Ett internationellt projekt omvandlar dokument från tjugo kloster till ett sökbart arkiv, med automatiska transkriptioner och mänskliga kontroller.

Försäljningskontrakt, resetillstånd, utnämningar av abbotar och begäran om mediciner: i arkiven för Mount Athos en del av det osmanska rikets administrativa liv bevaras. Ungefär 30 000 dokument på turkiska från den tidenManuskripten, fördelade bland de tjugo klostren på halvön, är fokus för ett projekt som syftar till att digitalisera dem och använda dem för att utveckla automatisk handstilsigenkänning. Manuskripten kommer att bli studiematerial och data för att träna ett system för att dechiffrera deras handstil.

L'iniziativa si chiama Manuscripta Ottomanica montis Athonis, förkortat MOmA. Det förvaltas av Richard Wittmann, biträdande direktör för Orient-Institut Istanbul, ett institut inom Max Weber-stiftelsen, i samarbete med Freie Universität Berlin och internationella akademiska och klosterpartners. Programmet har en horisont på minst tio år och avser en korpus som sträcker sig från 1300-talet till början av 1900-talet.

Projektet, som lanserades av det tyska universitetet den 23 mars 2026, inkluderar en katalog med bilder, translitterationer och översättningar, vilket möjliggör snabba sökningar efter förekomster av en term. Detta kommer att kräva fotografisk anskaffning, programvaruutveckling och expertgranskning.artificiell intelligens går således in i det arbete som krävs för att göra tusentals texter läsbara och verifierbara.

Ägande- och maktförhållanden i klostercharter

Berget Athos upptar den östra udden av Chalkidikehalvön i norra Grekland.Unesco erkänner dess kulturella och naturliga värde och påminner om kontinuiteten i munkarnas självstyre sedan den bysantinska eran. Vid sidan av de religiösa och konstnärliga verken, Ortodox klostergemenskap Den har bevarat de dokument som är nödvändiga för att hantera sin verksamhet och sina relationer med externa myndigheter.

Osmanska källor låter oss undersöka ägande, beskattning och juridisk status av kristna munkar under muslimskt styre. Det geografiska perspektivet sträcker sig bortom halvön: klostrens underordnade områden nådde Kairo, Damaskus, Jerusalem och Istanbul. Ett dokument som bevarats på berget Athos kan därför dokumentera ekonomiska och institutionella relationer som utvecklats långt ifrån den plats där det bevaras idag.

En sökbar katalog skulle till exempel möjliggöra spårning av samma ägare genom olika dokument, jämförelse av koncessioner eller rekonstruering av relationerna mellan ett samhälle och ett administrativt kontor. Dessa är forskningsmöjligheter som är beroende av korrekt identifiering av personer, platser och datum.

För att lära ut handstil behöver du bilder och korrekta läsningar

Kärntekniken är Igenkänning av handskriven text, eller HTR: automatisk handskriven textigenkänning. I det ottomanska fallet måste den hantera ett språk skrivet med tecken som härstammar från arabiska, med andra grafiska konventioner och handstil. Ett fotografi bevarar sidans utseende; igenkänningen producerar en sekvens av tecken som kan bearbetas av datorn, jämföras med andra texter och infogas i ett sökindex.

Utbildning kräver tillförlitliga exempel. I övervakade HTR-system är bilder associerade med korrekta och verifierade transkriptioner, kallad "grundsanning". Modellen lär sig korrespondenserna mellan tecknen och texten. Mänskligt arbete ingriper därför också i förberedelsen av de data som möjliggör inlärning, såväl som i korrigeringen av programvarans svar. Mångfalden av Athonite-kort erbjuder material för att representera handstilar, epoker och dokumentära typologier För att dra nytta av det måste exemplen väljas noggrant: för många liknande sidor kan underrepresentera en sällsynt hand.

Behållare också transkriptionernas konsistensOm annotatörer behandlar samma tecken olika får modellen motstridiga indikationer. Valet av återgivningskonventioner blir därför en del av den tekniska planeringen. I redaktionellt arbete gör det också möjligt att bevara information som en standardiserad version skulle riskera att dölja genom att skilja på vad som är läsbart, vad som kräver tolkning och vad som förblir osäkert.

Transkribera, translitterera och översätta är separata operationer. transkription returnerar den skrivna texten; translitterering återger det genom ett annat teckensystem; översättning Den översätter dess betydelse till ett annat språk. Katalogen som planeras av MOmA kommer att ge flera nivåer av åtkomst till dokumentet. För historiker kommer det att vara viktigt att kunna jämföra textåtergivningen med skanningen när en tolkning är osäker.

HTR-bakgrunden och resultaten som ska mätas på korpusen

Det finns redan en utvecklingskärna kopplad till projektet. Max Weber-stiftelsen rapporterar att vid Binghamton University, i USA, utvecklas ett system för ottomanska texter sedan 2024. Senast i november 2025 skulle det ha uppnått en noggrannhet större än 80 procent på sena ottomanska källor. Uppgifterna är preliminära, och presentationen specificerar inte mätvärden eller urvalssammansättning: den tillåter oss därför inte att uppskatta prestandan i hela Athons arkiv.

Erkännandet av det osmanska manuskriptet har också prejudikat utanför MOMA. Osmansk turkisk_generisk, publicerad på Transkribus den 12 November 2023, tränades av Milanka Matić-Chalkitis som en del av MultiHTR-projektet vid Freiburgs universitet, i germaniumoxidDen omfattar manuskript och tryckt material, inklusive diktsamlingar och korrespondens. Athons målsättning placeras därför inom ett redan aktivt område: dess specificitet rör den systematiska tillämpningen av ett stort arkiv, som spänner över århundraden och är avsett för en vetenskapligt kontrollerad utgåva.

För att utvärdera system av denna typ, Teckenfelfrekvens, eller CER, som mäter fel på teckennivå jämfört med en referenstranskription. Utvärdering på sidor som inte används i träning hjälper till att förstå hur modellen hanterar nytt material. Resultaten beror dock på dokumentens handstil och skick: en isolerad procentandel, utan en beskrivning av testet, säger lite om kvaliteten på en hel samling.

För MOmA kommer det att vara användbart att känna till resultaten per period och dokumenttyp, utöver tid som behövs för korrigeringDen operativa nyttan beror på hur mycket det automatiska utkastet påskyndar specialistens arbete.

Mänsklig granskning öppnar arkiv för distansforskning

Schemat som skisserades i mars 2026 tilldelar genealogiska organisationsteam Family Det kommer att ta ungefär två år att skanna dokumenten. Stipendiestudenter förväntas vara involverade i kontrollen av de automatiska utskrifterna, i en fas som uppskattas till tre till fem årDet här är projekttider, inom det bredare tioåriga programmet.

Yasaman Rezaei, koordinator för MOmA, sa att hon såg en prototyp och kopplade dess användbarhet till sin egen forskningserfarenhet:

"Det är synd att jag inte hade något liknande när jag doktorerade."

La mänsklig granskning Detta kommer att direkt påverka möjligheten att hitta information. Om programvaran stavar ett egennamn fel, kanske en exakt sökning inte returnerar dokumentet som innehåller det. Därför måste den sökhastighet som katalogen utlovar särskiljas från svarens fullständighet: det senare beror också på textens kvalitet, de grafiska variationerna och de tillgängliga sökverktygen.

Digital åtkomst har också konkreta konsekvenser för forskarsamhället. Förbudet mot kvinnor att besöka berget Athos hindrar kvinnliga forskare från att konsultera arkiven på plats; tillstånd och logistiska svårigheter begränsar också andra forskares arbete. Tillgången till reproduktioner och katalogen skulle göra det möjligt att studera artiklarna. oavsett fysisk tillgång till kloster, vilket ökar antalet personer som kan verifiera och tolka dem.

Programmet Athos digitala kulturarv har redan onlineförmedlat ett omfattande arv av dokument, manuskript, böcker och konstföremål. Grekisk institutionell presentation Den beskriver över två miljoner digitala dokument, tillsammans med audiovisuellt innehåll, tredimensionella reproduktioner och virtuella turer. Digitaliseringssiffror bör tolkas genom att skilja de producerade bilderna från de individuellt reproducerade tillgångarna.

MOmA lägger också till specifikt arbete kring det språkliga innehållet i ottomanska dokument: bilderna kommer också att användas för att utveckla läsverktyg. Samarbetet med Athos Digital Heritage tar itu med denna utveckling av funktioner; initiativen har sina egna organisationer och mål.

Arrangörerna avser att göra HTR-systemet tillgängligt för forskarsamhället i takt med att öppet digitalt verktygUtvidgningen av automatisk läsning till att omfatta handstilar från de äldsta århundradena är fortfarande ett av målen som ska uppnås genom bergets Athos-samling: just de kartor som är längst bort från de sena ottomanska materialen som redan testats kommer att ge bevis på dess förmåga till generalisering.

Här är tre insikter som kan intressera dig:

Reproducerat (och återställt) i 3D tjuren som gjorde Santo Antonio
Diego De Maio: "Voynicherna talar ett gammalt alpspråk."
På Svalbard ett valv som skyddar hela världens minne