MetaFiLM-HTR: Writer-Adaptive Meta-Learning with FiLM Conditioning for Historical and Multilingual Handwritten Text Recognition

إن قراءة رسالة مكتوبة بخط اليد من الماضي هي عملية ترجمة تتجاوز مجرد التعرف على الحروف. فهي تتطلب فك رموز شخصية فريدة محفورة في الحبر، حيث يمكن لميل الضربة، وضغط القلم، والمنحنيات الغريبة لكاتب معين أن تحول جملة واضحة إلى لغز غير قابل للحل. ويصبح هذا التحدي أكثر عمقاً عندما تكون الوثائق قديمة لعدة قرون، ومكتوبة بلغات تطورت أو بـخطوط نادرة المشاهد اليوم. وبينما أصبحت الحواسيب بارعة بشكل ملحوظ في قراءة النصوص المطبوعة، إلا أنها غالباً ما تتعثر عندما تواجه الجمال الفوضوي لخط اليد البشري، خاصة عندما ينتمي ذلك الخط إلى شخص لم يسبق للحاسوب مقابلته من قبل. وتكمن الصعوبة الجوهرية ليس فقط في تحديد الأشكال، بل في فهم كيفية حركة يد فرد معين عبر الصفحة، وهي مهارة تجد البرامج الحاسوبية التقليدية صعوبة في تعلمها دون كميات هائلة من بيانات التدريب لكل كاتب على حدة.

لقد طور باحثون في المعهد الهندي للتكنولوجيا بجودبور نهجاً جديداً لمساعدة الحواسيب على تجاوز هذا الحاجز، حيث ابتكروا نظاماً يمكنه التعلم بسرعة لقراءة خط يد غريب باستخدام بضعة أسطر عينات فقط. ويركز عملهم، المفصل في دراسة حديثة، على طريقة تسمى "التعلم التلوي" (meta-learning)، والتي يمكن وصفها بأنها تعليم الحاسوب كيفية تعلم كيفية التعلم. فبدلاً من حفظ كل أسلوب خط يد موجود، يتم تدريب النظام على التعرف على الأنماط الكامنة للتباين ثم التكيف بسرعة عند مواجهة كاتب جديد. ومن خلال الجمع بين استراتيجية التعلم هذه وتقنية تسمح للحاسوب بتعديل إعداداته الداخلية بناءً على عينة صغيرة من عمل الكاتب، بنى الفريق أداة يمكنها التعامل مع المخطوطات التاريخية والخطوط المعاصرة على حد سواء، من الرسائل الألمانية في القرن الثامن عشر إلى الوثائق الهندية المعاصرة.

واجه الباحثون عقبة كبيرة: فالأنظمة الموجودة كانت إما جامدة للغاية، تتطلب كميات ضخمة من البيانات لكل كاتب جديد، أو كانت تعمل فقط على مقاطع صغيرة من النص، مما يجعلها تفشل في فهم سياق الصفحة بأكملها. ولحل ذلك، صمموا إطار عمل يعمل مثل عدسة مرنة. تخيل كاميرا يمكنها ضبط تركيزها وتوازن ألوانها فور رؤيتها لموضوع جديد؛ يقوم هذا النظام بشيء مشابه للنصوص. فهو يحلل أولاً بضعة أسطر من خط اليد لكاتب جديد لإنشاء "ملف تعريف أسلوب" مقتضب. ثم يُستخدم هذا الملف لتوجيه طبقات المعالجة الداخلية للحاسوب برفق، مما يسمح له بتفسير بقية الوثيقة مع وضع الخصائص الفريدة لذلك الكاتب في الاعتبار. وتتم هذه العملية في الوقت الفعلي، مما يعني أن النظام لا يحتاج إلى إعادة التدريب من الصفر لكل شخص جديد يقابله.

وكان جزء حاسم من نجاحهم هو إصلاح خلل دقيق ولكنه حيوي في كيفية تحديث الحاسوب لمعرفته الخاصة أثناء عملية التعلم هذه. ففي المحاولات السابقة، كان النظام يفقد أحياناً تتبع العلاقة بين مرحلة التعلم الأولية ومرحلة التكيف النهائية، مما يؤدي إلى الارتباك والنتائج الضعيفة. وقد حدد الباحثون أن الحاسوب كان يفشل في تمرير الدروس المستفادة من أسطر العينات القليلة بشكل صحيح إلى الدماغ الرئيسي للنظام. لذا هندسوا تصحيحاً محدداً يضمن نقل هذه الدروس بدقة، مما أدى إلى تحسن كبير في الدقة. سمح هذا التعديل للنظام بتثبيت تعلمه، مما ضمن استخدام الكمية الصغيرة من البيانات من كاتب جديد بفعالية لتنقيح فهمه دون أن يتسبب ذلك في نسيان ما يعرفه بالفعل عن القراءة بشكل عام.

اختبر الفريق نظامهم على ثلاث مجموعات مختلفة تماماً من الوثائق لمعرفة مدى صموده تحت الضغط. كانت الأولى عبارة عن مجموعة من المخطوطات الألمانية التاريخية من القرنين الثامن عشر والتاسع عشر، المعروفة بحبرها الباهت وإملائها القديم. والثانية كانت مجموعة من الرسائل اللاتينية لمصلح سويسري، تتميز بتنوع واسع من الكتاب والأساليب. أما الثالثة فكانت مجموعة بيانات حديثة لنصوص مكتوبة بخط اليد باللغة الهندية، والتي تمثل تحدياً فريداً لأنها تمزج بين الخط المعقد للغة والأرقام وعلامات الترقيم الإنجليزية. وفي كل حالة، أُعطي النظام بضعة أسطر فقط من كاتب لم يره من قبل وطُلب منه قراءة بقية الصفحة. وأظهرت النتائج أن النظام يمكنه التكيف بسرعة، مما قلل عدد الأخطاء التي يرتكبها بهامش كبير مقارنة بالأنظمة التي لم تستخدم هذا النهج التكيفي.

على الوثائق الألمانية التاريخية، حقق النظام معدل خطأ في الحروف يبلغ حوالي 12 بالمائة، وهو رقم يمثل قفزة هائلة من أدائه الأولي قبل تطبيق التقنيات التكيفية. وبالنسبة للمخطوطات اللاتينية، انخفض معدل الخطأ إلى حوالي 35 بالمائة، وبالنسبة لخط اليد الهندي، وصل إلى حوالي 47 بالمائة. هذه الأرقام مهمة لأنها تثبت أن النظام لا يمكنه التعامل مع نوع واحد من الكتابة فحسب، بل مع مجموعة متنوعة من الخطوط والعصور. وأشار الباحثون إلى أن النظام كان يعمل بشكل أفضل عندما سُمح له بتنقيح قراءته أثناء عملية تحليل الوثيقة فعلياً، باستخدام القرائن المخفية داخل بنية النص نفسه، مثل الطريقة التي تُستخدم بها الاختصارات أو كيفية استمرار الأسطر من صفحة إلى أخرى.

كما كشفت الدراسة أيضاً أن الطريق إلى الدقة العالية لم يكن خطاً مستقيماً بل سلسلة من عمليات التنقيح الدقيقة. ووجد الباحثون أن مجرد إضافة المزيد من الطبقات إلى عملية اتخاذ القرار لدى الحاسوب وضبط سرعة تعلمه أحدث فرقاً كبيراً. واكتشفوا أن النظام يحتاج إلى أن يُعلّم النظر إلى النص كمتتالية كاملة بدلاً من مجرد مجموعة من الكلمات المنعزلة، وأن استخدام طريقة أكثر تطوراً لتخمين الكلمات الأكثر احتمالاً ساعده على تجنب العثرات الشائعة. علاوة على ذلك، لاحظء أن قدرة النظام على التكيف كانت أكثر فعالية عندما يكون النموذج الأساسي قوياً بالفعل؛ إذ إن محاولة تكييف نموذج ضعيف غالباً ما تؤدي إلى الارتباك، بينما يمكن لنموذج مُعد جيداً أن يستفيد من المعلومات الجديدة لتحقيق قراءة شبه مثالية.

وعلى الرغم من هذه النجاحات، فإن الباحثين واضحون بشأن حدود عملهم. فلا يزال النظام يعاني أكثر مع مجموعات البيانات اللاتينية والهندية مقارنة بالمجموعة الألمانية، مما يشير إلى أن تعقيد بعض الخطوط ونقص القرائن الهيكلية المحددة في بعض الوثائق يمثل تحديات مستمرة. كما أشاروا إلى أن طريقتهم في تحديد الكتاب المختلفين دون تسميات مسبقة، والتي تعتمد على تجميع أساليب خط اليد المتشابهة معاً، قد لا تعمل بشكل مثالي في المجموعات التي تضم مئات الكتاب المختلفين. بالإضافة إلى ذلك، يعتمد النظام حالياً على وجود بعض المعلومات الهيكلية عن الوثيقة، مثل مكان تحديد الاختصارات، وهو أمر لا يتوفر دائماً في كل أرشيف تاريخي.

إن تداعيات هذا العمل تمتد إلى ما هو أبعد من مجرد قراءة الرسائل القديمة. فمن خلال إثبات أن الحاسوب يمكنه تعلم قراءة خط يد كاتب جديد ببيانات قليلة جداً، فتح الباحثون الباب أمام رقمنة المجموعات الضخمة من الوثائق التاريخية التي كانت صعبة المعالجة سابقاً. وهذا قد يسمح للمؤرخين واللغويين بالوصول إلى نصوص ظلت حبيسة الأرشيفات لقرون، لمجرد أنه لم يكن أحد يستطيع قراءتها. كما يقدم هذا النهج لمحة عن كيفية تطور الذكاء الاصطناعي ليصبح أكثر مرونة وشبهاً بالبشر في قدرته على التعلم من أمثلة صغيرة، بدلاً من طلب تدفقات لا نهاية لها من البيانات. وتخلص الدراسة إلى أنه على الرغم من أن مشكلة قراءة خط اليد لم تُحل بالكامل، إلا أن هذه الط way الجديدة توفر أداة قوية لسد الفجوة بين العالم الرقمي والماضي المكتوب بخط اليد، صفحة تلو الأخرى.