Co si AI všimne, ale vy ne

Při bádání v matrikách trávíme mnoho času luštěním starého písma a hledáním konkrétních jmen. Často se bavíme o tom, v čem umělá inteligence při čtení pramenů selhává. Tento text ukazuje jinou její schopnost: nad přepsanými daty umí navrhnout souvislost, která člověku při práci po jednotlivých zápisech unikla. Takový návrh může změnit, na co se v rodinném bádání dál ptáme.

Abychom pochopili hlavní přínos, podívejme se, jak lidský mozek při genealogickém bádání funguje. Jeden badatel to po předložení svých dat umělé inteligenci shrnul takto:

„Já to sice vidím, ale kolikrát mě nenapadne si to všechno dát do souvislostí, až ty mě na to upozorníš a najdeš je.“

Vzápětí dodal ještě jedno klíčové upřesnění, které se týká naší pracovní paměti:

„Já si za týden nepamatuju, co jsem našel v matrice, protože těch údajů je strašně moc, ty větve rostou, ale ty to dokážeš propojit a víš všechno najednou.“

V těchto slovech se skrývají dva důvody, proč nám vzorce unikají. Prvním je kapacita paměti, druhým je to, že při řešení jedné rodiny nemusíme položit vedle sebe údaje z jiných větví. Obě roviny spolu souvisejí a vysvětlují, proč se vyplatí vzít si na pomoc nástroj pro porovnávání dat.

Kapacita paměti a rostoucí strom

Údajů v matrikách je mnoho. Zpočátku, když rodokmen zakládáme, máme přehled o několika předcích. Jak ale rodokmen roste, přibývají větve, data a různá jména. V určité chvíli už vlastní poznámky obsahují tolik záznamů, že je nelze držet všechny v hlavě.

Při takovém objemu je přirozené, že po čase nevíme, co jsme našli na samém začátku. Naše pozornost je upřena na aktuálně řešený problém. Starší nálezy se propadají dolů, do hlubin poznámek, a ztrácíme přehled.

Model umělé inteligence může nad předloženými přepsanými daty porovnávat více údajů najednou. Kolik údajů zvládne, záleží na použitém nástroji a velikosti podkladů, proto mu je předkládejte po přehledných celcích. I tak nemusí listovat stránku po stránce jako člověk a může hledat opakování napříč zadaným souborem.

Schopnost vidět nečekaná spojení

Kapacita je ale jen jedna strana mince. I kdybychom si pamatovali každý zápis, nemusí nás napadnout položit určité údaje vedle sebe a zeptat se, co mají společného. Při hledání postupujeme podle aktuální otázky, a ta bývá často lineární.

Pokud narazíme na zajímavý detail, snažíme se ho vysvětlit v rámci dané rodiny. Nenapadne nás zkoumat, jestli se stejný detail neobjevuje i u rodin, které s tou naší na první pohled nesouvisí. Nedokážeme v reálném čase porovnávat stovky proměnných.

Umělá inteligence lze požádat, aby v datech hledala opakování, výjimky a možné souvislosti. Korelace znamená, že se dva jevy v datech objevují společně; není to ještě důkaz, že jeden způsobil druhý. Výstup může upozornit, které údaje stojí za další kontrolu v matrice.

Dvě různé práce: Čtení osudů a čtení struktur

Proč k tomuto rozdílu mezi námi a strojem dochází? Naše čtení pramene postupuje v čase po jednotlivých záznamech. Otevřeme knihu, zápis přečteme, zapíšeme a jdeme dál. Mezi přečtením prvního a padesátého zápisu uplyne celý týden.

Naproti tomu hledání vzorce je snazší, když máme více zápisů před sebou najednou. Badatel při čtení knihy obvykle soustředí pozornost na jednotlivý, často obtížně čitelný záznam; přehled přes celý soubor si musí vytvořit zvlášť.

Tím se dostáváme k zásadnímu rozdílu. Člověk čte osudy konkrétních lidí. Když louskáme zápis o svatbě, čteme mikropříběh o rodinách ženicha a nevěsty. Model pracuje především se strukturou zadaných údajů: se jmény, daty, místy a vazbami mezi nimi.

V týchž datech může nástroj upozornit třeba na čtvrtý sňatek mezi dvěma rody během třiceti let. Člověk pak rozhodne, zda jde o skutečný vzorec, nebo jen o podobnost v přepisu. Druhá otázka nás nemusí napadnout, protože jsme právě soustředěni na příběh jednoho zápisu.

Tři typy souvislostí, které AI odhalí

Jak to vypadá v praxi? Ukážeme si tři konkrétní typy souvislostí, které modely dokážou v datech objevit, zatímco nám často uniknou. Příklady reprezentují skutečné mechanismy.

Prvním příkladem je situace, kdy jeden úřad nebo řemeslo drží rodina po mnoho generací. V jedné obci můžete narazit na rychtáře s různými příjmeními. Pokud se úřad dědil po přeslici nebo přešel na zetě, snadno vám tato skrytá vazba unikne.

Umělá inteligence může upozornit, že se adresa nebo svědci opakují u zdánlivě nesouvisejících rodin. To je podnět zkontrolovat, zda úřad rychtáře nepřecházel mezi příbuznými nebo přes sňatek. Když se souvislost potvrdí prameny, víte, na jaké vazby se ptát v dalších generacích.

Druhým typem je dědění křestních jmen po kmotrech. V rodině se narodí jedenáct dětí. Jména tří z nich se shodují s jejich kmotry. Jednotlivě vzato se to může jevit jako náhoda. Oblíbených křestních jmen tehdy nebylo mnoho.

Jako vzorec je to vodítko k další otázce. Pokud AI zjistí, že se jev opakuje, může na něj upozornit. Potom ověřte v konkrétních zápisech, jaký vztah ke křtěnému kmotr měl; jméno dítěte může být stopou, samo o sobě však vztah nedokazuje.

Třetím typem jsou opakované sňatky mezi dvěma rody. Dvě rodiny se berou navzájem znovu a znovu v průběhu generací. Pro laika to může být chronologicky velmi matoucí. Větve se kříží a je těžké udržet si odstup.

Model může takovou síť přehledně vypsat. Sousedství, majetkové vztahy ani důvod opakování příjmení ze samotného vzorce nevyplývají; jsou to možné vysvětlení, která je třeba hledat v dalších zápisech a pramenech.

Hranice stroje: Hypotéza není nález

Umělá inteligence za vás nevyřeší celý výzkum. Vzorec, který model najde, je hypotéza (ověřitelný předpoklad), ne hotový nález.

Model může navrhnout vzorec i tam, kde ve skutečnosti žádná vazba není. Pokud mu předložíte data o jedenácti dětech, může vyhodnotit tři shodná jména s kmotry jako pravidlo. Bez dalších pramenů ale nerozliší, zda jde o rodinnou vazbu, dobovou oblibu jména, nebo náhodu.

Každou navrženou souvislost ověřte proti původním pramenům. Další dotaz u stejného modelu není nezávislý důkaz: pracuje se stejnými podklady a stejným typem vyhodnocení. Neověřená souvislost vás může poslat hledat do nesprávné knihy nebo větve.

Praktický postup: Jak se na souvislosti ptát

Abychom z AI získali přínos, musíme vědět, jak s ní komunikovat. Pro hledání souvislostí jí předkládejte přepsaná data, ne jen skeny. Přepis oddělí luštění písma od porovnávání struktury a vy můžete u každého údaje uvést, z jakého zápisu pochází.

Zeptejte se modelu otevřeně: „Co se v těchto datech nápadně opakuje?“ Vyhněte se návodným otázkám typu „Potvrď mi, že tyto dva rody spolu souvisejí.“ Místo potvrzení žádejte seznam dokladů i protipříkladů a vraťte se s ním k pramenům.

Žádejte také o kritický pohled. Nechte si cíleně vypsat i protipříklady, nejen doklady, které hypotézu podporují. U každého bodu pak zkontrolujte, zda jde o skutečný zápis, nebo jen o údaj převzatý z jiného přepisu.