Tarihsel Kaynak Analizi Üzerine Yapay Zekanın Etkisi

Yapay zeka, tarihin pratiklerini yeniden şekillendiriyor, birincil kaynakları analiz etmek için eşsiz araçlar sunuyor. Hem vaatlerini hem de tuzaklarını ortaya çıkarmak için dikkatli bir şekilde yorum yaparak, AI, tarihçiyi değiştirmiyor, ancak geçmişlerin daha derin soruları sorma yeteneğinin bir şekilde değiştirilmesini sağlıyor.Bu dönüşüm, her türlü kaynak çalışmasına dokunabilir - ve vaatlerini ve tuzaklarını dikkatli bir şekilde değerlendirmeyi gerektirir.

Tarihi Kaynak Analizindeki AI Rolü

Tarihsel araştırmalar her zaman metinlerin dikkatli bir şekilde incelenmesine, görüntüler ve eserlere bağlıdır. Mevcut kaynakların yığınları, çoğu zaman en özel bilim insanı AI teknolojileri –özellikle de makine öğrenimi ve doğal dil işleme (NLP) – uzun yıllar boyunca binlerce sayfayı ayırarak, her zaman sabit koleksiyonlara hizmet edebilecekleri ve insan için sinyal verebilecek olan bayrak anomalileri tanımlamak için ihtiyaçları ortadan kaldırmaz.

Kalıp Tanıklığı için Makine Öğrenme

Süperviz ve denetimsiz makine öğrenme algoritmaları, manuel analiz için çok ince veya karmaşık olan tarihsel verilerde desenleri tespit edebilir. Örneğin, bilinen el yazısı belgelerinde, bir model, yazarların yüzyıllar boyunca fikirlerinin evrimini takip etmesini sağlayabilir. Bu yöntemler, binlerce broşürün ve hatta modern Avrupa'daki bilimsel kavramların yayılmasında özellikle etkili olmuştur.

Semantic Analiz için Doğal Dil İşleme

NLP araçları tarihçilerin basit anahtar kelime aramalarının ötesine geçmelerine ve tarihsel metinleri inceleyebilmelerine izin verir.Sentiment analizi, konu modelleme ve isim tanımanın “demokrasi” veya “devrim” gibi kavramların nasıl algılandığını ortaya çıkarabilir. Tarihsel bir materyalin yaşam boyu nasıl geliştiğini inceleyerek, araştırmacılar da modern varsayımların eski kaynakların okumalarını fark edebilir.

Anahtar Uygulamaları: OCR'den Tahmin Edici Modeling

AI'nın tarihsel kaynak analizi üzerindeki etkisi, bir dizi pratik uygulama ile görünür, her biri tarihçinin aletkit genişletir. Bu uygulamalar metinle sınırlı değildir; giderek daha fazla görsel, ses ve materyal kaynakları da kapsar.

Optik Karakter Tanımlama ve Handread Text Recognition

Modern OCR, derin öğrenme ile desteklenen modern OCR, on yıl önce de düşünülemez olan doğrulanmış metinleri tanıyabilir.Projeler, Transkribus) ve [[DDD[DDDDD][D][D][D][D][D][D][D][B][B][B][B][FONT][FONT=FONT=TR][B][B][FONT=FONT=FONT=FONT=FONT=TR][FONT=TR][FONT=FONT=TR][FONT=FONT=FONT=FONT=FONT=TR][FONT=FONT=FONT=TRNT=TRNT=TRNT=FONT=TR][FONT=FONT=TRNT=TRNT=TRNT=TRNT=TRNT=TRNT=TRNT=TRNT=FONT=TRNT=FONT=TRNT=TRNT=TRNT=TRNT=TRNT=TRNT=TRNT=TRNT=TRNT=TR][FONT=TRNT=TRNT=TRNT=TRNT=TRNT=TR][FONT=TR][FONT=TRNT=

Visual and Audio Sources için AI

Tarihçiler giderek fotoğraf, resimler, haritalar ve ses kayıtları ile çalışır. Derin öğrenme modelleri görsel içeriği sınıflandırmak, nesneleri tespit edebilir ve hatta modern coğrafyaya dayanan bir fotoğraf tarihini, konuşma-tabilişim sistemlerinin bir araya gelmesi, konuşmacı diarizasyon ile birlikte iletişim kurmanın, birçok katılımcıyla yapılan röportajları genişletebilirken, duygusal analiz haritaları onlarca yıl boyunca duygusal değişimleri yorumlayabilir.

Sentiment ve Bias Tespit

Tarihçiler, kaynaklarına gömülü önyargılara dikkat çekiyorlar. Örneğin, 19. Yüzyılda Amerikalı gazetelere eğitim veren bir model, aksi takdirde izlenimci olan kalıpların işaretlerini ortaya çıkarabilir. Ancak bu aynı güç talepleri, yanlış anlamalı algoritmaların, modern dil üzerinde eğitilmiş bir model, 19. yüzyıl Amerikan gazetelerinin göçebe karşı karşıya kaldığına dair bilgi birikimini sistematik olarak değerlendirmeye yardımcı olabilir.

Network Analysis and Citation Mapping

Bu görselleştirmeler tarihçilerin kimleri etkileyebileceğini ve hangi seslerin marjinalleştiğini görerek analiz ederek, Stanford'daki İsimlerin Cumhuriyetleri) projesinin, tarihsel olayları şekillendiren entelektüel ve sosyal bağlantıları yeniden yapılandırabilir.Bu görselleştirmeler, tarihçilerin, hangi fikirlerin nereye gittiğini ve hangi seslerin marjinalleştiğini görmelerine yardımcı olur.[Dönder:0).

Meydanlar ve Etik Bakışlar

AI'nın tarihsel araştırmalarına entegrasyonu, tehlikeleri olmadan değildir. Algoritmalar tarafsız değildir; eğitim verilerini ve yaratıcılarının varsayımlarını miras alır. tarihsel kaynaklara uygulandığında, bu önyargılar yorumlayabilir ve sürekli olarak başarısız olabilir.

Algoritma Bias ve Historical Context

21. Yüzyılda İngilizce eğitim gören bir model 18. yüzyıl retoriklerinin nükslerini kavrayamaz - “mob” veya “liberty” gibi kelimeler farklı bir konnotasyonlar taşır.Eğer algoritma yanlış bir şekilde AI çıktılarını tedavi ederse, tarihçinin analizi, geleneksel paleografik ve bağlamsal uzmanlıklara karşı kötü bir şekilde kontrol edebilir.

Yorumlama ve Açıklanabilirlik

Birçok devlet-öğrenci-öğrenme modelleri siyah kutular olarak işlev görür: bu çağrıyı neden anlamaları gerektiği konusunda net bir açıklama sunmuyorlar, belki de yayın tarihi ile ilgili ayrıntılı bir korelasyon var?

Data Privacy and Source Integrity

Son tarihsel kayıtları ile uğraşırken - 20. yüzyıl sayımı verileri veya kişisel mektuplar gibi - eksik olan gerçek bir endişedir. Bir AI sistemi, kaynağın bütünlüğüne sahip bireyler hakkında dikkatli bir şekilde yeniden inşa edilebilir veya ailelerin bildirimde bulunmadığı kişiler hakkında bilgi sahibi olabilir. Dahası, tarihçilerin 20. yüzyıl materyalini kullanması için başka bir sorumluluk süreci tanıtabilir: kompresyon, otomatik eklenme veya OCR hataları orijinal metni değiştirmesi gerekir.

İnsan Oversight için ihtiyaç

Hiçbir AI aracı doğrulamadan güvenilmemelidir. Tarihçinin yargısı, makine tarafından üretilen içgörüler için gerekli olan protokollerin belirlenmesi ve verinin yayınlanmasının, çoğu Victoria politikacının “pozitif” hislerini endüstrileşmeyle ilgili olarak ifade ettiği duygusal analizler, insan okuyucunun yakalayabileceği türden bir yorumdur.[Dönetici:2][Döneticileri takip eden insan analizlerinin tarihsel analizlerine yönelik olarak, insan analizlerine yönelik olarak, insan analizlerine yönelik tarihsel yaklaşımlara yardımcı olabilir.

Vaka Çalışmaları: Action in Action

Beton örnekleri, AI'nın farklı dönemlerde ve bölgelerde tarihsel kaynak analizlerini nasıl değiştirdiğini gösteriyor. Bu vaka çalışmaları hem olasılık hem de hesaplama yöntemleri arşivsel gerçeklikle tanıştığında ortaya çıkan pratik düşüncelere işaret ediyor.

Dijital İnsanlık ve Büyük Projeler

[FONT=0] Dijital İnsanlar [Döneticiler hareketi, AI'yı 19. Yüzyıl Amerika'daki temel tarım yeniliklerinin yayılmasına izin veren bir projedir.[Döneticileri 3 ).[Döneticileri analiz etmek için finanse edilenler, finanse edilenler, diğer bilim insanları tarafından yapılan ve diğer bilim insanları tarafından yapılan baskıları kullanarak, diğer yandan da, farklı bir şekilde ele geçirgenler tarafından yapılan bir araya getirenler.

Ortaçağ Manuscripts analizi

Ortaçağ tarihçileri bu kaynakları daha erişilebilir hale getiriyor, çünkü yazlar genellikle birkaç yüzyıldan itibaren kopyalanan ve marjinalleşmiş bir yapay zeka ile karıştırılıyor. Bu tür çalışmalar AI'nın sadece transkriptiyonunu hızlandırdığını gösteriyor, ancak aynı zamanda çıplak gözle imkansız olacağını gösteriyor. Benzer teknikler 9. yüzyıl soludan metni yeniden inşa etmeyi ve klasik bir filozofdan gelen pasajları ortaya çıkarmak için kullanılıyor.

19. Yüzyıl Gazetesi ve Siyasi Propaganda-

Massdigitized gazete koleksiyonları - Kongre Kütüphanesi'nden gelenler gibi:0)Chronicling America) - AI analizi için verimli bir zemin. Araştırmacılar yakın zamanda, AI'nın seçim sırasında kamuoyuna yönelik görüşlerini takip etmek için yorum yaptığını, görsel motifleri tanımlamak için baskı yaptığını ortaya koydu.

Tarihi Araştırmada AI'nın Geleceği

AI modelleri daha sofistike hale geldiğinde, tarihsel kaynak analizindeki rolleri birkaç yöne genişletecektir. Önümüzdeki on yıl AI aletleri ve arşiv akış iş akışları arasında sıkı bir entegrasyon görecek, tarihçiler için bu teknolojileri kullanmadan daha kolay hale getirecek.

Sanal Yeniden Yeniden Yapılanmalar ve Artırılmış Gerçeklik

AI-NET 3D modelleme zaten arkeologların dağınık parçalardan yeniden inşa etmelerine izin veriyor. Modern tarihçiler için, benzer teknikler, kayıp el yazmaları, hasarlı binalar veya hatta tüm şehir atılı gerçeklik uygulamaları metinsel açıklamalardan ziyade, modern sokaklara kadar inşa edilmiş, yayalar, bir mahallenin yüzyıllar boyunca nasıl değiştiğini keşfedebiliyor. Bu araçlar tarih yeniden inşa edilmesine söz veriyor.

Disiplinlerarası İşbirliği

Tarihteki AI'nın en verimli uygulamaları, teknoloji uzmanları, arkeologlar ve alan uzmanları arasında ortaklıklardan ortaya çıkacak. Disiplinli ekipler, tarihsel araştırma nüanslarına saygı duyan AI sistemlerini tasarlayabilirler - örneğin, özel vocabulerler ve ortografik grup ve finanse eden NLP modelleri ile ilgili olarak, tarihin dijital dönüşümünün her iki hesaplama becerisini ve derin tarihi okuryazarlığı gerektirdiğini fark eder.

Tarihsel Kaynaklara Erişimin Demokratikleştirilmesi

AI'nın en büyük potansiyellerinden biri, dil, senaryo ve coğrafyanın engellerini kırmaktır. Otomatik çeviri ve transkript, küresel bir seyirciye erişilebilir herhangi bir kültürden kaynaklanabilir. Buenos Aires'teki bir tarihçi, Tarihte 14. yüzyıl Çin vergi kayıtlarını okumadan analiz edebilir, bu nedenle AI'nın yeterince doğru olması gerekir: eğer eğitim, Batı arşivlerinden ezici ölçüde kaynaklanabilir.[değiştir | kaynağı değiştir]

Yapay zekanın tarihsel kaynak analizine entegrasyonu geleneksel yöntemler için bir yedek değil, güçlü bir ek.Her algoritmanın arkasındaki cezayı ele geçirmek, gizli kalıpları ortaya çıkarmak ve ayrımcı kayıtları birbirine bağlamak için tarihçilerin daha fazla zaman ayırmasına izin verir, tartışma ve hikaye anlatımı.En başarılı tarihçiler bu araçları birleştirip, her algoritmanın arkasındaki hataların arkasındaki kararın her iki açıdan da anlamlı olduğunu unutmaya izin verir.