کلی از نرمافزار آراکس صحبت کردیم، ولی از اصل موضوع که OCR۱ باشه، غافل موندیم. امروز یکی از دوستان عالم به علوم فلسفی و رایانه و ... که خبر تولد آراکس را برایش فرستاده بودم، به من میل زد و گفت: اگر منظورتان نرمافزاریست که صحبت فارسی را تبدیل به متن تایپ شده میکند که خوب "نویسا" قبلا وجود داشته! و من متوجه شدم که OCR را باید بیشتر توضیح داد.
به تصویر زیر دقت کنید، ببیند کلمة «بازسازی» در آن وجود دارد یا نه؟ با کمی دقت متوجه میشوید که در خط ماقبل آخر، این کلمه وجود دارد... خوب حالا ببینید توی این کتاب 160 صفحهای چند بار در مورد «موفقیت» بحث شده است؟... مسلما کار سختی است و احتمالا حدود یکی دو ساعت طول میکشد تا متوجه شوید 40 بار از «موفقیت» صحبت شده است... حالا لطفا با استفاده از مطالب این کتاب یک گزارش چند صفحهای در مورد عوامل اصلی موفقیت بنویسید!.. خوب دیگر، باید به صفحهکلید متوسل شده و مطالب مورد نظر را یکی یکی با انگشتان مبارک تایپ بفرمایید.
تا حالا از این جور اتفاقات برایتان افتاده؟ مثلا بخواهید از مطالب یک کتاب، یک نامة اداری، یک مقالة جذاب و یا یک مطلب مجله در جایی مثل وبلاگ، پایان نامه، مقاله و یا آرشیو شخصی استفاده کنید. در چنین مواردی اگر به جای اصل کتاب، فایل متنی، PDF و یا WORD کتاب را در اختیار داشتید، بهتر نبود؟ مثلا جستجوی کلمة موفقیت در تمام کتاب 160 صفحهای چقدر طول میکشید؟ به اندازة یک کلیک ماوس!. مشکل اینجاست که غالب اسناد، مجلات و کتابهایی که داریم، به صورت کاغذیاند و فایل متنی آنها در دسترس نیست.
یک راه حل: چطور است اسنادی که متن آنها را لازم داریم، به تایپیست داده و فایل متنی آنها را تحویل بگیریم. صفحهای 260 تومان، 10 روزه هم آماده است!... اگر پول و زمان کافی داشته باشید، پیشنهاد خوبیه، ولی تحمل کنید، شاید راههای بهتری هم باشد.
خوشبختانه این موضوع، فقط مشکل من و شما نبوده و انسانهای زیادی در سالیان متمادی درگیر این مشکل بودهاند. بالاخره یک دانشمند روسی به نام تيورين در سال 1900 میلادی بحث خواندن خودکار متن را مطرح کرد و وسیلهای برای این منظور ساخت. بعدها تلاشهایی برای گسترش این وسیله که به ماشین نویسهخوان نوری، OCR، مشهور شد انجام گرفت. اولين ماشين OCR براي خواندن كدهاي پستي دستنويس در سال 1968 در ژاپن ساخته شد و بعدها به ترتیب کشورهای آلمان (1978)، آمریکا (1980) و انگلیس (1982) از ماشینهای OCR برای خواندن کدهای پستی تایپی استفاده کردند.
یک راه حل بهتر: در حال حاضر نرمافزارهای OCR جای ماشینهای مذکور را گرفتهاند و بهرهبرداری از این سیستمها برای همگان آسان شده است. کار این نرمافزارها این است که تصویر سند را به عنوان ورودی گرفته و با تحلیل ساختار آن و پردازش حروف و علائم موجود در آن، متن معادل سند را تولید کرده و به صورت یک فایل متنی، PDF و یا WORD در اختیار قرار میدهند. در واقع این نرمافزارها، نوعی تایپیست بسیار سریع هستند... این راهحل بهتر از راه حل قبلی نیست؟!
--------------------------------------------------------------------------------
۱. Optical Character Reader/Recognition