![]() |
|
Задачи и направления деятельности рабочей группы [наверх] |
|
| 1. Анализ ландшафта ИИ: Исследование текущего состояния технологий искусственного интеллекта, профильных научных центров, ИТ-организаций и ведущих специалистов, специализирующихся на практическом применении нейросетевых моделей в исторической и архивно-библиотечной сферах. | |
| 2. Определение приоритетов: Экспертное обсуждение и формирование списка приоритетов в области научно-исследовательских и опытно-конструкторских разработок (НИОКР / R&D). | |
| 3. Тестирование моделей: Апробация различных предобученных и специализированных моделей ИИ для сквозного полнотекстового распознавания рукописных, старопечатных, затухающих и трудночитаемых материалов. Оперативное размещение результатов сравнительного тестирования на данном веб-ресурсе в открытом доступе. | |
| 4. Разработка издательского прототипа: Создание и развертывание прототипа онлайн-издательской системы, оснащенного интегрированным модулем интеллектуального распознавания текстов (AI OCR). В качестве базовой пилотной инфраструктуры используется авторитетная производственная онлайн-платформа «ИнфоРост». На последующих этапах предусмотрено проектирование независимого открытого сервиса AI OCR (Open-Source API), доступного для бесшовной интеграции с любыми внешними программными оболочками электронных библиотек и архивов. | |
| 5. Консолидация профессионального сообщества: Объединение историков, библиотекарей и архивистов, ИТ-специалистов и лингвистов, заинтересованных в кооперации. Распространение передовых знаний, популяризация лучших мировых практик применения ИИ в гуманитарной сфере, информирование профессионального сообщества о промежуточных результатах НИОКР рабочей группы. | |
| 6. Фандрайзинг и грантовая поддержка: Совместный поиск целевого грантового, государственного и венчурного финансирования для реализации указанных задач группы (подробнее см. ниже: Проект заявки № 1). | |
|
Проект предложения для заявки на грант № 1 [наверх] |
|
|
Ключевым требованием исследователей к функциональности электронных библиотек и архивов является обеспечение сквозного полнотекстового поиска по полным текстам оцифрованных первоисточников, а не только по их библиографическим описаниям. Если для печатных и машинописных материалов на бумаге хорошего качества традиционные алгоритмы оптического распознавания (OCR) обеспечивали приемлемый уровень конвертации, то распознавание трудночитаемых материалов (исторические газеты и книги с блеклой печатью на ветхой бумаге, рукописные материалы и разнородные архивные документы) долгое время оставалось непреодолимым барьером. Стремительное развитие архитектур больших языковых моделей (LLM) и мультимодальных нейросетей в последние годы принципиально трансформировало эту область. Предлагаемый проект «Повышение эффективности электронных исторических коллекций с помощью технологий ИИ» сфокусирован на прикладном исследовании новых возможностей нейросетей для сквозной интеграции и автоматизации интеллектуального распознавания текстов (AI OCR) в производственные циклы гуманитарных электронных библиотек и архивов. Социальная и научная значимость: Значение данной работы для принципиального улучшения доступа исследователей, историков, генеалогов, граждан России и зарубежных аудиторий к национальному историко-культурному наследию в сети Интернет невозможно переоценить. Для профессионального сообщества библиотекарей и архивистов автоматизация процессов AI OCR позволит высвободить тысячи часов рутинного ручного труда для внимания задачам более высокого уровня. В рамках заявляемого проекта Русское библиографическое общество (РБО) совместно с партнерскими организациями и заинтересованными специалистами запрашивает поддержку Фонда президентских грантов для реализации следующих ключевых задач: 1. Институциональное строительство: Формирование устойчивой междисциплинарной и межведомственной исследовательской группы для непрерывного мониторинга возможностей ИИ, обмена технологическими компетенциями, масштабирования знаний и их распространения. 2. Тестирование моделей ИИ: Поточное тестирование различных моделей AI OCR на массивах сложных и нестандартных материалов. Сравнительный анализ метрик точности (CER/WER) с целью отбора и калибровки наиболее перспективных ИТ-решений. Данная работа уже ведется рабочей группой ИИ НИОКР в инициативном порядке на базе открытой экспертной площадки https://ai.rosbib.org. 3. Технологические исследования: Исследование инженерных путей и архитектурных сценариев бесшовной интеграции модулей AI OCR в существующие государственные и ведомственные производственные процессы поточного наполнения электронных коллекций. 4. Инженерное прототипирование: Создание действующего демонстрационного прототипа комплексной системы «Цифровая библиотека/архив + AI OCR» для проверки возможностей автоматизированного поточного распознавания и мгновенной онлайн-публикации исторических коллекций. Преодоление «Цифрового разрыва»: В масштабах Российской Федерации в области генеративного ИИ лидируют технологические гиганты (Сбер, Яндекс), успешно сотрудничающие с ведущими госучреждениями. Вместе с тем для подавляющего большинства региональных, муниципальных и ведомственных библиотек и архивов промышленная интеграция ИИ-решений с их локальными электронными коллекциями остается критически сложной и финансово недоступной задачей. В настоящее время фиксируется углубление «цифрового разрыва» между столичными центрами и остальной сетью хранения историко-культурного наследия. Настоящий проект разработан для преодоления этого дисбаланса и демократизации доступа к технологиям ИИ за счет консолидации экспертизы, создания открытых стандартов и развития сетевого сотрудничества. Рабочая группа обеспечивает прозрачность исследований, транслируя результаты разработок в режиме реального времени на платформе https://ai.rosbib.org. |
|
Команда проекта - роли участников [наверх] |
|
| Руководство | |
|
|
| Экспертная группа | |
|
|
| Правовое и финансовое сопровождение | |
|
|
| Контактная информация [наверх] | |
| Имейл: info@rosbib.org | |
|
ПРОЕКТУ ОКАЗЫВАЮТ ПОДДЕРЖКУ |
||||
![]() |
![]() |
![]() |
![]() |
![]() |







