Süni intellektlə genealogiya: tərtibatçı şəcərəsini necə araşdırır

Şəcərəsini süni intellekt köməkçilərinin dəstəyi ilə quran tərtibatçı əvvəlki yazısının davamını dərc edib və orada buraxılmış praktik detalları əlavə edib. A Java Geek bloqundakı yeni hesabatda o, köməkçinin axtarışlarını rəsmi sənədlərə necə əsaslandırdığını, genealogiya və arxiv saytlarında gəzintini necə avtomatlaşdırdığını və əsrlərlik əl yazılarını xüsusi alətlərlə oxumaq cəhdlərindən nə öyrəndiyini izah edir.

Güvən, amma yoxla

İlk dərs hallüsinasiya ilə bağlıdır. Müəllif köməkçinin cavab uydura biləcəyini qəbul edir, amma cavab real məlumatlara əsaslandıqda bu etirazın gücünü itirdiyini bildirir. Genealogiya saytları isə tam etibarlı mənbə deyil. Şəcərə məlumatlarının standart formatı olan GEDCOM keyfiyyət sahəsi QUAY-ı müəyyən edir: 0 etibarsız və ya təxmini məlumat, 1 şübhəli etibarlılıq (müsahibələr, şifahi rəvayətlər), 2 hadisədən sonra qeydə alınmış ikinci dərəcəli sübut, 3 isə birbaşa və ilkin sübut deməkdir.

Buradan onun qaydası çıxır: genealogiya saytlarından toplanan məlumatlar QUAY 2 ilə başlayır; vətəndaş və ya kilsə aktı onu təsdiqləyirsə, qeyd QUAY 3-ə qaldırılır, təsdiqlənmirsə atılır.

Arxivlərin avtomatlaşdırılması

Arxiv saytları iki ox üzrə fərqlənir: açıq giriş və ya hesab tələbi, və botların nə dərəcədə sərt bloklanması. Ən zəif müdafiə curl ilə oxunur; orta səviyyə müəllifin Playwright ilə idarə etdiyi tam brauzer tələb edir; ən sərt saytlar Cloudflare tipli müdafiənin arxasındadır və orada Chrome debug rejimində işə salınır. Sonuncu üsul kövrəkdir, çünki brauzerin bağlanması işi dayandırır, ona görə də saytların çoxu üçün o, daimi sessiya profilli Playwright-a üstünlük verir: bir dəfə daxil ol, brauzeri bağla, sonra köməkçi eyni girişlə işləyir. Şəxsi məlumatların köməkçiyə verilməsinin ağıllı addım olmadığını da əlavə edir.

Mətn oxuma cəhdləri

Aktların mətnə köçürülməsi vacibdir; çətinlik katibin əl yazısından, dil biliyindən və sənədin yaşından asılıdır. Köməkçi ehtiyatlı davranıb təxmin yerinə yer saxlayıcı qoyurdu. Digər alətlər daha pis nəticə verdi: Transkribus mənasız mətn qaytardı və müəllifin sonradan oxuduğuna görə istifadəçinin öz sənədləri ilə öyrədilməsini tələb edir; kraken əsaslı lokal quraşdırma Transkribus-u üstələdi, amma köməkçidən xeyli geri qaldı; Fransız Filae saytı isə fransız əl yazısında əla nəticələr verirdi, lakin xidmət, görünür, söndürülüb.

Nəticə

Hesabat bir dövranı da təsvir edir: rəsmi sənədlərdə tapılan əcdadlar onu yenidən genealogiya saytlarına qaytarır, orada ağıllı uyğunlaşma evristikası başqalarının ağaclarında artıq mövcud olan insanları üzə çıxara bilir. O, uyğunlaşmalara ehtiyatla yanaşır, çünki bir səhv təsdiq bütöv bir budağı korlaya bilər; həm də bu yolla gözdən qaçan yazılış variantları tapılır. Layihə hazırda 1200-dən çox insanı və bir budaqda 13 nəsli əhatə edir.