Quel est le principe de l'analyse du contenu manuscrit par l'IA ?

Lorsqu'il s'agit de l'analyse par l'IA de contenus manuscrits, il s'agit d'une avancée technologique étonnante ! Le saviez-vous ? Alors que les ordinateurs avaient du mal à reconnaître un texte soigneusement imprimé, ils sont désormais capables d'interpréter avec précision une ordonnance médicale, même tordue. L'IA ne comprend pas les mots en les "regardant", comme le font les humains, mais en décodant l'écriture à l'aide de calculs mathématiques complexes. Ne rougissez pas tout de suite, laissez-moi vous expliquer avec un exemple concret : imaginez que vous appreniez à un enfant à reconnaître des mots. Au début, il peut confondre le mot "pleurer" avec le mot "rire", mais avec de la pratique et des corrections, il finira par être capable de faire la distinction entre différents types d'écriture, et le processus d'apprentissage de l'IA est similaire. Le processus d'apprentissage de l'IA est similaire.

Comment les réseaux neuronaux "lisent" l'écriture manuscrite

L'IA moderne s'appuie fortement sur les réseaux neuronaux profonds pour traiter le contenu manuscrit. Plus précisément, lorsque le système scanne un texte manuscrit, il commence par prétraiter l'image - en ajustant le contraste, en corrigeant l'inclinaison, en supprimant le bruit, etc. Les données des pixels sont ensuite introduites dans des couches de réseaux neuronaux pour l'extraction des caractéristiques. Il est intéressant de noter que l'IA commencera à reconnaître les traits dès le début, comme nous le faisons avec un seul trait lorsque nous écrivons. Les recherches montrent que le modèle Gemini de Google dans la reconnaissance de l'écriture anglaise, la précision de la reconnaissance d'un seul caractère a atteint un niveau étonnant de 98,7%. Cependant, la reconnaissance de l'écriture chinoise est beaucoup plus complexe, après tout, les caractères chinois sont vraiment plus "difficiles pour l'IA".

Le vrai problème est encore plus difficile que cela - l'écriture a tendance à avoir un style personnel, par exemple j'ai tendance à écrire la "cuillère" à droite du mot "的" en très petit. Et la même personne peut écrire différemment selon son humeur (croyez-moi, un dossier médical rédigé à 3 heures du matin n'est pas le même que celui rédigé à 8 heures). C'est pourquoi les systèmes d'IA utilisent des réseaux neuronaux récurrents (RNN) ou des architectures de transformateurs pour comprendre la corrélation entre les caractères individuels et améliorer le taux de reconnaissance global. Les dernières recherches de Meta montrent que, combinée à la compréhension du contexte, la précision de la reconnaissance d'une phrase entière en chinois manuscrit peut être améliorée de 75% à 89%.

Techniques d'optimisation pour des scénarios particuliers

Dans la pratique, l'IA rencontre également des situations particulières. Par exemple, une case à cocher dans un formulaire, le symbole spécial d'un médecin sur une ordonnance ou un gribouillis dans les notes d'un étudiant. Pour faire face à ces défis, les ingénieurs ont développé quelques astuces utiles :

• Techniques d'estimation des gestes : analyse de l'angle d'inclinaison et de l'ordre des traits d'un texte
• Entraînement contradictoire : entraînement intentionnel du modèle à l'aide d'une variété d'échantillons d'écriture déformés et déformants.
• Mécanismes d'attention : l'IA apprend à se concentrer sur les touches et à ignorer les taches d'encre superflues.

L'un des cas présentés par Huawei en 2023 est intéressant : le système doit reconnaître l'écriture d'anciennes inscriptions enregistrées par des archéologues sur place. L'écriture avait été altérée par les intempéries et, combinée aux notes prises à la hâte par les archéologues, rendait la reconnaissance extrêmement difficile. Après six mois de formation ciblée, le système a atteint une précision de reconnaissance de 821 TP3T sur 1 200 pages de manuscrits, soit 171 TP3T de plus que ce à quoi les experts s'attendaient.

En ce qui concerne les limites, l'IA craint toujours de rencontrer une signature griffonnée ou une œuvre d'art. J'ai vu un système de formulaires intelligents ne pas reconnaître la signature griffonnée d'un médecin et j'ai dû recourir à l'aide humaine à la fin. Toutefois, à l'avenir, avec le développement de l'IA multimodale, le système pourrait être en mesure d'intégrer davantage d'informations telles que la pression d'écriture, la vitesse, etc. et pourrait un jour être capable de déchiffrer parfaitement tout contenu manuscrit. Qu'en pensez-vous ?