В МИФИ создают «Рабочее место филолога-древника»: нейросети научатся читать церковнославянские рукописи XI–XVIII веков

В Национальном исследовательском ядерном университете «МИФИ» (НИЯУ МИФИ) в рамках лаборатории цифровых технологий в гуманитарных науках разрабатывается лингвистическая интеллектуальная среда (ЛИС) «Рукописное наследие Древней Руси». Проект, получивший условное название «Рабочее место филолога-древника», призван объединить возможности искусственного интеллекта и классической филологии для анализа тысяч древнерусских богослужебных книг.

Как рассказал ведущий эксперт лаборатории цифровых технологий в гуманитарных науках НИЯУ МИФИ и ведущий научный сотрудник Института русского языка им. В.В. Виноградова РАН Александр Геннадьевич Кравецкий, задача возникла из запроса гуманитариев к программистам. Инициатором выступил директор Института фундаментальных проблем социогуманитарных наук НИЯУ МИФИ иеромонах Родион (Алексей Ларионов). «Несколько лет назад иеромонах Родион спросил меня, что в той области, которой мы занимаемся, могут дать программисты, какой инструмент IT был бы нам полезен. И мы предложили проект с условным названием "Рабочее место филолога-древника" с личным кабинетом для каждого исследователя», — вспоминает Кравецкий.

Основой для анализа выбраны Служебные минеи — книги, содержащие службы на каждый день церковного года. Это 12 объемных томов, сохранившихся в сотнях экземпляров. По словам ученого, такие тексты переписывались и редактировались столетиями, отражая региональные традиции и диалекты.

Искусственный интеллект позволит сравнивать между собой не несколько десятков книг, доступных человеку, а сотни и тысячи экземпляров. Это дает возможность выявлять крупные исправления текстов, которые предпринимались не только при патриархе Никоне в XVII веке, но и раньше.

Главная сложность для машинного распознавания, по словам Кравецкого, кроется не в ветхости бумаги, а в огромной вариативности написания букв, сокращений (титлов) и надстрочных знаков. «Самый простой пример — похожесть буквы "и" и "н". Или написание буквы "К" — кто-то пишет ее как палочку слева и две диагонали из центра, а кто-то — как палочку и скобочку справа», — приводит пример ученый. Кроме того, машина должна понимать, что текст может обрываться на «зачале» — двух-трех первых словах песнопения.

В настоящее время проект находится на стадии накопления материала. В распоряжении исследователей уже есть 247 оцифрованных рукописей (более 110 000 страниц). Идет работа по составлению каталога почерков и очистке изображений. «Накопленный материал скармливается разным моделям искусственного интеллекта, созданным в МИФИ.», — делится Кравецкий.

В перспективе инструмент планируется распространить на все письменные памятники, включая летописи и уникальные тексты. «Уникальные вещи мы знаем относительно неплохо, а массовые — плохо. Но ведь они взаимосвязаны, в уникальных вещах может быть огромное количество следов из массовых текстов», — подчеркивает исследователь. По его словам, даже в таком изученном произведении, как «Слово о полку Игореве», можно будет «откопать десяток цитат» из богослужебных книг.

Александр Кравецкий также отметил, что зарубежные аналоги, такие как немецкая система Transkribus, существуют, но являются коммерческими и дорогими для массового использования. Российский проект ориентирован на создание доступного инструмента с элементами самообучения, который будет постоянно пополняться новыми рукописями.