Міністерство економіки України спільно із Державним архівом та іншими держустановами розпочало ініціативу зі створення бази україномовних рукописних даних. Проєкт покликаний навчити штучний інтелект точно розпізнавати складні рукописи, зокрема старі документи та медичні довідки.
Про це розповів ML Lead застосунку «Мрія» та радник із ШІ в Мінекономіки Дмитро Войтех у подкасті AI&I, пише DEV.
За його словами, така ініціатива суттєво прискорить цифровізацію держпослуг і стане кроком до повноцінного зацифрування історичних архівів.
Ідея створення національного датасету виникла під час роботи над сервісом «єДозвіл», який має перевести процес видачі ліцензій для бізнесу в онлайн через «Дію». Для цього алгоритмам необхідно вміти обробляти документи заявників.
На практиці з’ясувалося, що багато ліцензій вимагають завантаження старих дипломів – іноді ще з 90-х років. Такі документи часто заповнені від руки, мають низьку якість зображення або пошкодження. Як зазначає Войтех, наявні OCR-рішення не справляються з українськими рукописами. Крім того, у відкритому доступі бракує якісних та розмічених корпусів текстів українською.
Щоб не чекати роками на накопичення потрібних даних у межах «єДозволу», Мінекономіки об’єднало зусилля з іншими державними структурами. Ключовим партнером став Державний архів України, який зацікавлений у розвитку цієї технології для зацифрування мільйонів сторінок історичних матеріалів.
У перспективі це дозволить перетворити архіви на зручні цифрові бази знань: замість тривалих пошуків у паперових фондах користувачі зможуть знаходити потрібну інформацію швидко – за принципом пошукових систем.
Нагадаємо, український маркетплейс Rozetka додав власного ШІ-помічника для пошуку товарів Rozetka AI. Він дозволяє знаходити потрібні позиції за допомогою запитів у довільній формі.
