概述
人工智慧透過增強淡墨跡、重建遺失的文本，甚至閱讀太脆弱而無法打開的捲軸，幫助恢復損壞、褪色或古老的文檔。它正在解開曾經被認為是永久失去的歷史知識。
文件恢復和手稿恢復中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。
深入探討
舊手稿會出現褪色、水漬、發黴、燒焦和物理損失等問題。人工智慧在幾個方面解決了這些問題。影像增強模型可以銳化褪色的墨水並去除污漬，同時保留底層腳本。在古代文本上訓練的語言模型可以預測受損段落中缺少的單詞，就像 DeepMind 的 Ithaca 通過建議修復和可能的日期和地點來預測古希臘銘文一樣。最引人注目的例子是維蘇威火山挑戰賽，機器學習透過 CT 掃描檢測到碳化赫庫蘭尼姆古卷內的墨水痕跡，讓研究人員無需物理展開脆弱、燒焦的紙莎草紙即可閱讀文本。人工智慧也為手寫文字辨識（HTR）系統提供支持，該系統可以跨語言和跨世紀轉錄歷史筆跡，將檔案轉變為可搜尋的數位記錄。
技術洞察
對於赫庫蘭尼姆古卷，高解析度 X 光 CT 掃描可產生 3D 體積；分割演算法追蹤每個捲起的紙莎草層，然後神經網路檢測碳墨水位於碳化紙莎草上的細微表面紋理差異，因為墨水和紙張具有幾乎相同的密度。對於文字恢復，像 Ithaca 這樣的模型使用在大型銘文語料庫上訓練的深度網絡來預測周圍上下文中丟失的字符，從而提供具有置信度分數的排名候選恢復。
掌握人工智慧在文件修復和手稿恢復的應用
人工智慧透過增強淡墨跡、重建遺失的文本，甚至閱讀太脆弱而無法打開的捲軸，幫助恢復損壞、褪色或古老的文檔。它正在解開曾經被認為是永久失去的歷史知識。文件恢復和手稿恢復中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。為了建立深入的理解，請將文件復原和手稿復原中的人工智慧視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，在文件恢復和手稿恢復中使用人工智慧的強大團隊專注於工作流程結果，而不是模型演示，並儘早定義人工檢查點。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
應用級設計決定了人工智慧是否能改善實際結果。同時，將損壞的流程自動化可能會加劇現有的問題。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
應用級設計決定了人工智慧是否能改善實際結果。
應用級設計決定了人工智慧是否能改善實際結果。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
範圍明確的用例可以減少變更疲勞和實施風險。
範圍明確的用例可以減少變更疲勞和實施風險。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
維蘇威火山挑戰賽使用機器學習從 CT 掃描中讀取燒焦的赫庫蘭尼姆古卷，而無需展開它們
DeepMind 的伊薩卡恢復了受損古希臘銘文中缺失的文本並估計了它們的日期
檔案館使用手寫文字識別將數百年前的信件轉錄到可搜尋的資料庫中
多光譜成像加上人工智慧揭示了羊皮紙被刮擦和重複使用的重寫本中被刪除的文本
實施模式
人工智慧在文件修復和手稿恢復中的實踐
維蘇威火山挑戰賽使用機器學習從 CT 掃描中讀取燒焦的赫庫蘭尼姆古卷，而無需展開它們。
維蘇威火山挑戰賽使用機器學習從 CT 掃描中讀取燒焦的赫庫蘭尼姆古卷，而無需展開它們。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在文件修復和手稿恢復中的實踐
DeepMind 的伊薩卡恢復了受損的古希臘銘文中缺少的文本，並估計了它們的日期。
DeepMind 的 Ithaca 恢復了受損古希臘銘文中缺失的文本並估計了其日期。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會得到更好的結果。
人工智慧在文件修復和手稿恢復中的實踐
檔案館使用手寫文字識別將數百年前的信件轉錄到可搜尋的資料庫中。
檔案使用手寫文字識別將數百年歷史的字母轉錄到可搜尋的資料庫中。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
人工智慧在文件修復和手稿恢復中的實踐
多光譜成像加上人工智慧揭示了羊皮紙被刮擦和重複使用的重寫本中被刪除的文本。
多光譜成像加上人工智慧可以顯示重寫本中被擦除的文本，其中羊皮紙被刮掉並重複使用。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤隨著時間的推移提高的生產力和錯誤成本時，通常會得到更好的結果。
風險與防護欄
將損壞的流程自動化可能會加劇現有問題。
團隊可能會過度自動化並消除所需的人工判斷。
如果不持續評估輸出，品質可能會出現偏差。
實施路線圖
繪製目前工作流程並確定摩擦最大的步驟。
繪製目前工作流程並確定摩擦最大的步驟。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在完全自動化之前定義人工檢查點。
在完全自動化之前定義人工檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
對使用者進行提示、升級路徑和品質標準的訓練。
對使用者進行提示、升級路徑和品質標準的訓練。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤任務級結果以確認持續價值。
追蹤任務級結果以確認持續價值。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。