- الأخبار الأثرية
-
حقوق الصورة: Public domain, via Wikimedia Commons
الذكاء الاصطناعي يساعد في قراءة وترميم مخطوطات تاميلية قديمة على سعف النخيل
قدّمت دراسة حديثة إطاراً يعتمد على الذكاء الاصطناعي مصمم لقراءة والتعرف على المخطوطات التاميلية القديمة المكتوبة على سعف النخيل. حيث تتناول الدراسة تحدياً مهماً في حفظ التراث، إذ تحتوي هذه المخطوطات على معارف ثقافية وتاريخية قيّمة، إلا أن نصوصها غالباً ما يصعب قراءتها بسبب الحبر الباهت وتلف السطح والتشويش البصري، إلى جانب عدم انتظام الخلفية، ووجود ثقوب أو عناصر غير نصية.
ومن المعروف أن أنظمة التعرف البصري التقليدية، التي تستخدم من أجل التعرف على الحروف، تواجه صعوبة في التعامل مع هذا النوع من المواد، خصوصاً عندما يكون النص مكتوباً بخط اليد أو غير منتظم أو في حالة سيئة، أو متأثراً بظلال المسح الضوئي وضعف التباين. ولمعالجة هذه المشكلات، تقترح الدراسة مساراً رقمياً متعدد المراحل يجمع بين تحسين الصورة وتقسيم الحروف، والتعرف عليها باستخدام نماذج التعلم العميق.
وتفصيلاً، تبدأ العملية بتحسين صور المخطوطات من خلال إزالة التشويش والتصفية (الفلترة)، ومن ثم يتم استخدام المدرج التكراري وعتبة صافولا وهي خوارزمية لمعالجة الصور الرقمية. كما تُستخدم إجراءات معالجة إضافية لتقليل أثر الثقوب والعناصر غير النصية. بعد ذلك، يُقسّم النص إلى أسطر وحروف باستخدام تقنية ملفات تعريف الإسقاط (Projection Profiles) وتحليل المكونات المتصلة.
وللتعرف على الحروف، استخدم الباحثون نموذج ConvNeXt-Tiny، وهو بنية حديثة في التعلم العميق تجمع بين مزايا الشبكات العصبونية الالتفافية (Convolutional neural network-CNN) وبعض الخصائص المستوحاة من محولات الرؤية الحاسوبية. وقد تم تدريب النموذج وتقييمه باستخدام مجموعة بيانات uTHCD للحروف التاميلية المكتوبة بخط اليد، والتي تضم آلاف الصور موزعة على 156 فئة من الحروف التاميلية.
وبحسب الدراسة، حقق النموذج المقترح دقة بلغت نحو 97.41%، مع قيم مماثلة تقريباً في الدقة الإحصائية والاسترجاع ودرجة ف1 على مقياس إف للتحليل الإحصائي. وتفوّق هذا الأداء على نماذج الشبكات العصبونية الالتفافية والشبكات العصبونية الالتفافية المتكررة (Convolutional Recurrent Neural Network - CRNN) الأساسية التي قارنتها الدراسة. أي أن النتائج تؤكد أن الإطار المقترح أكثر قدرة على التعامل مع اختلافات الخط اليدوي وبهتان الحبر وظروف التلف في المخطوطات.
وتشير الدراسة أيضاً إلى بعض القيود. فقد دُرّب النموذج أساساً على مجموعة بيانات محددة للحروف التاميلية المكتوبة بخط اليد، وقد لا تمثل هذه المجموعة التنوع الكامل للمخطوطات القديمة الحقيقية. كما قد يختلف الأداء عند تطبيقه على مخطوطات شديدة التلف أو ذات أنماط غير مألوفة. لذلك، تقترح الدراسة أن يركز العمل المستقبلي على تحسين قدرة النموذج على التعامل مع مصادر المخطوطات المتنوعة، وأيضاً تقليل المتطلبات الحاسوبية.
وبشكل عام، تبرز الدراسة الدور المتزايد للذكاء الاصطناعي في حفظ المخطوطات. فاليوم، ومن خلال تحسين وضوح الصور وطرق التعرف على الحروف، أصبح بالإمكان إعادة بناء النصوص بصيغة قابلة للمعالجة آلياً، وأصبحت هذه الأدوات تساعد في إتاحة التراث التاميلي المكتوب للدراسة والحفظ والأرشفة الرقمية.
تاريخ النشر: 01-06-2026
ترجمة وتحرير: عبد المنعم سماقية
المصدر: npj Heritage Science
