概述
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。
文档恢复和手稿恢复中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
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。
掌握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。它正在解开曾经被认为永久丢失的历史知识。文档恢复和手稿恢复中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将文档恢复和手稿恢复中的人工智能视为一种操作模型，而不是单一功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，在文档恢复和手稿恢复中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人工检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
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。
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。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
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
实施模式
人工智能在文档修复和手稿恢复中的实践
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。
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。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
人工智能在文档修复和手稿恢复中的实践
DeepMind 的伊萨卡恢复了受损的古希腊铭文中缺失的文本，并估计了它们的日期。
DeepMind 的 Ithaca 恢复了受损古希腊铭文中缺失的文本并估计了其日期。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
人工智能在文档修复和手稿恢复中的实践
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。
档案使用手写文本识别将数百年历史的字母转录到可搜索的数据库中。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
人工智能在文档修复和手稿恢复中的实践
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。
多光谱成像加上人工智能可以显示重写本中被擦除的文本，其中羊皮纸被刮掉并重复使用。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪随着时间的推移提高的生产力和错误成本时，通常会得到更好的结果。
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。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。