Swedish Lion — O Modelo de IA do Riksarkivet que Tornou Pesquisável um Milhão de Documentos Históricos Manuscritos

O Arquivo Nacional da Suécia (Riksarkivet) opera a sua própria unidade de investigação em IA, a AIRA, que criou o 'Swedish Lion', um modelo de reconhecimento de texto manuscrito (HTR) treinado especificamente para ler caligrafia sueca de cerca de 1600 a 1900. Os dados de treino provieram do 'Transkriberingsnod Sverige', uma colaboração de três anos, financiada publicamente, na qual investigadores voluntários de genealogia transcreveram manualmente documentos históricos para construir o conjunto de dados de referência de que o modelo necessitava.

O projeto visa tornar grandes coleções de arquivo histórico pesquisáveis em texto integral, começando por duas coleções principais: o arquivo da Comissão da Bruxaria do século XVII e os protocolos do Tribunal de Recurso de Svea do século XVIII.

O Riksarkivet publicou os textos interpretados por máquina como dados abertos, descarregáveis via API ou como ficheiros XML, tendo previamente disponibilizado como código aberto as suas ferramentas subjacentes de HTR/OCR, incluindo a framework 'HTRflow', para reutilização por outros arquivos e investigadores.

O modelo tornou pesquisáveis em texto integral cerca de 1,2 milhões de páginas na Base de Dados do Arquivo Nacional, a partir de um lote inicial de mais de um milhão de documentos manuscritos. O Riksarkivet afirmou que serão processadas e publicadas progressivamente mais milhões de páginas de arquivo até 2025.

Como os materiais do próprio projeto não publicam um valor formal e verificado de forma independente para a precisão ou taxa de erro, a prática é sobretudo evidenciada pelo seu resultado entregue e publicamente verificável, e não por uma pontuação de precisão validada por referência.