Генеалогія з ШІ: як розробник досліджує родинне дерево

Розробник, який будує своє родинне дерево за допомогою ШІ-асистентів, опублікував продовження попереднього допису й додав практичні деталі, яких бракувало. У новому тексті в блозі A Java Geek він розповідає, як перевіряє пошук асистента за офіційними записами, як автоматизує перегляд генеалогічних та архівних сайтів і що дали спроби читати рукописи минулих століть спеціальними інструментами.

Довіряй, але перевіряй

Перший урок стосується галюцинацій. Автор визнає, що асистент може вигадати відповідь, але, на його думку, це заперечення втрачає силу, коли відповідь спирається на дані. Самі ж генеалогічні сайти не є цілком надійним джерелом. Стандарт GEDCOM визначає поле якості QUAY: 0 означає ненадійні або оціночні дані, 1 сумнівну надійність (інтерв'ю, усні перекази), 2 вторинний доказ, записаний пізніше за подію, а 3 прямий первинний доказ.

Звідси його правило: дані з генеалогічних сайтів починають із QUAY 2; якщо цивільний або парафіяльний акт їх підтверджує, запис підвищують до QUAY 3, якщо ні, його відкидають.

Автоматизація архівів і входів

Архівні сайти різняться за двома ознаками: відкритий доступ чи потрібен акаунт, і наскільки жорстко вони блокують ботів. Найслабший захист читається через curl; середній рівень потребує повноцінного браузера, яким автор керує через Playwright; найсуворіші сайти стоять за захистом на кшталт Cloudflare, і там він запускає Chrome у режимі налагодження. Останній спосіб крихкий, бо закриття браузера обриває сеанс, тому для більшості сайтів він обирає Playwright із постійним профілем: увійти один раз, закрити браузер, а згодом асистент працює з тим самим доступом. Передавати асистентові власні облікові дані, додає він, не варто.

Спроби розпізнавання тексту

Транскрипція актів важлива, а її складність залежить від почерку писаря, знання мови та віку документа. Асистент виявився обережним і замість здогаду ставив заповнювач. Інші інструменти показали гірші результати: Transkribus повертав беззмістовний текст і, як автор згодом прочитав, потребує навчання на власних документах користувача; локальне рішення на базі kraken перевершило Transkribus, але значно поступалося асистентові; а французький Filae давав чудові результати для французького рукопису, доки сервіс, схоже, не вимкнули.

Що з цього вийшло

Звіт описує й цикл: знайдені в офіційних записах предки повертають його на генеалогічні сайти, де евристика «розумних збігів» знаходить людей, уже внесених до чужих дерев. До таких збігів він ставиться обережно, бо одне хибне підтвердження псує цілу гілку, хоча вони й виявляють варіанти написання прізвищ. Нині в проєкті понад 1200 людей і 13 поколінь на одній гілці. Допис уперше опубліковано 20 вересня 2026 року.