Desbloqueando registos coloniais com Inteligência Artificial. Atingindo a transcrição automatizada de grandes coleções históricas latino-americanas dos séculos XVI e XVII - Lancaster EPrints

Entre os séculos XVI e XVIII, milhões de documentos foram produzidos em toda a América Latina, escritos tanto por colonizadores espanhóis como por povos indígenas. Estes registos coloniais foram redigidos em vários estilos caligráficos complexos e frequentemente incluíam línguas indígenas juntamente com o espanhol. Tal diversidade e a antiguidade destes documentos tornaram a sua transcrição e interpretação um desafio significativo, exigindo conhecimentos especializados em paleografia e línguas históricas. Como resultado, muitos insights históricos valiosos permanecem trancados em arquivos, inacessíveis para a maioria dos investigadores e do público.\n\nAvanços recentes em Aprendizagem Automática e Inteligência Artificial abriram novos caminhos para enfrentar estes desafios de transcrição. Nesta investigação, a equipa desenvolveu duas ferramentas computacionais principais para ajudar a desbloquear os ricos dados históricos contidos nos arquivos coloniais. A primeira ferramenta é um classificador de documentos históricos que utiliza Redes Neurais Convolucionais (CNNs) e Máquinas de Vetores de Suporte (SVMs) para identificar e categorizar com precisão os diferentes estilos caligráficos encontrados nos documentos. Este classificador demonstrou um desempenho excelente, alcançando pontuações F1 acima de 90% para a maioria dos tipos de escrita, indicando um elevado nível de precisão e recall.\n\nO segundo método computacional foca-se no Reconhecimento de Texto Manuscrito (HTR). Usando a plataforma Transkribus, os investigadores treinaram modelos especificamente em manuscritos espanhóis dos séculos XVI e XVII, o que permitiu a transcrição automatizada dos textos manuscritos. Os resultados mostraram taxas de erro de caracteres (CER) competitivas, com 5,25% para a escrita Redonda, 8,92% para Itálica Cursiva e 14,15% para Procesal Simples. Estas taxas de erro são conquistas notáveis dada a complexidade e variação histórica nos estilos de escrita.\n\nJuntas, estas ferramentas automatizadas permitem a transformação de documentos arquivísticos anteriormente “ilegíveis” ou inacessíveis em dados digitalizados e pesquisáveis. Esta inovação irá melhorar significativamente a acessibilidade dos registos históricos latino-americanos, capacitando bibliotecas, arquivos e investigadores a desbloquear séculos de informação que antes eram difíceis ou impossíveis de decifrar. Em última análise, este projeto representa um grande avanço nas humanidades digitais, ligando a investigação histórica à tecnologia de ponta em IA.\n\nAs implicações deste avanço tecnológico vão além da mera transcrição. Ao automatizar a leitura e classificação de vastas coleções de documentos coloniais, a investigação abre novas vias para análise histórica, estudos linguísticos e preservação cultural. Apresenta também oportunidades para colaborações entre historiadores, cientistas da computação e comunidades indígenas para recuperar e reinterpretar o seu passado comum. À medida que estas técnicas potenciadas por IA continuam a melhorar, prometem revolucionar a forma como os documentos históricos são estudados, preservando um património cultural inestimável para as gerações futuras.