人工智能在文档修复和手稿恢复中的应用
人工智能通过增强淡墨迹、重建丢失的文本，甚至阅读太脆弱而无法打开的卷轴，帮助恢复损坏、褪色或古老的文档。
概述
It is unlocking historical knowledge once thought permanently lost.
深入探讨
旧手稿会出现褪色、水渍、发霉、烧焦和物理损失等问题。人工智能在几个方面解决了这些问题。图像增强模型可以锐化褪色的墨水并去除污渍，同时保留底层脚本。在古代文本上训练的语言模型可以预测受损段落中缺失的单词，就像 DeepMind 的 Ithaca 通过建议修复和可能的日期和地点来预测古希腊铭文一样。最引人注目的例子是维苏威火山挑战赛，机器学习通过 CT 扫描检测到碳化赫库兰尼姆古卷内的墨水痕迹，让研究人员无需物理展开脆弱、烧焦的纸莎草纸即可阅读文本。人工智能还为手写文本识别（HTR）系统提供支持，该系统可以跨语言和跨世纪转录历史笔迹，将档案转变为可搜索的数字记录。
技术洞察
对于赫库兰尼姆古卷，高分辨率 X 射线 CT 扫描可生成 3D 体积；分割算法跟踪每个卷起的纸莎草层，然后神经网络检测碳墨水位于碳化纸莎草上的细微表面纹理差异，因为墨水和纸张具有几乎相同的密度。对于文本恢复，像 Ithaca 这样的模型使用在大型铭文语料库上训练的深度网络来预测周围上下文中丢失的字符，从而提供具有置信度分数的排名候选恢复。
战略影响
构建选择
应用级设计决定了人工智能是否能改善实际结果。
团队与工作流程
良好的工作流程集成可以创造用户值得信赖的生产力收益。
风险与安全
范围明确的用例可以减少变更疲劳和实施风险。
人工智能在文档修复和手稿恢复方面的未来
人工智能文档恢复正在从单个展示的发现扩展到整个档案，多光谱成像和学习的墨水检测通常应用于损坏的文本库。预计更快、更便宜的滚动阅读、更广泛的历史笔迹语言覆盖范围，以及人工智能和人类学者之间更紧密的合作，以验证机器建议并将其置于背景中。与翻译模型相结合，这些工具可以使大量未转录的档案在全球范围内进行搜索，从而加速历史、经典和宗教研究的发现。
现实世界的实施
维苏威火山挑战赛使用机器学习从 CT 扫描中读取烧焦的赫库兰尼姆古卷，而无需展开它们
DeepMind 的伊萨卡恢复了受损古希腊铭文中缺失的文本并估计了它们的日期
档案馆使用手写文本识别将数百年前的信件转录到可搜索的数据库中
多光谱成像加上人工智能揭示了羊皮纸被刮擦和重复使用的重写本中被删除的文本
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
在完全自动化之前定义人工检查点。
对用户进行提示、升级路径和质量标准方面的培训。
跟踪任务级结果以确认持续价值。
不断探索
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Document Restoration and Manuscript Recovery quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
常见问题
What is AI in Document Restoration and Manuscript Recovery?
人工智能通过增强淡墨迹、重建丢失的文本，甚至阅读太脆弱而无法打开的卷轴，帮助恢复损坏、褪色或古老的文档。它正在解开曾经被认为永久丢失的历史知识。
维苏威火山挑战赛如何解读碳化的赫库兰尼姆古卷？
这些卷轴太脆弱，无法展开，因此 X 射线 CT 扫描加上人工智能墨水检测让研究人员可以虚拟地阅读它们。
是什么使得检测赫库兰尼姆古卷中的墨水特别困难？
由于碳墨水和烧焦的纸莎草具有几乎相同的 X 射线密度，因此人工智能必须检测细微的纹理差异，而不是清晰的对比度。
DeepMind 的 Ithaca 模型对古代铭文有何作用？
伊萨卡建议修复受损的希腊铭文，并提供可能的日期和起源地。
手写文本识别 (HTR) 可以为档案带来什么？
HTR 系统读取历史笔迹并将其转换为数字文本，从而可以搜索大型档案。
AI文本恢复模型如何猜测缺失的单词？
这些模型在大型语料库上进行训练，使用上下文对受损段落的候选修复进行排名。