В Санкт-Петербурге нейросеть научили оцифровывать старые газеты. Искусственный интеллект умеет не только распознавать особенности печатного материала, но и восстанавливать утраченные фрагменты. С создателем программы встретилась Елена Воложанина. Кадры стране. Газета выходила в Ленинградском институте текстильной и легкой промышленности имени Кирова. В далеком 1968-м журналисты и редакторы издания и представить не могли, что однажды этот номер прочитает не человек, а искусственный интеллект. Петербургский аспирант Никита Сиротенко разработал программу, которая автоматически оцифрует и восстановит архивные документы даже с дефектами. Выцветшая краска, стертые буквы, пятна на бумаге – не помешают системе распознать текст. Схожие программы уже существуют, но до сих пор ни одна не умела читать газеты. Подшивка из архива Университета промышленных технологий и дизайна стала экспериментальной. "У нас здесь присутствует нетиповой шрифт. То есть в современных интеллектуальных системах подобные шрифты уже не используются. Нам пришлось отдельно доучивать алгоритм машинного обучения, чтобы он понимал именно данную шрифтовую верстку", – прокомментировал автор программы Никита Сиротенко. Привычная глазу газетная верстка для нейросети оказалась комплексом сложных задач. Не путать столбцы, понимать, где закончился один материал и начался второй, сохранять связность, чтобы при оцифровке соседние статьи и заметки не смешивались. Научить систему видеть и понимать полосу, как это делает человек, заняло почти год. После того как нейросеть распознала статью, отделила буквы от фона, остаются так называемые "шумы" – переносы строк, утраченные буквы и слова. По смыслу содержание восстанавливает большая лингвистическая модель. Ее обучили на корпусе русской литературы. Итог работы – текст в вордовском формате. Никита Сиротенко: "Данную программу можно использовать как в архивах, как в криминалистике, соответственно так и в юриспруденции, то есть в любой области, где идет большой объем работы именно с бумажными документами. Помогает их оцифровать. Мы с вами открываем файл, вводим ключевое слово и находим необходимый нам документ". Теперь в архиве Университета промышленных технологий и дизайна можно за секунды, по ключевым словам, найти сведения о событиях и героях публикаций прошлых лет. Проект, который начинался как кандидатская диссертация, привел к регистрации патента.