Swedish Lion — El modelo de IA del Riksarkivet que hizo consultable un millón de documentos históricos manuscritos

El Archivo Nacional de Suecia (Riksarkivet) opera su propia unidad de investigación en IA, AIRA, que desarrolló 'Swedish Lion', un modelo de reconocimiento de texto manuscrito (HTR) entrenado específicamente para leer escritura sueca de aproximadamente 1600 a 1900. Los datos de entrenamiento provinieron de 'Transkriberingsnod Sverige', una colaboración de tres años financiada con fondos públicos, en la que investigadores genealógicos voluntarios transcribieron manualmente documentos históricos para construir el conjunto de datos de referencia que el modelo necesitaba.

El proyecto busca hacer que grandes colecciones de archivo histórico sean buscables a texto completo, comenzando por dos colecciones principales: el archivo de la Comisión de Brujería del siglo XVII y los protocolos del Tribunal de Apelación de Svea del siglo XVIII.

Riksarkivet ha publicado los textos interpretados por la máquina como datos abiertos, descargables vía API o como archivos XML, y previamente había liberado como código abierto sus herramientas subyacentes de HTR/OCR, incluido el marco 'HTRflow', para su reutilización por otros archivos e investigadores.

El modelo ha hecho buscables a texto completo alrededor de 1,2 millones de páginas en la Base de Datos del Archivo Nacional, a partir de un lote inicial de más de un millón de documentos manuscritos. Riksarkivet ha declarado que se procesarán y publicarán progresivamente millones de páginas de archivo adicionales hasta 2025.

Dado que los materiales propios del proyecto no publican una cifra formal y verificada de forma independiente sobre precisión o tasa de error, la práctica se sustenta principalmente en su resultado entregado y verificable públicamente, más que en una puntuación de precisión evaluada frente a una referencia.