МИФИ создаёт ИИ-среду для чтения церковнославянских рукописей XI–XVIII веков

В Национальном исследовательском ядерном университете «МИФИ» разрабатывают лингвистическую интеллектуальную среду (ЛИС) «Рукописное наследие Древней Руси». Проект с условным названием «Рабочее место филолога-древника» объединит ИИ и классическую филологию для анализа древнерусских богослужебных книг. Об этом CNews сообщил представитель МИФИ.

Работа идёт в лаборатории цифровых технологий в гуманитарных науках НИЯУ МИФИ. Ведущий эксперт лаборатории и ведущий научный сотрудник Института русского языка им. В.В. Виноградова РАН Александр Кравецкий рассказал, что задача возникла из запроса гуманитариев к программистам. Инициатором выступил директор Института фундаментальных проблем социогуманитарных наук НИЯУ МИФИ иеромонах Родион (Алексей Ларионов).

«Несколько лет назад иеромонах Родион спросил меня, что в той области, которой мы занимаемся, могут дать программисты, какой инструмент IT был бы нам полезен. И мы предложили проект с условным названием „Рабочее место филолога-древника“ с личным кабинетом для каждого исследователя», — сказал Кравецкий.

Основой для анализа выбраны Служебные минеи — книги со службами на каждый день церковного года. Это 12 объёмных томов, сохранившихся в сотнях экземпляров. Такие тексты переписывались и редактировались столетиями, отражая региональные традиции и диалекты.

ИИ позволит сравнивать между собой не несколько десятков книг, доступных человеку, а сотни и тысячи экземпляров. Это даст возможность выявлять крупные исправления текстов, которые предпринимались не только при патриархе Никоне в XVII веке, но и раньше.

Что мешает распознаванию

Главная сложность для машинного распознавания, по словам Кравецкого, не в ветхости бумаги, а в огромной вариативности написания букв, сокращений (титлов) и надстрочных знаков.

«Самый простой пример — похожесть буквы „и“ и «н». Или написание буквы «К» — кто-то пишет её как палочку слева и две диагонали из центра, а кто-то — как палочку и скобочку справа», — приводит пример учёный.

Кроме того, машина должна понимать, что текст может обрываться на «зачале» — двух-трёх первых словах песнопения.

Сейчас проект на стадии накопления материала. У исследователей уже есть 247 оцифрованных рукописей (более 110 тыс. страниц). Идёт работа по составлению каталога почерков и очистке изображений.

«Накопленный материал скармливается разным моделям искусственного интеллекта, созданным в МИФИ», — сказал Кравецкий.

В перспективе инструмент планируют распространить на все письменные памятники, включая летописи и уникальные тексты.

«Уникальные вещи мы знаем относительно неплохо, а массовые — плохо. Но ведь они взаимосвязаны, в уникальных вещах может быть огромное количество следов из массовых текстов», — отметил исследователь.

По его словам, даже в таком изученном произведении, как «Слово о полку Игореве», можно будет «откопать десяток цитат» из богослужебных книг.

Кравецкий также отметил, что зарубежные аналоги, такие как немецкая система Transkribus, существуют, но дороги для массового использования. Российский проект ориентирован на создание доступного инструмента с элементами самообучения, который будет постоянно пополняться новыми рукописями.