עצמו.הבנת ההטיות בנתונים של הכשרה, את המגבלות של אדריכלות המודל, ואת ההנחות אפוי לתוך אלגוריתמים הופך להיות חלק מערך המיומנות של ההיסטוריון תוכניות בוגר רבות מציעים כעת קורסים ב "מדעיות" ו"היסטוריה חישובית" להכין את הדור הבא.

כיוונים עתידיים

האבולוציה של AI במחקר היסטורי היא מאיצה.כמה התפתחויות הן באופק.

מודלים רב-ממדיים

מערכות בינה מלאכותית עתידיות ינתחו טקסט, תמונות, קול ואפילו אובייקטים תלת-ממדיים בו זמנית.מודל אחד יכול לקרוא כתב יד מימי הביניים, לזהות את איוריו, ולתאם בכתב היד לסופרים ידועים, כל זה במעבר אחד.

פלטפורמות בזמן אמת

פלטפורמות כמו FLT:0 ,RecogitoFLT:1 (מ Pelagios) כבר לאפשר לצוותים מבוזרים כדי לאמוד חומרים היסטוריים באינטרנט. גירסאות עתידיות לשלב הצעות AI בזמן אמת, דגל אי-consistities או קליט מסמכים הקשורים כמו צוות עובד.זה יכול לעשות עריכת שיתופי פעולה בקנה מידה גדול מעשי עבור פרויקטים ממומנים צנועים אפילו.

מודלים שפה התאספו על קורפוס היסטורי

רוב דגמי ה- NLP הנוכחיים מאומנים באנגלית מודרנית.google, Meta, ו- The Allen Institute for AI מפתחים מודלים מדויקים במיוחד בטקסטים היסטוריים - כגון FLT:0.0.7 corpus for the period 1500-1700.מודלים אלה יהיו טובים יותר בהבנת אוצר מילים ארכאי, שינוי משמעויות ומוסכמות טקסט כמוia או abbreviations.

בינה מלאכותית אתית ו-Inclusive Datasets

ככל שהמודעות להטיה גדלה, סוכנויות מימון דורשות מחוקרים לתעד את נתוני האימון שלהם ולכלול חומרים מקבוצות ייצוגיות. מיזמים כמו FLT:0) פרויקט Digital HeritageFLT:1 הם אוספים דיגיטציה מאזורים שהוזנחו היסטורית על ידי ארכיונים בקנה מידה גדול.

מסקנה

אינטליגנציה מלאכותית אינה שרביט קסמים שמגיב לכל השאלות ההיסטוריות; זוהי עדשה רבת עוצמה שיכולה לחשוף דפוסים בלתי נראים לעין העירומה, אבל היא דורשת יד מיומן להתמקד.על ידי אוטומט המשימות המסוכנות ביותר - ניתוק, סיווג, זיהוי דפוס - AI משחררת את ההיסטוריונים לעשות מה שהם עושים הכי טוב: לפרש, נרט, ולטעון.ה, משמעת היא עדיין ללמוד כיצד להשתמש בכלי חדש זה, אך מוקדם יותר ויותר, כמו גם תוצאות מתקדמות יותר, כמו גם, כמו גם, כמו גם, כמו גם, כמו גם, כמו גם, אלגוריתמים, אלגוריתמים, כמו גם, אלגוריתמים, כך, כך, כך, כך, אלגוריתמים, כך, כך, כך, כך, כך, כך, כך, כך, כך, יותר ויותר, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך, כך שהופך יותר ויותר, כך

(ב) [ה] [ה]] [ה]] [ה]] [ה]], ראו את המצע של ה': [ה], [ה], [ה]] [ה]], [ה'], [ה'], [ה'], [ה'ה']'[ה']']'[ה']'[ה']']'[ה'[ה']']']'[ה']']'[ה']']'[ה'[ה'[ה'[ה'[ה'[ה']']']'[ה'[ה']'[ה'[ה']']']'[ה']']'[ה'[ה'[ה']']']']']']'[ה'[ה']']'[ה'[ה']']']']']'[ה']']'[ה'[ה'[ה'[ה']'[ה']']']'[ה'[ה'[ה'[ה'[