Từ máy scan đến AI – khi tài liệu cũ trở thành dữ liệu có thể khai thác

Nhìn vào một chiếc máy scan trong văn phòng, rất khó hình dung thiết bị quen thuộc ấy lại đứng ở điểm đầu của một câu chuyện lớn về dữ liệu.

Một hợp đồng được đưa qua máy scan.

Một cuốn sách cũ được số hóa trong thư viện.

Một tấm bản đồ được chuyển thành hình ảnh độ phân giải cao.

Một tập báo cũ được xử lý từng trang.

Một bộ hồ sơ hành chính được đưa vào hệ thống lưu trữ.

Những công việc ấy diễn ra ở những nơi khác nhau và phục vụ những mục đích khác nhau. Nhưng chúng có một điểm chung: đưa thông tin từ thế giới vật lý bước vào môi trường số.

Trong thời đại AI, bước chuyển tưởng như đơn giản ấy đang mang một ý nghĩa mới.

AI không thể tìm trong một tủ hồ sơ đóng kín

Một thư viện có thể lưu hàng triệu trang sách. Một cơ quan có thể có hàng chục năm hồ sơ. Một doanh nghiệp có thể giữ hợp đồng và chứng từ từ ngày đầu thành lập.

Thông tin vẫn tồn tại.

Nhưng đối với một hệ thống máy tính, một tài liệu nằm trên giá sách hay trong tủ hồ sơ gần như chưa tồn tại dưới dạng dữ liệu có thể trực tiếp xử lý.

Con người có thể mở tài liệu ra đọc.

Máy tính thì cần một con đường khác.

Bước đầu tiên thường là tạo ra bản số bằng máy scan hoặc những hệ thống số hóa phù hợp. Sau đó, OCR nhận dạng phần chữ. Metadata bổ sung thông tin mô tả. Hệ thống lưu trữ phân loại và lập chỉ mục để tài liệu có thể được tìm thấy.

Một hành trình dần hình thành:

Tài liệu giấy → Scan → OCR → Metadata → Dữ liệu → Tìm kiếm → Kết nối → AI

Máy scan đứng ở đầu chuỗi.

AI nằm gần cuối chuỗi.

Nhưng giá trị thực sự được tạo nên bởi toàn bộ quá trình ở giữa.

Từ đọc từng tài liệu đến tìm trong cả kho dữ liệu

Trước đây, muốn biết một thông tin có xuất hiện trong một cuốn sách hay không, cách chắc chắn nhất là đọc cuốn sách đó.

Nếu thông tin có thể nằm trong một nghìn cuốn sách, công việc trở nên khó khăn hơn rất nhiều.

Dữ liệu số làm thay đổi giới hạn ấy.

Khi tài liệu đã được OCR và lập chỉ mục, hệ thống có thể tìm một từ hoặc cụm từ trên một lượng tài liệu rất lớn.

Một địa danh có thể được tìm thấy trong sách, báo, bản đồ và hồ sơ thuộc nhiều thời kỳ.

Tên một nhân vật có thể xuất hiện trong những nguồn tưởng như không liên quan.

Một sự kiện có thể được ghi lại từ nhiều góc nhìn khác nhau.

Trước đây, các mảnh thông tin ấy nằm cách xa nhau trên những giá sách, trong những kho lưu trữ hay tại những cơ quan khác nhau.

Khi trở thành dữ liệu, chúng bắt đầu có khả năng được kết nối.

Đây cũng là nền tảng để những công nghệ mới đi xa hơn việc tìm kiếm bằng từ khóa.

Khi AI bắt đầu đọc những gì con người đã viết từ trước

AI có khả năng xử lý một lượng thông tin lớn trong thời gian ngắn. Công nghệ có thể hỗ trợ phân loại tài liệu, tóm tắt nội dung, trích xuất thông tin và tìm ra những mối liên hệ giữa nhiều nguồn dữ liệu.

Nhưng AI không tạo ra lịch sử đã được ghi trên những trang báo cũ.

AI không tạo ra những công trình nghiên cứu được viết cách đây nhiều thập kỷ.

AI cũng không tạo ra những tấm bản đồ, bản thảo, hồ sơ hay cuốn sách mà các thế hệ trước đã để lại.

Những thông tin ấy đã tồn tại từ trước.

Điều công nghệ mới mang lại là một phương thức khác để tiếp cận và khai thác chúng.

Hãy hình dung một kho báo được xuất bản liên tục trong nhiều thập kỷ.

Nếu toàn bộ vẫn nằm trên giấy, muốn nghiên cứu sự thay đổi của một địa danh, người đọc phải lần theo từng số báo.

Nếu kho báo đã được số hóa, OCR và tổ chức tốt, người nghiên cứu có thể tìm tên địa danh trên toàn bộ tập dữ liệu.

AI sau đó có thể hỗ trợ tổng hợp những tài liệu liên quan, sắp xếp theo thời gian hoặc phát hiện những thay đổi trong cách địa danh ấy được nhắc đến.

Một kho tài liệu cũ khi ấy bắt đầu có khả năng tạo ra những góc nhìn mới.

Dữ liệu tốt vẫn bắt đầu từ những công việc rất căn bản

Sự phát triển nhanh của AI đôi khi khiến chúng ta tập trung nhiều vào những gì công nghệ có thể làm mà quên mất chất lượng của dữ liệu đầu vào.

Một tài liệu scan bị mất góc có thể làm mất thông tin.

Một trang quá mờ khiến OCR nhận dạng sai.

Tên tài liệu không thống nhất khiến việc phân loại trở nên khó khăn.

Metadata thiếu hoặc sai có thể khiến một tài liệu được đặt nhầm bối cảnh.

Nếu dữ liệu đầu vào không tốt, những công nghệ phía sau cũng khó tạo ra kết quả tốt.

Bởi vậy, trong một dự án số hóa lớn, những công việc tưởng như đơn giản như làm sạch tài liệu, scan đúng tiêu chuẩn, kiểm tra OCR, đặt tên file, nhập metadata và kiểm soát chất lượng lại có ý nghĩa rất quan trọng.

AI có thể là lớp công nghệ nổi bật nhất mà người sử dụng nhìn thấy.

Nhưng phía dưới nó vẫn là những lớp dữ liệu được xây dựng từng bước.

Công nghệ càng thông minh, dữ liệu nền càng cần được làm cẩn thận.

Một trang giấy có thể bắt đầu một đời sống mới

Một cuốn sách được in cách đây 100 năm từng có một đời sống vật lý.

Nó được in, đóng thành sách, đưa đến thư viện, nằm trên giá và được nhiều thế hệ độc giả mở ra đọc.

Khi được số hóa, cuốn sách có thêm một đời sống khác.

Nội dung có thể được tìm kiếm.

Tên người và địa danh có thể được nhận diện.

Những đoạn liên quan có thể được kết nối với tài liệu khác.

Người ở một nơi rất xa có thể tiếp cận bản số mà không cần chạm vào bản gốc.

Và trong thời đại AI, nội dung ấy còn có thể tham gia vào những phương thức khai thác mà khi cuốn sách được xuất bản, tác giả của nó khó có thể hình dung.

Điều tương tự có thể xảy ra với một tờ báo, một tấm bản đồ, một bức ảnh, một bộ hồ sơ hay một bản thảo viết tay.

Số hóa không làm thay đổi quá khứ.

Nhưng nó có thể thay đổi khả năng chúng ta tìm hiểu quá khứ.

Từ thời đại giấy đến thời đại dữ liệu

Trong suốt lịch sử, con người luôn tìm cách lưu lại thông tin.

Có những thông tin được khắc trên đá.

Có những tri thức được chép tay.

Kỹ thuật in giúp sách và báo chí phổ biến rộng hơn.

Máy tính đưa thông tin vào môi trường điện tử.

Internet giúp dữ liệu có thể được truyền đi gần như tức thời.

Và ngày nay, AI đang mở thêm một cách mới để con người tương tác với lượng dữ liệu ngày càng lớn.

Nhưng giữa các thời đại ấy luôn tồn tại một bài toán chuyển tiếp.

Hàng trăm năm thông tin trên giấy không tự động trở thành dữ liệu chỉ vì xã hội đã bước vào thời đại số.

Ai đó vẫn phải mở kho tài liệu.

Ai đó vẫn phải đưa từng trang vào hệ thống.

Máy scan vẫn phải ghi nhận hình ảnh.

OCR vẫn phải nhận dạng nội dung.

Dữ liệu vẫn phải được kiểm tra, mô tả và tổ chức.

Từng bước nhỏ ấy đang đưa những gì thuộc về thời đại giấy sang một môi trường mới.

Công nghệ thay đổi, giá trị của thông tin vẫn còn

Nhìn lại toàn bộ hành trình, máy scan và AI dường như thuộc về hai thế hệ công nghệ rất khác nhau.

Một thiết bị làm công việc tưởng như đơn giản: chuyển trang giấy thành hình ảnh số.

Một công nghệ khác có khả năng đọc, phân tích và hỗ trợ con người khai thác lượng dữ liệu khổng lồ.

Nhưng giữa chúng tồn tại một mối liên hệ rất rõ:

Không có dữ liệu, sẽ không có gì để tìm kiếm, kết nối hay phân tích.

Và rất nhiều dữ liệu có giá trị của xã hội hiện vẫn đang nằm trên giấy.

Vì vậy, chuyển đổi số không chỉ là câu chuyện tạo ra những hệ thống mới hay những dữ liệu mới.

Nó còn là hành trình đưa những gì con người đã ghi lại trong quá khứ bước vào thế giới dữ liệu của hiện tại.

Từ một trang giấy.

Qua một chiếc máy scan.

Trở thành dữ liệu.

Và từ dữ liệu ấy, những công nghệ của hôm nay có thể giúp chúng ta nhìn lại, tìm kiếm và hiểu thêm những điều mà các thế hệ trước đã để lại.

Có lẽ đó cũng là một trong những giá trị sâu xa nhất của số hóa: không chỉ lưu lại thông tin, mà giúp thông tin tiếp tục được tìm thấy và tạo ra giá trị trong một thời đại mới.