تواصل تقنيات الذكاء الاصطناعي إحداث ثورة في العديد من الصناعات، ومن بين الابتكارات المثيرة للاهتمام تأتي نماذج التعلم اللغوي المتعددة العوالم (Multi-Modal LLMs)، التي أظهرت وعداً كبيراً في مجال التعرف على النصوص المكتوبة بخط اليد. تعتبر العملية التقليدية لنسخ النصوص المكتوبة بخط اليد (Handwriting Text Recognition - HTR) واحدة من أكثر التحديات تعقيداً، حيث تتطلب غالباً ضبطاً دقيقاً على بيانات معلمة، مما يجعلها غير عملية في العديد من السيناريوهات الواقعية.

بينما تعتمد الأساليب الحالية على أدوات مثل محركات التعرف على النصوص (OCR) وMLLMs، يُظهر البحث الجديد أن هذه النماذج يمكن أن تكون أكثر فعالية في حالة الوثائق المكتوبة التي تتكون من صفحات متعددة. ففي العديد من الوثائق، يتشارك السياق بين الصفحات، سواء من حيث المحتوى الدلالي أو نمط الخط، ولكن النماذج الحالية غالباً ما تُعالج النص على مستوى الصفحة الواحدة، مما يعني فقدان هذا السياق المشترك.

تستكشف الورقة البحثية الجديدة أساليب متعددة تجمع بين تقنيات OCR ومعالجة ما بعد النسخ بواسطة LLM واستخدام نماذج MLLM للنسخ من النهاية إلى النهاية، لاستهداف تحدي النسخ بين الصفحات المتعددة دون الحاجة للبيانات المعلمة. وقد تم تقديم مجموعة بيانات جديدة تُعرف بـ "Malvern-Hills"، التي تساهم في إنشاء معيار جديد ينطلق من مجموعات بيانات صفحات مفردة.

أخيراً، تم تقديم استراتيجيات تحفيز جديد تسمى "OCR+PAGE-1" و"OCR+PAGE-N"، التي تتفوق على الأساليب الحالية من خلال مشاركة المحتوى بين الصفحات وتقليل تعقيد التحفيز، مما يفتح أمامنا آفاقاً جديدة في مجال معالجة النصوص المكتوبة بخط اليد للوثائق طويلة الأمد.

وهكذا، يستمر البحث في تقديم استراتيجيات مبتكرة لتحسين دقة النسخ في عالم يتزايد فيه الاعتماد على التكنولوجيا الذكية. فما رأيكم في هذا التوجه الجديد؟ هل سبق وأن واجهتم تحديات في نسخ الوثائق المكتوبة بخط اليد؟ شاركونا في التعليقات!