- अमेरिका के National Archives में 200 साल से भी पुराने हस्तलिखित ऐतिहासिक रिकॉर्ड बड़ी संख्या में हैं, जिन्हें खोजने और देखने योग्य डिजिटल दस्तावेज़ों में बदलने के लिए नागरिकों की भागीदारी चाहिए
- हर साल करोड़ों रिकॉर्ड digitize किए जाते हैं और AI·OCR का भी उपयोग होता है, लेकिन पुराने हाथ से लिखे दस्तावेज़ों में recognition failures और errors रह जाते हैं, जिन्हें इंसानों द्वारा सुधारना पड़ता है
- Citizen Archivist प्रतिभागी बिना किसी अलग application process के रिकॉर्ड transcription या tagging कर सकते हैं, जिससे दस्तावेज़ों की accessibility और searchability बढ़ती है
- अभी 5,000 से अधिक लोग भाग ले रहे हैं, और Revolutionary War pension files तथा 1866~1870 के staff contracts जैसे document collections पर काम जारी है
- Cursive writing education को keyboard education के मुकाबले प्राथमिकता देने पर बहस है, लेकिन 20 से अधिक राज्यों ने स्कूलों में cursive writing पढ़ाना अनिवार्य किया है और कुछ राज्यों ने 2024 में इसे कानून बनाया है
200 साल पुराने हस्तलिखित रिकॉर्ड को नागरिक मिलकर पढ़ रहे हैं
- National Archives में 200 साल से अधिक पुराने दस्तावेज़ों सहित cursive handwriting में लिखे ऐतिहासिक रिकॉर्ड बड़ी संख्या में हैं
- ऐसे दस्तावेज़ पढ़ना और समझना कठिन होता है, और खासकर उन अमेरिकियों के लिए बाधा बनते हैं जिन्होंने स्कूल में cursive writing नहीं सीखी
- Citizen Archivist कार्यक्रम का लक्ष्य डिजिटल दस्तावेज़ों को अधिक accessible बनाकर “इतिहास को खोलना” है
ऐतिहासिक दस्तावेज़ों के लिए सिर्फ AI और OCR काफी नहीं
- National Archives हर साल करोड़ों रिकॉर्ड digitize करता है
- ऐतिहासिक दस्तावेज़ों से text निकालने के लिए AI और Optical Character Recognition (OCR) तकनीक का उपयोग किया जाता है
- लेकिन पुराने cursive handwriting और दस्तावेज़ों की स्थिति के कारण ये तरीके हमेशा काम नहीं करते या सही परिणाम नहीं देते
- स्वयंसेवकों द्वारा किया गया transcription विद्वानों, genealogy researchers और इतिहास-प्रेमियों को दस्तावेज़ आसानी से खोजने और पढ़ने में मदद करता है
भाग लेने का तरीका और किए जा सकने वाले काम
- शुरुआत के लिए अलग application की जरूरत नहीं है; अभी process न किए गए रिकॉर्ड चुनकर निर्देशों के अनुसार काम किया जा सकता है
- कार्यक्रम मुफ्त है और internet connection वाले किसी भी व्यक्ति के लिए खुला है
- cursive handwriting पढ़ने में आत्मविश्वास न हो, तब भी भाग लिया जा सकता है
- दूसरे स्वयंसेवकों द्वारा transcribe किए गए दस्तावेज़ों पर tags लगाने का काम उपलब्ध है
- tagging रिकॉर्ड की searchability बढ़ाने में मदद करती है
- समय अपनी सुविधा से दिया जा सकता है; रोज़ या हफ्ते में लगभग 30 मिनट देकर भी काम किया जा सकता है
चल रहे missions और लंबे समय से जुड़े प्रतिभागियों के उदाहरण
- 5,000 से अधिक लोग Citizen Archivist कार्यक्रम में भाग ले रहे हैं
- कई प्रतिभागी उन document collections पर काम कर रहे हैं जिन्हें transcription और tagging की जरूरत है और जिन्हें missions कहा जाता है
- मौजूदा missions में Revolutionary War pension files और 1866~1870 के staff contracts शामिल हैं
- Revolutionary War mission जून 2023 में National Park Service के साथ शुरू हुआ था और 80,000 से अधिक veterans और उनकी widows से जुड़ी files को कवर करता है
- Pennsylvania के रिटायर्ड Alex Smith ने 9 वर्षों में 100,000 से अधिक दस्तावेज़ transcribe किए
- वे retirement life को उद्देश्य और structure देने वाला काम खोज रहे थे
- transcription के दौरान उन्हें Gerald Ford को Green Bay Packers में शामिल होने का प्रस्ताव देने वाला memo और Civil War pension records जैसे दस्तावेज़ मिले
Cursive writing education फिर से ध्यान में
- Cursive writing education कभी standard थी, लेकिन अब शिक्षकों और lawmakers के बीच इस बात पर मतभेद है कि cursive writing और keyboard skills में किस पर जोर दिया जाए
- laptops और tablets जैसे devices के व्यापक उपयोग के बावजूद cursive writing education फिर से बढ़ने की दिशा में है
- Education Week के अनुसार, फिलहाल 20 से अधिक राज्य स्कूलों में cursive writing पढ़ाना अनिवार्य करते हैं
- California में cursive writing education को अनिवार्य बनाने वाला कानून जनवरी 2024 में लागू हुआ
- कुछ महीनों बाद Kentucky में भी cursive writing education की मांग करने वाला कानून पारित हुआ
1 टिप्पणियां
Hacker News की राय
प्रोजेक्ट दिलचस्प है, लेकिन इसमें हिस्सा लेना सचमुच मुश्किल बना दिया गया है
लेख में उस मिशन पर सीधे जाने का लिंक नहीं है, और साइन-अप अपने-आप में आसान व अच्छी तरह व्यवस्थित है, पर चुपचाप दो तरह के 2-factor authentication की मांग करता है
साइन-अप पूरा करके मूल पेज पर लौटकर मिशन ढूंढना थोड़ा दबा हुआ है, और दस्तावेज खोलकर पढ़ना दिलचस्प था। उस दौर के लोगों की लिखावट कुल मिलाकर काफी अच्छी थी
लेकिन जब आप यह खोजने लगते हैं कि transcription कैसे शुरू करनी है, तो फिर से बताता है कि लॉगिन नहीं हैं, और लिंक दबाने पर फिर main page पर वापस ले जाता है
मैं ऐसे प्रोजेक्ट में अपना खाली समय देना चाहता हूं, लेकिन volunteer करने के लिए खराब तरीके से डिजाइन किए गए interface से गुजरना जरूरी नहीं होना चाहिए
अकाउंट बनाकर login करने के बाद मूल tab में state चुना, तो तुरंत अंदर जाकर transcription शुरू कर सका
सोच रहा हूं कि कहीं uBlock Origin या JavaScript/cookie restrictions की वजह से login state गड़बड़ा तो नहीं गई थी
social post में mission का direct link यह था: https://www.archives.gov/citizen-archivist/missions/revoluti...
कई sessions और browsers के बीच करीब 30 मिनट कोशिश करने के बाद आखिरकार login कर पाया, और क्या सही है क्या गलत, यह बताने वाला कोई संकेत बिल्कुल नहीं था
login सफल होने पर भी UI में लगभग कोई बदलाव नहीं होता, इसलिए यह भी आसानी से छूट सकता है कि login हो चुका है
login करने के बाद transcription के लिए documents ढूंढने में फिर 45 मिनट लगे, लेकिन जो भी मिला या challenge से मिला, वह पहले से transcribed था या typed document/list था, यानी character recognition पहले ही ठीक-ठाक काम कर चुका था
कुछ documents की accuracy ही review की, browser बंद किया और फिर वापस नहीं गया
उम्मीद थी कि दिन में 15–30 मिनट काम से ब्रेक के दौरान crossword करने या video देखने की जगह इसे खोलकर योगदान दे सकूंगा, लेकिन इसे इस्तेमाल करना बहुत मुश्किल था, इसलिए अफसोस हुआ
बैंक की जानकारी तो डाल नहीं रहे, फिर भी पूरा process कई तरह से झंझट भरा लगता है। गैर-जरूरी sites का brokerage firm की तरह 2FA मांगना अब लगातार थकाने लगा है
“सिर्फ LLM क्यों नहीं इस्तेमाल करते” पूछने से पहले, लेख साफ कहता है कि वे इसका इस्तेमाल कर रहे हैं लेकिन यह हमेशा संभव समाधान नहीं है
अगर crowdsourcing project है, तो पहले LLM से initial transcription करा लें और user को image के साथ LLM का best result दिखा दें—ऐसा क्यों नहीं?
बाद में sign up करके current mission देखा तो सभी documents 1900 के बाद के थे और typeset जैसे दिख रहे थे। धुंधले जरूर थे, लेकिन 4o ने उन्हें बहुत आसानी से पढ़ लिया
“Pennsylvania के retiree Alex Smith जैसे कुछ participants ने इस program को अपनी जिंदगी के कई साल दिए हैं। उन्होंने 9 साल में 100,000 से ज्यादा documents transcribe किए”
कई LLMs से वही 100,000 documents transcribe करवाइए, और तुलना कीजिए कि इंसान और machine में कौन कितना ज्यादा accurate है
यहां दिया गया सबूत ऊपर-ऊपर से आसानी से transcribe हो जाने वाली एक image भर है, इसलिए बहुत convincing नहीं है
ठगों ने AI field पर इतना पूरी तरह कब्जा कर लिया है कि अब OCR को अलग चीज माना जा रहा है—यह दुखद है
मैंने 1814 की एक चिट्ठी transcribe की, जिसमें एक महिला ने उस समय के Secretary of State James Monroe से Scotland जाने के लिए passport मांगा था, ताकि वह अपने मृत भाई की संपत्ति हासिल कर सके
यह सचमुच अलग तरह का अनुभव था, और लेखक की handwriting के साथ “sync” हो जाने के बाद flow में आना आनंददायक था
इसके अलावा, चूंकि आप transcription करते समय हर शब्द पढ़कर फिर लिखते हैं, इसलिए पढ़ी गई कहानियां याद में बहुत गहराई से रह जाती हैं
एक page पर असामान्य रूप से ज्यादा समय लगाना हो तो यह चौंकाने वाली बात नहीं है, लेकिन बाद में याद करने पर यह एक सुखद side effect है
बेशक, ऐसा लेखक चुनना चाहिए जिसकी style का सम्मान किया जा सके। target language से परिचित न हों तो लेखक की word choice और वह जो nuance पहुंचाना चाहता है, उस पर सोचते हैं, और English में उचित expression खोजते हैं
उतनी देर आप image के भीतर डूबे रहते हैं
मैं कुछ जस का तस transcribe करूं तो भी मुझे बिल्कुल नहीं पता होता कि मैंने क्या लिखा, और असल में अर्थ समझने के लिए वापस जाकर फिर पढ़ना पड़ता है
OCR/LLM पर बिना डगमगाए भरोसा करने वाले पक्ष और यह मानने वाले पक्ष कि तकनीक अभी वहाँ तक नहीं पहुँची, दोनों कुछ हद तक सही हैं, लेकिन लगता है वे एक-दूसरे को ठीक से सुन नहीं पा रहे
बेबुनियाद बहस के बजाय असली उदाहरणों और साझा निष्कर्षों को खोजने की कोशिश ज़रूरी है
क्या इसे रूढ़/बार-बार आने वाले वाक्यांशों को प्रोसेस करके मेहनत काफी घटाने में इस्तेमाल किया जा सकता है? हाँ। क्या नतीजों की इंसान से समीक्षा और सुधार करवाना चाहिए? वह भी हाँ
एक सूक्ष्म उदाहरण यहाँ है: https://catalog.archives.gov/id/34384201?objectPage=40
o1-proद्वारा बनाए गए transcript में से एक यह है(2)
…and I don’t know whether it can be reset for a
date in December or not. Cornell seemed
anxious that it should not come up too close to Christmas,
and of course new suspicion [would be aroused?] [about?] him.
I will take this up with the Judge as soon as I can get rid of the brief.
Meanwhile I would like to know whether there is anything else
in which I can be useful to you, since it behooves me
in ways of uncomfortable relations with the present management.
Are you going East in December?
Has any word come from Hagerman?
Were there any noteworthy developments at the hearings
on the [Teapot?] trial?
I have no inclination yet whether Wheeler will be wanted in
Washington, but the chances are that he will not.
With regards to all the brethren and [flock?], I am
very sincerely yours,
George A. H. Fraser
मैं English native speaker नहीं हूँ, फिर भी गलत हिस्से दिख रहे हैं। गलत जगहें ढूँढना पाठक पर छोड़ता हूँ, लेकिन कम-से-कम Teapot trial तो नहीं है
इस उदाहरण में GPT-4o ने थोड़ा बेहतर किया, और सिर्फ “New Mexican practise” वाले हिस्से में चूका
https://www.handwritingocr.com का नतीजा ज्यादा सटीक लगा, खासकर New Mexican और शायद बाकी कई हिस्से भी ज्यादातर सही पकड़े
and I don't know whether it can be reset for a date in December or not. Cornell seemed anxious that it should not come off too close to Christmas, and of course New Mexican practice would support him. I will take this up with the Judge and with Hanna the moment I can get rid of the brief. Meanwhile I would like to know whether there is anything else in which I can be useful to you, since it behooves me to be diligent in view of uncomfortable relations with the present management.Are you going East in December?
Has any word come from Hagerman?
Were there any noteworthy developments at the hearings on the Tenorio tract?
I have no intimation yet whether I will be wanted in Washington, but the chances are that I will not.
With regards to all the brethren and flock, Dan
Very sincerely yours,
George H. H. Baser
और link गलत page पर जाता है। सही link https://catalog.archives.gov/id/34384201?objectPage=190 है
शुक्रवार रात को आधा-productive काम में लगाने के लिए कुछ ढूँढ रहा था, यह बिल्कुल सही है
ज़्यादा गंभीरता से कहूँ तो, archive होने के बाद जिन letters और diaries को किसी ने नहीं छुआ, उन्हें transcribe करने का project करना सचमुच शानदार लगता है
physical document के सामने खुद खड़े होने को छोड़ दें, तो लेखक और उस पल के बीच की दूरी लगभग गायब-सी लगती है
खासकर जब किसी के कुछ मिटाने या गलती करने के निशान दिखते हैं, तो सोचने लगता हूँ कि उसने ऐसा क्यों किया होगा। क्या कोई दोस्त दरवाज़े के सामने से गुजरते हुए उसे चौंका गया होगा? क्या वह खिड़की से बाहर देखते हुए भटक गया होगा? बहुत करीब और फिर भी बहुत दूर जैसा लगता है
लगता है training material के लिए तरस रही बड़ी AI companies ऐसी चीज़ में थोड़ा योगदान दे सकती हैं
venture funding के कुछ पैसे लगाकर public interest में भी योगदान और high-quality training data भी हासिल नहीं कर सकतीं क्या?
लगता है medical school वालों से मदद माँगनी चाहिए ;)
मेरे परिवार में सभी Ivy League से हैं, लेकिन वे मेरे देखे हुए सबसे खराब cursive में लिखते हैं
मेरी बहन की भेजी Christmas card पढ़ने में कभी-कभी एक घंटा लग जाता है
university में शायद ऐसा सीखाने वाला कोई अलग course रहा होगा
कर्सिव पढ़ने की प्रैक्टिस करना चाहता/चाहती हूँ, इसलिए एक बार इसे आज़माना चाहूँगा/चाहूँगी
मैं हाथ से काफी लिखता/लिखती हूँ, और अपने सारे notes भी कर्सिव में लिखता/लिखती हूँ। binder को तरह-तरह के विषयों से भरते देखना रोमांचक लगता है
कर्सिव में लिखने की कुछ वजहें हैं: हाथ में कम दर्द होता है, सार्वजनिक जगहों पर थोड़ी-बहुत privacy मिल जाती है, यह skill खोना नहीं चाहता/चाहती, और सबसे बढ़कर यह मज़ेदार है
उसका आकार भी अच्छा लगता है। कोई खास pen इस्तेमाल नहीं करता/करती, लेकिन कर्सिव में अपनी style जोड़कर उसे और देखने लायक बना देता/देती हूँ
पहले स्कूल के notes भी calligraphy में लिखता/लिखती था/थी, मुख्यतः इसलिए क्योंकि इससे subject पर ध्यान न देने का बहाना मिल जाता था
लेकिन teachers को यह पसंद नहीं था कि मैं blackboard पर उनकी घसीटी हुई लिखावट को पर्याप्त तेजी से copy नहीं कर पाता/पाती था/थी
यह सचमुच शानदार है और मैं इसे कमतर नहीं आंकना चाहता/चाहती
कई मायनों में National Archives में हिस्सा लेने का एक hobby उपलब्ध कराना अपने-आप में उद्देश्य हो सकता है
लेकिन… क्या computers यह काम कहीं बेहतर नहीं कर सकते?
मैंने example को 4o में डाला, तो उसने यह output दिया:
The following is the declaration of James Lambert, a soldier of the Revolutionary War in North America.
The said James Lambert this day personally appeared in the Probate Court of the County of Dearborn in the State of Indiana and at the November Term of said Court (1841), it being a court of record created by the laws of Indiana and made oath that:
On the 25th day of March 1842, he will be eighty-five years old, that he was born in the State of Maryland, that he is now a resident of said county and has been for the 27 years last past; that he has lived in Virginia, Maryland, and Pennsylvania...
कर्सिव analog और fluid होता है, इसलिए हर लेखक में consistency की कमी होती है और एक ही व्यक्ति की लिखावट में भी अक्सर काफी उतार-चढ़ाव होता है
अच्छा लिखा जाए तो इसे एक art form माना जा सकता है, लेकिन खराब लिखा जाए तो यह methamphetamine खाई हुई मुर्गी के चलने के निशान जैसा दिख सकता है
लगभग 50 साल keyboard इस्तेमाल करने के बाद अब अपनी handwriting भी नहीं पढ़ पाता/पाती
एक दोहराई जा सकने वाली signature तक नहीं कर पाता/पाती
अगर आज भी ऐसा होता, तो मेरे द्वारा कोशिश किए गए transactions में से 50% शायद fail हो जाते
यह साफ है कि self-expression का एक तरीका खो गया