[论文解读] Artificial Intelligence in archival and historical scholarship workflow: HTS and ChatGPT

Salvatore Spina|arXiv (Cornell University)|Jul 5, 2023

Digital and Traditional Archives Management被引用 4

一句话总结

本文評估了人工智慧——特別是 Transkribus 和 ChatGPT —— 將其整合至檔案與歷史學術工作流程的成效，聚焦於數位手稿的自動轉錄、校正與規範化。研究使用來自比斯卡里檔案館的 366 封信件，顯示雖然 ChatGPT 產生了一些錯誤，但經人工智慧輔助的規範化文本仍符合學術標準，顯著提升歷史研究中資料分析與計算語言學應用的效率。

ABSTRACT

This article examines the impact of Artificial Intelligence on the archival heritage digitization processes, specifically regarding the manuscripts' automatic transcription, their correction, and normalization. It highlights how digitality has compelled scholars to redefine Archive and History field and has facilitated the accessibility of analogue sources through digitization and integration into big data. The study focuses on two AI systems, namely Transkribus and ChatGPT, which enable efficient analysis and transcription of digitized sources. The article presents a test of ChatGPT, which was utilized to normalize the text of 366 letters stored in the Correspondence section of the Biscari Archive (Catania). Although the AI exhibited some limitations that resulted in inaccuracies, the corrected texts met expectations. Overall, the article concludes that digitization and AI can significantly enhance archival and historical research by allowing the analysis of vast amounts of data and the application of computational linguistic tools.

研究动机与目标

• 評估人工智慧對檔案數位化流程的影響，特別是在歷史手稿的轉錄、校正與規範化方面。
• 評估 ChatGPT 在規範化比斯卡里檔案館早期現代義大利信件方面的有效性。
• 檢視數位化與人工智慧工具如何提升實體檔案來源的可及性與計算分析能力。
• 探討在數位轉型與巨量資料整合背景下，檔案與歷史學術研究的重新定義。
• 識別在人文学術工作流程中使用大型語言模型的限制與實際成果。

提出的方法

• 本研究使用 Transkribus 對比斯卡里檔案館的數位手稿進行初步自動轉錄。
• 使用 ChatGPT 對轉錄文本進行規範化，以修正拼寫、文法與語言不一致之處。
• 以比斯卡里檔案館「通信」部分的 366 封早期現代義大利信件作為測試語料，透過 ChatGPT 進行處理。
• 將 ChatGPT 的輸出與專家驗證的轉錄結果進行比對，以評估其準確性與可靠性。
• 將人工智慧工具整合至歷史文本分析的計算工作流程中，以實現大規模資料處理。
• 利用數位圖書館與巨量資料架構，支援數位化檔案內容的儲存、檢索與分析。

实验结果

研究问题

• RQ1 ChatGPT 在多大程度上能準確規範化來自比斯卡里檔案館的早期現代義大利手稿文本？
• RQ2 與傳統手動方法相比，人工智慧輔助的轉錄與規範化流程在效率與準確性方面有何差異？
• RQ3 使用如 ChatGPT 之類的大型語言模型在歷史手稿處理中存在哪些主要限制？
• RQ4 整合如 Transkribus 與 ChatGPT 之類的人工智慧工具，如何改變檔案與歷史學術研究的工作流程？
• RQ5 人工智慧增強的數位化工作流程能否支援歷史檔案的大規模計算語言學分析？

主要发现

• ChatGPT 在處理比斯卡里檔案館 366 封信件的規範化過程中產生了一些錯誤，顯示其在處理歷史語言細節方面存在限制。
• 儘管存在錯誤，ChatGPT 生成的校正後文本仍符合學術期望，展現其在實際檔案應用中的實用價值。
• 人工智慧工具的整合顯著提升了處理大量歷史手稿的效率。
• 數位化與人工智慧使計算語言學工具得以應用於檔案來源，拓展了分析可能性。
• 本研究確認，人工智慧輔助的工作流程可支援可擴展、資料驅動的歷史研究，但需配合人工監督以確保品質。
• Transkribus 與 ChatGPT 共同構成了一條可行的自動轉錄與規範化管道，適用於檔案學術研究。