"Čtení matrik s obyčejným chatem: co čekat a co ne"

Při bádání v matrikách dříve nebo později narazíte na text, který nepřečtete. Kurent, švabach nebo prostě jen velmi nečitelné rukopisy farářů z 18. století dokážou zastavit i zkušeného badatele. Pro lidi bez programátorských znalostí, kteří mají k dispozici jen běžné okno chatu, se nabízí lákavá zkratka: nahraju výřez skenu a nechám umělou inteligenci, ať mi ho přečte.

Naše zkušenosti ukazují, že to funguje, ale s velkými a často skrytými pastmi. Nebudeme zde hodnotit konkrétní modely nebo sestavovat žebříčky úspěšnosti. Vývoj jde příliš rychle kupředu a takový žebříček by byl do měsíce zastaralý. Zaměříme se na to, co se stává napříč všemi velkými modely bez ohledu na to, kdo je vyrobil.

Naše nejsilnější zjištění: Model potvrdí vaši vlastní chybu s větší jistotou, než jste ji měli vy.

Jeden z badatelů řešil, jestli v zápise stojí příjmení začínající na R, nebo na P. Předložil modelu tři výřezy - ukázku „jistého R“, ukázku „jistého P“ a sporný zápis. Model vrátil jednoznačný verdikt „je to P“, i se strukturálním zdůvodněním.

Jenže ta ukázka „jistého P“ bylo ve skutečnosti úplně jiné příjmení - badatel si ji předtím sám přečetl špatně. Model tedy porovnával proti něčemu, co neexistuje, a jen dodal autoritu cizí chybě.

Následek: podle toho verdiktu odvolal správný nález a musel psát omluvu člověku, kterému předtím poslal opačnou informaci. Vyvrátil to až člověk, který ten rod znal - pouhým pohledem, za dvě minuty.

Takhle ta dvě místa vypadají. Obě jsou z matriky zemřelých z počátku 19. století, psané toutéž rukou.

Tohle je ten sporný zápis. Badatel v něm četl příjmení začínající na R, model potvrdil tvar s P. Liší se jediným písmenem na začátku a obě čtení jsou při zběžném pohledu obhajitelná.

A tohle je ten kontrolní vzorek - to, co badatel modelu poslal jako „takhle jistě vypadá P". Ve skutečnosti tam stojí úplně jiné příjmení, které se s tím sporným neshoduje ani v jednom písmenu. Hned za ním navíc následuje jiné řemeslo, než badatel četl, takže vedle jména seděla špatně i profese.

🔑 Všimněte si, že to nejsou dvě ukázky téže chyby. V prvním případě jde o záměnu jednoho písmene mezi dvěma tvary, které si opravdu jsou podobné - tam se dá o čtení poctivě přít. Ve druhém případě nešlo o podobnost vůbec. Badatel do toho místa dosadil jméno, které v kraji očekával, a přestal číst, co tam skutečně stojí.

A tady je ta zrádná část: je docela dobře možné, že to očekávání samo o sobě bylo správné. Rod toho jména v okolí žít mohl a badatel o něm mohl vědět z jiných zápisů. Chyba nebyla ve znalosti, ale v tom, že ji použil místo čtení. Takový omyl se hledá hůř než výmysl, protože vypadá jako znalost místních poměrů - a často jí i je, jen posazená na špatné místo.

Poučení: kontrolní vzorek musí být doložený, ne „podle mě jistý“. Model nemá jak poznat, že vstup, proti kterému porovnává, je vadný. Když je vadný, dostanete sebejistou odpověď postavenou na písku.

Prvním a nejnebezpečnějším rysem všech chatových modelů je, že téměř nikdy neřeknou „nevím“. Model je nastavený tak, aby vám vyhověl a dal vám odpověď. Pokud je text na skenu rozmazaný nebo nečitelný, model se nezastaví. Místo toho zkusí nabídnout tvar slova, který vypadá pravděpodobně vzhledem k okolnímu textu.

Tato ochota hádat je v genealogii velmi nebezpečná. Dostanete totiž suverénní a plynulý text, který vypadá naprosto věrohodně. Pokud si ho po modelu zkusíte slabikovat, často nabudete dojmu, že farářovy čmáranice skutečně odpovídají nabídnutému přepisu.

S tím souvisí další jev: model si pod škrábanci a kaňkami domýšlí to, co tam nevidí. Pokud je část jména překrytá skvrnou, model doplní chybějící písmena podle nejčastějšího výskytu v daném jazyce. Neupozorní vás ale na to, že tři písmena uprostřed slova vlastně vůbec neviděl a že si je pouze vyvodil z kontextu.

Další zrádností je fenomén, o kterém podrobněji píšeme v textu Tři shodná čtení nejsou tři důkazy. Když modelu předložíte totéž špatně čitelné slovo víckrát, obvykle vám ho víckrát potvrdí stejně. Svádí to k závěru, že jde o několik nezávislých ověření - jenže nejde. Model naráží pokaždé na týž písařův tvar a čte ho týmž způsobem, takže opakovaná shoda říká víc o písaři než o správnosti čtení. U jednoho sporného příjmení jsme takhle dostali pět shodných čtení a všechna byla špatně; nepomohlo ani to, že jsme část z nich pustili v čisté relaci bez předchozího kontextu a s jiným modelem. Nezávislost nedají další pokusy, ale jiný pramen.

V matrikách přitom jedno jediné špatně přečtené slovo může změnit celý výklad rodinné historie. Nejde jen o překlepy ve jménech, jde o vztahy. Podívejme se na typický příklad z praxe se smyšlenými jmény.

Představte si zápis o svatbě. Ženich si bere Marii, u které je text napsaný zběžným kurentem. Může tam stát „zůstalá vdova po Janu Dvořákovi“, nebo tam může stát „zůstalá dcera po Janu Dvořákovi“. Slova „vdova“ a „dcera“ mohou v rychle psaném kurentu vypadat překvapivě podobně, zvlášť když inkoust za staletí vybledl.

Pokud model přečte slovo jako „vdova“, znamená to, že příjmení nevěsty za svobodna bylo jiné a Dvořák byl její první manžel. Pokud model přečte „dcera“, znamená to, že Dvořáková je její rodné jméno. Rozdíl mezi těmito dvěma čteními znamená, že buď budete dál v archivech hledat otce Jana Dvořáka, nebo budete hledat záznam o prvním sňatku Marie. Model vám sebevědomě nabídne jednu variantu a vy na ní postavíte další týdny pátrání.

Jak se tedy přes okno chatu ptát, abychom minimalizovali riziko a získali co nejlepší výsledek? Praktický postup vyžaduje změnu přístupu.

Když předložíte výřez s několika řádky a zeptáte se na „ten o dospělém muži“, model vrátí precizní přepis - ale klidně jiného řádku. Reálný případ: místo dospělého muže přepsal záznam o dvouletém dítěti. Nelhal, jen si vybral jinak.

Doporučení zní: vždy jeden řádek, a raději ho popsat i datem a číslem domu, ne slovním popisem osoby.

Jak poznat, že si model domýšlí a text nečte?

• Ptejte se „proč“, ne jen „co“. Užitečná odpověď zní „u tohohle písmene jde tah pod linku, u tamtoho ne“ - to si ověříte sami. Verdikt bez ověřitelného důvodu není odpověď.
• Model skoro nikdy neřekne „nerozhodnu“ - a to ani tehdy, když mu to výslovně povolíte jako platnou odpověď. Ochota rozhodnout vždy je varovný signál, ne kvalita.
• Nechte ho přečíst totéž místo dvakrát s odstupem a pokaždé jinak formulovaně.

Zvětšení pomáhá víc než jakákoli formulace dotazu, a je to změřené na praxi: při čtení jmen ze zmenšeného přehledu se badatel mýlil systematicky, v desítkách zápisů. Týž zápis zvětšený na trojnásobek přečetl správně.

Z toho plyne praktické pravidlo: přehledové snímky slouží k nalezení stránky, ne ke čtení jmen. Před nahráním do chatu si výřez vždy výrazně zvětšete.

A to nejdůležitější pravidlo na závěr: získané čtení nikdy neověřujte proti druhému čtení téhož záznamu od jiného modelu. Ověřujte ho proti jinému historickému prameni. Pokud vám model přečte z oddací matriky jméno otce nevěsty, nehledejte potvrzení v dalším chatu. Najděte narození této nevěsty nebo záznam o narození jejích sourozenců a podívejte se, zda jméno otce dává smysl tam.

Umělá inteligence je pro čtení matrik skvělý rádce ve chvíli, kdy si nevíte rady. Ale nikdy by neměla být konečnou autoritou, která rozhoduje o pravdě.