Личное дело: в Тамбовской области оцифровывают дореволюционные архивы с помощью нейросетей
Проект по оцифровке с использованием нейросетей первых 117 дореволюционных и советских фондов стартовал в Тамбовской области. Люди получат возможность восстановить историю своей семьи, города и предков по фамилии и населенному пункту.
Архивные документы раньше были доступны в читальном зале исключительно через индивидуальные запросы. Их изучение требовало личного обращения, времени и помощи сотрудников архива. В последнее время архивами интересуются не только историки-исследователи, но простые люди, желающие узнать о своей семье. Оцифровка документов предоставит доступ к материалам всем желающим, а использование нейросетей сделает процесс перевода в цифру более продуктивным.
Общее дело
В феврале 2022 года Президент России Владимир Путин поручил Минцифры России, Росархиву и Российской академии наук проработать вопрос об оцифровке документов Архивного фонда с применением технологий искусственного интеллекта.
А уже в 2023 году компания «Яндекс» запустила сервис «Поиска по архивам» – нейросеть, способную учитывать особенности почерка и дореволюционной орфографии. На старте пользователям были доступны более 2,5 млн страниц документов из московского, оренбургского и новгородского архивов. В 2024 году нейросеть распознала более 10 млн страниц и 492 млн строк исторических текстов. В сервисе были представлены фонды 11 регионов, а пользователи просмотрели документы более 20 млн раз.
Несмотря на такие показатели, доля оцифрованных архивных документов в стране сегодня составляет всего около 5-6% и процесс нужно ускорять. Каждый регион вносит свой вклад в общее дело. Тамбовская область заключила с компанией «Яндекс» соглашение о сотрудничестве, которое предполагает расширение доступа к документам через онлайн-сервисы.
«Практическая реализация проекта связана с участием Тамбовской области в сервисе «Яндекс.Поиск по архивам» – общедоступном онлайн-сервисе, где собираются оцифрованные архивные материалы из разных регионов России. Тамбовская область входит в число первых субъектов, чьи фонды последовательно вводятся в систему», – рассказал заместитель главы региона Николай Федосеенков.
От больничных листов до ведомости на выдачу жалованья
В общей сложности в работу включены 117 фондов дореволюционного и раннесоветского периодов. Нейросети распознают рукописи и дореволюционную орфографию и помогут сэкономить время. На первом этапе с помощью нейросетей в Тамбовской области планируется оцифровать свыше 67 тысяч дел и почти 10 тысяч рукописных листов.
В числе оцифрованных бумаг: документы уездных полицейских управлений, землеустроительных комиссий, казначейств, духовных училищ, земских больниц и фабрик, формулярные списки о службе чинов полиции, ведомости на выдачу жалованья городовым и урядникам, а также документы Тамбовского губкома ВКП(б) периода Гражданской войны.
Простым гражданам, скорее всего, будет интересен другой блок – метрические книги – сотни дел с записями о рождении, браке и смерти по приходам Тамбовской губернии, которые традиционно лежат в основе генеалогических исследований. С их помощью каждый сможет составить генеалогическое древо.
Оцифрованные документы не лягут в облаке мертвым грузом. На основе цифрового массива будут созданы образовательные, музейные и мемориальные проекты, которые помогут жителям Тамбовской области лучше узнать историю России и своего края.
Автоматическое создание родословных и исторических карт
«Поиск по архивам» от Яндекса превратился в межрегиональную платформу. Рост ее базы с 2,5 млн страниц в 2023 году до более чем 20 млн страниц в 2026 году подтверждает популярность сервиса. В перспективе технология поможет объединить региональные фонды в единое поисковое пространство, создать генеалогические и краеведческие сервисы, а также поможет в обучении российских языковых моделей на достоверных исторических источниках.
Тамбовский проект отражает общий переход от обычного сканирования документов к созданию полнотекстовых, структурированных цифровых архивов. Новые технологии дают возможность превратить недоступные и трудночитаемые документы в доступные для чтения и работы с ними.
В ближайшие годы можно ожидать подключения к подобным платформам новых регионов, библиотек и музеев, а также появления дополнительных инструментов: автоматического построения родословных, исторических карт, именных указателей и возможностей установления связей между людьми, организациями и территориями.
