Автографы Петра I: чтение технологиями искусственного интеллекта и создание электронного архива

Базарова Татьяна Анатольевна ORCID: 0000-0001-9380-5921 кандидат исторических наук Зав. Научно-историческим архивом и группой источниковедения, Санкт-Петербургский институт истории Российской академии наук 195196, Россия, г. Санкт-Петербург, ул. Громова, 12 Bazarova Tat'yana Anatol'evna PhD in History Head of the Scientific and Historical Archive and a Group of Source Studies 195196, Russia, Saint Petersburg, Gromova str., 12 tbazarova@yandex.ru

Проскурякова Мария Евгеньевна ORCID: 0000-0003-3000-999X кандидат исторических наук Старший научный сотрудник, Санкт-Петербургский институт истории Российской академии наук 197082, Россия, г. Санкт-Петербург, ул. Оптиков, 47 Proskuryakova Mariya Evgen'evna PhD in History Senior researcher, Saint Petersburg Institute of History of Russian Academy of Sciences 197082, Russia, Saint Petersburg, Optikov str., 47 m-proskuryakova@mail.ru

Первые публикации автографов Петра I увидели свет в конце XVIII в. и еще не носили научного характера. На заре становления российской исторической науки ученых интересовало только содержание документа и возможность его интерпретировать ^{[4, 8, 9]}. Положение изменилось ко второй половине XIX в., когда историки разработали и стали применять принципы научной публикации. 200-летний юбилей Петра I побудил ученых обратить пристальное внимание на его эпистолярное наследие. На волне роста в российском обществе интереса к жизни и деятельности царя-реформатора академик Афанасий Федорович Бычков (который обладал значительным опытом изучения и публикации петровских документов) выдвинул идею выявить, скопировать и опубликовать все рассредоточенные по различным государственным, ведомственным и частным собраниям письма и бумаги Петра I. Замысел А. Ф. Бычкова поддержал министр народного просвещения Дмитрий Андреевич Толстой и одобрил император Александр II.

В конце 1872 г. была создана Комиссия по изданию писем и бумаг императора Петра Великого (в состав комиссии вошли петербургские и московские ученые С. М. Соловьев, Н. А. Попов, К. Н. Бестужев-Рюмин, Е. Е. Замысловский, Н. В. Калачов, А. Е. Викторов). В 1887 г. вышел из печати первый том «Писем и бумаг императора Петра Великого». В него были включены документы за 1688–1701 гг., как написанные писарским почерком и заверенные подписью царя-реформатора, так собственноручные письма и указы Петра I ^{[5, 6]}. В предисловии, разъясняя причины задержки публикации первого тома, члены комиссии отметили и «трудность найти лиц, умеющих правильно читать связный и неразборчивый почерк Петра Великого» ^{[5, т. 1, с. XIII]}.

Всего до революции было опубликовано шесть томов; первый выпуск седьмого тома вышел из печати в 1918 г., а второй — только в 1946 г. Работа, которая велась медленно и с большими перерывами, не завершена до сих пор. В 2022 г. увидел свет первый выпуск четырнадцатого тома, охватывающий события января—июня 1714 г. Материалы, относящиеся к последним десяти годам жизни первого российского императора, практически не введены в научный оборот. В связи с этим особую важность приобретает оцифровка и создание единой базы для хранения цифровых копий автографов Петра I, а также использование современных компьютерных технологий для машинного чтения его рукописного наследия.

В июне 2020 г. сотрудники Санкт-Петербургского института истории РАН (далее — СПбИИ РАН) и ПАО «Сбербанк» приступили к исполнению проекта «Автографы Петра Великого: Чтение технологиями искусственного интеллекта», который инициировало Российское историческое общество ^{[2, 3]}. Главной задачей проекта являлось создание программного обеспечения для распознавания автографов Петра I и размещение ее в открытом доступе в сети «Интернет». Пути решения проблемы в тесном сотрудничестве искали историки, специалисты в области вспомогательных исторических дисциплин и вычислительной техники.

В Санкт-Петербургском институте истории РАН была создана рабочая группа, состоявшая из специалистов по истории Петровской эпохи, а также палеографии и археографии. Ее ключевой задачей стал отбор и транскрибирование петровских автографов. Отбор документов проводился в т. 7–13 издания «Письма и бумаги императора Петра Великого». В этих томах приведены современные (или близкие к ним) архивные шифры документов за 1708–1713 гг. из собрания РГАДА. Сотрудники РГАДА проводили оцифровку материалов и передавали копии СПбИИ РАН. Члены рабочей группы транскрибировали полученные документы, при этом результаты прочтения каждого текста проходили двойную проверку. Варианты прочтения документов, приведенные в «Письма и бумаги императора Петра Великого», использоваться не могли. Для обучения искусственного интеллекта требовалось выработать иные принципы передачи текста, которые значительно отличались от требований современной археографии. Необходимо было максимально точно передать все знаки (буквы), которые использовал Петр I. Группа специалистов «Сбербанка», которую возглавили Д. В. Димитров и М. С. Потанин, создали пробный алгоритм с использованием небольшого числа транскрипций (около 90 автографов). На основании первой итерации алгоритма удалось уточнить принципы транскрибирования текста. Они сводились к следующему: а) пробелы между словами расставлялись; б) сокращения слов не раскрывались; в) буквы, написанные над строкой, вносились в строку; г) заглавные буквы не расставлялись; д) знаки препинания и знаки переноса строки не расставлялись; е) использовались вышедшие из употребления буквы «i» и «ѣ»; ж) воспроизводились зачеркнутые слова и строки; з) строки, вписанные вертикально по полю, воспроизводились в конце текста; и) установлены символы для воспроизведения знаков, которые использовал Петр I (например, знак креста в круге, который употреблялся им для обозначения места текстовой вставки). При компьютерном наборе текст транскрибировался построчно, а строки нумеровались (Рисунок 1).

Рисунок 1. Петровский автограф и построчная транскрипция текста (Письмо Петра I — П. П. Шафирову, 18 сентября 1711 г. // РГАДА. Ф. 142. Оп. 2. Д. 7. Л. 157).

Во время тестирования алгоритма были выявлены две технические ошибки. Первая заключалась в использовании неверного символа для буквы «i»: в некоторых транскрипциях вместо знака из латинского алфавита (конвенциональный вариант) применялся знак из украинского алфавита (неконвенциональный). Вторая ошибка произошла из-за разнообразия символов, которые употребляли палеографы при передаче знаков, применявшихся Петром I для обозначения вставки в текст. В многостраничных текстах, которые царь собственноручно правил, он использовал несколько вариантов для знака вставки (не менее десяти): а) крест ^{[7, л. 32, 33 об., 37, 180, 195 об., 221, 222, 385 об., 409; б) крест, слева заключенный в полукруг [7, л. 157, 180, 181 об., 230, 286, 304, 385 об., 409]}; в) крест в круге ^{[7, л. 240, 279 об., 367., 409]}; г) два креста, поставленные рядом ^{[7, л. 196 об., 197]}; д) косой (андреевский) крест ^{[7, л. 367 об., 385, 395]}; е) косой крест, сверху заключенный в полукруг ^{[7, л. 424]}; ж) косой крест, слева заключенный в полукруг ^{[7, л. 181 об.]}; з) косой крест в круге ^{[7, л. 409]}; и) косая черта, дважды перечеркнутая по горизонтали ^{[7, л. 39 об., 40, 279 об.]}; к) две вертикальные черты, перечеркнутые двумя горизонтальными чертами («решетка») ^{[7, л. 151 об.]}; л) овал в верхней части строки, соединенный с овалом в нижней части строки косой чертой ^{[7, л. 306а, 307]}. Некоторые из перечисленных символов использовались в единичных случаях, поэтому способ их передачи заранее не оговаривался. Во время тестирования алгоритма строки с символами-«не буквами» и символами-«не цифрами» остались не распознанными: исчез весь текст после неопознанного символа. Поэтому после выявления ошибок весь массив транскрипций был вновь просмотрен, а неверные символы заменены (Рисунок 2).

Рисунок 2. Знаки, используемые Петром I для обозначения вставки в текст («Сентенция» о действиях русской армии и флота в Финляндии, 11–12 мая 1713 г. Фрагмент // РГАДА. Ф. 9. Отд. I. Кн. 21. Л. 409).

После завершения работы с транскрибированием рукописей коллектив перешел к разметке данных в специализированной программе, доступ к которой предоставили сотрудники «Сбербанка». В программу загрузили фотокопии всех транскрибированных документов (719 страниц). Палеографам необходимо было с помощью ломаных линий отделить одну строку от другой. При этом следовало максимально аккуратно обводить элементы текста, включая буквы, написанные над строкой, и все элементы букв (петли, полупетли и мачты). Это требовалось для того, чтобы программа получила максимально большой набор шаблонов (вариантов написания Петром I букв и цифр) для корректного распознавания текста в будущем. На описываемом этапе к коллективу присоединились аспиранты и магистранты Научно-исследовательского университета «Высшая школа экономики». Всего совместными усилиями было транскрибировано и размечено 10512 строк, которые составили набор данных, переданных для дальнейшей работы программистов и проведения соревнования на лучшее решение. Соревнование осенью 2020 г. провел ПАО «Сбербанк» с целью получить другие варианты алгоритма для распознавания автографов и определить различные подходы к решению поставленной задачи (Рисунок 3).

Рисунок 3. Разметка фотокопии петровского автографа и построчная транскрипция текста (РГАДА. Ф. 142. Оп. 2. Д. 7. Л. 157).

Итогом работы коллектива историков, палеографов и специалистов по анализу данных стала компьютерная программа, которая размещена на сайте Digital Петр по адресу https://www.sber.ru/digital-petr/ ^[2]. Цифровые копии петровских автографов загружаются на ресурсе для распознавания. После транскрибирования интерфейс отражает одновременно и копию документа, и построчно прочитанный текст (все строки пронумерованы). На сайте также есть возможность скачать распознанный текст в формате docx.

После завершения работы над сайтом было проведено тестирование программного обеспечения на нескольких десятках петровских рукописей, которые не входили в набор учебных данных и не были ранее опубликованы. Для проверки качества распознавания на сайт был загружен документ из собрания СПбИИ РАН: «Замечания Петра I к “Линия де баталии” русских кораблей» 1719 г. ^{[1, л. 4]} (Рисунок 4).

Рисунок 4. Распознавание автографа Петра I на сайте Digital Петр https://www.sber.ru/digital-petr/ (Замечания Петра I к «Линия де баталии» русских кораблей, 1719 г. // Архив СПбИИ РАН. Колл. 277. Оп. 1. Д. 3. Л. 4).

Из 365 букв петровского текста (из которых 64 написаны над строкой) алгоритм «ошибся» только в четырех случаях. Это сложные для чтения слова: в 1-ой строке неверно прочитано зачеркнутое слово со следами правки: «увидат» вместо «увидят»; в 13-й строке прочитано «он» вместо «с нами», здесь Петр I один слог перенес под строку, а чернила оказались размазаны. В 9-й строке искусственный интеллект неверно поставил пробел, при этом правильно распознав все буквы в слове «во//просителю». Наконец, не были транскрибированы слова «на грот-стенге», в 4-ой строке «прочитано» так: «награ станге». Слово «грот-стеньга» стало новым для программы, оно не встречалось в автографах Петра I, использованных для обучения компьютера. При транскрибировании компьютером смысл документа не подвергся искажениям. Точность распознавания составила 97,4% (Рисунок 5).

Рисунок 5. Результаты распознавания текста на сайте Digital Петр (Архив СПбИИ РАН. Колл. 277. Оп. 1. Д. 3. Л. 4).

В ходе тестирования программы были выявлены четыре группы проблемных случаев, когда алгоритм не «читает» текст или допускает ошибки: а) строки, написанные вертикально (рядом с основным текстом или под текстом); б) строки, вписанные Петром I между строк писарского текста; в) текст, раздробленный на столбцы (два и более); г) буквы латинского алфавита. При транскрибировании текстов, которые содержат перечисленные особенности, процент точности чтения снижается. Однако, насколько можно судить по изученному комплексу петровских автографов, общее число таких документов невелико. Безусловно, результат также зависит и от качества цифровой копии загружаемого в программу архивного документа.

Во время реализации проекта, посвященного автографам Петра I, алгоритм протестировали на скорописных документах второй половины XVII века (транскрибировано и размечено 3500 строк). Искусственный интеллект показал высокую точность распознавания текстов (95,8%). Результатами этой работы в настоящее время нельзя воспользоваться, так как сайт, созданный в рамках проекта «Автографы Петра Великого: Чтение технологиями искусственного интеллекта» рассчитан исключительно на расшифровку петровских рукописей. Поэтому при загрузке других документов программа не работает. Однако за время реализации проекта коллективом СПбИИ РАН был накоплен уникальный опыт формирования наборов данных, необходимых для обучения алгоритма. Этот опыт может быть использован в будущем для создания новых моделей, ориентированных на машинное чтение текстов различных эпох и алфавитов.

В юбилейный петровский год, 2022 г., проект «Digital Петр» получил дальнейшее продолжение. По инициативе Российского исторического общества научные сотрудники вместе с IT-специалистами А. Ю. Ходотом и Е. В. Ригиным начали работу над новым сайтом, также направленным на изучение и популяризацию эпистолярного наследия Петра I. Вдохновением послужил проект цифрового академического издания сочинений А. С. Пушкина «Pushkin Digital» (https://pushkin-digital.ru/), который превратился в настоящую мультимедийную энциклопедию произведений великого русского поэта.

На разработанном IT-специалистами сайте «Автографы Петра I» (https://peterscript.ru/) были запрограммированы следующие страницы:

1. Главная.

2. Каталог документов с двумя вариантами вывода (списком и плиткой), а также контекстным поиском по документам, сортировкой по различным параметрам, группировкой по году и возможностью выбора количества результатов на странице с памятью выбора.

3. Страница документа с двумя колонками для планшетов и персональных компьютеров и одной для мобильных устройств. В первой колонке выводятся изображения рукописи с возможностью увеличения и переключения между изображениями, во второй — расшифровка каждой страницы рукописи через «Digital Petr», изображения публикации и публикация в формате pdf. Расшифровка через «Digital Petr» и изображения публикации были привязаны к каждому изображению рукописи (Рисунок 6).

Рисунок 6. Собственноручное письмо Петра I Г. Ф. Долгорукому, 13 июня 1709 г. (РГАДА. Ф. 9. Отд. I. Кн. 60. Л. 30) и результаты чтения петровского текста программой «Digital Петр», представленные на сайте «Автографы Петра I. Электронный архив» https://peterscript.ru/document/14

4. Текстовая страница с управлением через Панель администратора.

В настоящее время на сайте размещено свыше 170 писем, указов и записок Петра I за 1707–1713 гг., оригиналы которых хранятся в РГАДА и Архиве СПбИИ РАН. Каждое изображение автографа снабжено кратким заголовком с датой, указанием на место хранение и публикацию. У пользователя есть возможность осуществлять сортировку и поиск по данным параметрам, а также поиск по адресатам петровских писем. Каждая цифровая копия архивного документа сопровождаются копией ее публикации в «Письмах и бумагах императора Петра Великого» в форматах pdf и jpg, а также транскрибированной на сайте «Digital Петр». Таким образом, один и тот же текст оказался представленным в различных ипостасях. У специалиста или заинтересованного читателя появилась возможность прочитать петровский почерк самостоятельно, сравнить результат с публикацией в «Письмах и бумагах императора Петра Великого» (Рисунок 7) или с распознанным искусственным интеллектом.

Рисунок 7. Собственноручное письмо Петра I Г. Ф. Долгорукому, 13 июня 1709 г. (РГАДА. Ф. 9. Отд. I. Кн. 60. Л. 30) и научная публикация текста этого письма в «Письмах и бумагах императора Петра Великого» (М., 1950. Т. 9. Вып. 1. № 3227. С. 208), представленные на сайте «Автографы Петра I. Электронный архив» https://peterscript.ru/document/14

Также было принято решение размещенные на сайте документы «привязывать» к биохронике Петра Великого (Itinera petri: биохроника Петра Великого день за днем; https://spb.hse.ru/humart/history/peter/ ). Подготовленная Е. В. Анисимовым и размещенная на сайте НИУ ВШЭ в Санкт-Петербурге база данных, позволяет день за днем проследить жизнь и деятельность первого российского императора. Связь двух сайтов открывает перед исследователями дополнительные возможности. Например, узнать, что делал в день отправки размещенного на сайте письма первый российский император, какие еще указы подписал, с кем встречался или кто его сопровождал в поездке. Следовательно, каждый оцифрованный автограф вводится в исторический контекст.

Таким образом исследователи и все интересующие историей России Нового времени получат уникальную возможность работать с петровскими наследием еще до завершения фундаментальной публикации «Писем и бумаг императора Петра Великого» и оценить вклад, который внес Петр I в становление российской государственности.