Ученые Института востоковедения РАН разработали программы для оптического распознавания и чтения буддийских и арабских текстов, они уже тестируются в реальной исследовательской практике. Цифровой подход к исследованиям позволяет сократить до 90% рутинной технической работы и освободить время ученым. Программа разработана специалистами Лаборатории цифровых исследований и Центра исламских рукописей Института востоковедения РАН.
В разговоре с корреспондентом «Научной России» исполняющий обязанности директора Института востоковедения РАН, доктор исторических наук Аликбер Калабекович Аликберов отметил, что в России хранится огромное число рукописей, интересных не только востоковедам: в одном только Институте восточных рукописей РАН в Санкт Петербурге собрана коллекция из 200 тыс. восточных документов, в том числе рукописей. Много рукописей хранится в Казани, Москве, Махачкале, Улан-Удэ, а небольшие коллекции имеются чуть ли не во всех академических институтах гуманитарного профиля, крупных вузах и музеях. При этом исследователей, способных изучать такие рукописи на высоком профессиональном уровне, в России, как и в мире, крайне недостаточно.
«Конечно, цифровизация привносит в науку совершенно новые возможности и многократно увеличивает КПД исследований. Раньше на поиск материалов для научной работы уходили годы, а сегодня машины предоставляют данные за секунды. В то же время повышаются и требования к качеству научных исследований: например, мы столкнулись с тем, что достаточно мало знаем о разных конфессиональных группах Ближнего Востока. А их очень много: алавиты, алевиты, друзы, марониты, ибадиты, исмаилиты… Во времена СССР советские генералы называли народы Афганистана таджикскими племенами ― это сильное упрощение, за которым стояло незнание предмета. Сегодня мы уже не можем позволить себе так упрощать знания и должны понимать внутренние механизмы конфессий, их ценности, ориентиры и сакральные тексты. Это требует от исследователей совершенно другого уровня вовлеченности, более глубоких знаний и компетенций. Поскольку конфессиональных групп в странах Востока много, а исследователей недостаточно, создание инструментария, облегчающего путь ученым ― единственный способ достичь результата», ― рассказал А.К. Аликберов.
На первом этапе рукописи оцифровываются и обрабатываются с помощью специальных программ для повышения четкости текста и удаления лишних элементов на документах, например, дефектов, не относящихся к тексту. Это особенно важно для арабского языка, в котором количество надстрочных и подстрочных знаков и их расположение меняют прочтение буквы.
Следом идет распознавание текста. Сложность этого процесса при работе с арабским языком в том, что в отличие от большинства языков, в арабском знаки пишутся не отдельно, а связаны между собой, при этом каждая буква имеет четыре формы написания: отдельная, начальная, серединная и конечная. Дополнительно проблемы могут вызывать различные рукописные стили и индивидуальные почерки.
«В средневековых текстах иногда не проставлены даже точки, которые являются непосредственной частью букв: слово из четырех знаков может иметь совершенно разное значение, ― отметил А.К. Аликберов. ― Раньше чтение таких текстов было достаточно сложным и сопровождалось массой ошибок. Программа, которую мы разрабатываем, позволяет учитывать контекст и при распознавании исходит из содержания. Таким образом, мы воспроизводим текстовый документ на компьютере, при этом исследователь лично сверяет его с оригиналом, при необходимости вводит исправления. Только потом документ отправляется на перевод».
Систему для переводов разработчики в ИВ РАН ориентируют на довольно узкую задачу – работу с классическими арабскими текстами, взяв за образцы переводы советских и российских востоковедов. Программа берет лексические эквиваленты из этих текстов и переводит с учетом контекста. А.К. Аликберов привел в пример исламский религиозный текст «Райхан аль-хака’ик ва-бустан ад-дака’ик», что дословно переводится как «Базилик истин и сад тонкостей». Однако речь идет не о растении, а об аромате. Нейросеть в этой ситуации предлагает вариант «Благоухание истин…», что, по мнению ученых, еще вернее по смыслу.
«Конечно, эти инструменты помогают исследователям, но участие ученого ― редактора, переводчика ― все еще требуется. Адаптируя цифровые технологии для нужд науки, мы не видим ни одного сценария, в котором можно было бы исключить человека из цепочки знания. Но сроки обработки информации сократятся, а соответственно увеличится и скорость исследований. Эти технологии серьезно изменят ландшафт науки. Сегодня мы используем термины “цифровое востоковедение”, “цифровая история”, “цифровая археология” ― рано или поздно слово “цифровое” исчезнет, и все науки будут использовать эти инструменты как естественные», ― подчеркнул А.К. Аликберов.
Новость подготовлена при поддержке Министерства науки и высшего образования РФ
