גנאלוגיה בעזרת בינה מלאכותית: איך מתחקים אחר עץ המשפחה

מפתח הבונה את עץ המשפחה שלו בעזרת עוזרי בינה מלאכותית פרסם המשך לפוסט הקודם, והפעם הוסיף את הפרטים המעשיים שחסרו בו. בדיווח החדש בבלוג A Java Geek הוא מסביר כיצד הוא מבסס את חיפושי העוזר על מסמכים רשמיים, כיצד הוא מבצע אוטומציה לגלישה באתרי גנאלוגיה וארכיונים, ומה הוא למד מניסיונות לפענח כתבי יד בני מאות שנים בכלים ייעודיים.

סומכים, אבל בודקים

הלקח הראשון נוגע להזיות. המחבר מודה שהעוזר עלול להמציא תשובה, אך טוען שההתנגדות הזו מאבדת מכוחה כשהתשובה מעוגנת בנתונים. אתרי הגנאלוגיה עצמם אינם מקור מהימן לחלוטין. תקן GEDCOM מגדיר שדה איכות בשם QUAY: ‏0 פירושו נתונים לא אמינים או מוערכים, 1 מהימנות מפוקפקת כמו ראיונות או מסורות שבעל פה, 2 עדות משנית שנרשמה אחרי האירוע, ו-3 עדות ישירה ומקורית.

מכאן נובע הכלל שלו: נתונים שנאספו באתרי גנאלוגיה מתחילים ב-QUAY 2; אם מסמך אזרחי או קהילתי מאשר אותם, הרשומה מקודמת ל-QUAY 3, ואם לא, היא נזרקת.

אוטומציה של ארכיונים והתחברות

אתרי ארכיון נבדלים בשני צירים: גישה חופשית מול חשבון נדרש, ומידת החסימה של בוטים. ברמה הנמוכה אפשר לקרוא את האתר ב-curl; הרמה הבינונית דורשת דפדפן מלא, שאותו המחבר מפעיל דרך Playwright; האתרים המוגנים ביותר נמצאים מאחורי הגנה בסגנון Cloudflare, ושם הוא מפעיל את Chrome במצב דיבוג. השיטה האחרונה שברירית, משום שסגירת הדפדפן מפסיקה את הריצה, ולכן ברוב האתרים הוא מעדיף Playwright עם פרופיל התחברות קבוע: מתחברים פעם אחת, סוגרים את הדפדפן, ומאוחר יותר העוזר עובד עם אותה גישה. להעביר לעוזר סיסמאות אישיות, הוא מוסיף, זה לא צעד חכם.

ניסיונות תמלול

תמלול המסמכים חשוב, והקשיים תלויים בכתב היד של הפקיד, בהיכרות עם השפה ובגיל המסמך. העוזר היה זהיר והעדיף מציין מקום על פני ניחוש. כלים אחרים הצליחו פחות: Transkribus החזיר טקסט חסר פשר, ולפי מה שהמחבר קרא מאוחר יותר, הוא דורש אימון על המסמכים של המשתמש עצמו; מערכת מקומית מבוססת kraken עברה את Transkribus אך נותרה הרחק מאחורי העוזר; ו-Filae, אתר גנאלוגיה צרפתי, סיפק תוצאות מצוינות לכתב יד צרפתי, עד שהשירות כנראה הופסק.

מה יצא מזה

הדיווח מתאר גם מחזור עבודה: אבות קדמונים שנמצאים במסמכים רשמיים מחזירים אותו לאתרי הגנאלוגיה, שם היוריסטיקות של התאמה חכמה חושפות אנשים שכבר מופיעים בעצים של אחרים. הוא מתייחס להתאמות בזהירות, כי אישור שגוי אחד עלול לקלקל ענף שלם, אם כי הן חושפות גם וריאציות בכתיב השמות. כיום הפרויקט מונה יותר מ-1,200 אנשים ומשתרע על 13 דורות בענף אחד. הפוסט פורסם לראשונה ב-20 בספטמבר 2026.