نامه هایی که تسیولکوفسکی درخواست کرد

1934 Fireball، 970 صفحه پاسخ و اولین نسخه قابل خواندن توسط ماشین از آرشیو شخصی پدر فضانوردی

نوشته ولادیمیر بسکورووینی
دوشنبه 21 سپتامبر 2026

در 14 مه 1934، یک گلوله آتشین از منطقه مسکو عبور کرد. پنج هفته بعد، در 21 ژوئن، در اطلاعیه ها یادداشت کوتاهی از کنستانتین تسیولکوفسکی با عنوان “چه کسی ماشین را دید؟” چاپ کرد و از شاهدان عینی خواست که در کالوگا برای او نامه بنویسند.

آنها این کار را کردند. آرشیو شخصی او 221 فایل یا 970 صفحه پاسخ را در خود ذخیره می کند: معلم فیزیک در دانشکده فنی کشاورزی، متخصص دامپروری، سرکارگر در کارخانه شیمیایی، رئیس بخش کنترل فنی، سردبیر مجله، شورای روستا. پاسخ ها هفته ها طول کشید: 195 نامه در ژوئن، 20 نامه دیگر در ژوئیه. Tsiolkovsky در مورد نامه ها نظر داد و مقاله ای را با عنوان “درباره ماشین 14 مه 1934” آغاز کرد که هرگز تمام نشد.

به مدت 90 سال، این نامه ها در صندوق 555 آرشیو آکادمی علوم روسیه در مسکو، صندوق شخصی تسیولکوفسکی، نگهداری می شد. آنها سال ها پیش اسکن و در فضای مجازی منتشر شدند. اما “اسکن” به دور از “خواندن” بود، و داستان از بین بردن این شکاف چیزی است که این مقاله در مورد آن است.

از آگوست 2026، کل مجموعه – 2019 فایل بایگانی، 51008 صفحه اسکن شده – برای اولین بار به عنوان یک مجموعه قابل خواندن توسط ماشین وجود دارد: فهرست‌بندی شده، تاریخ‌گذاری شده، صفحه‌بندی شده و کاملاً رونویسی شده، با یک DOI دائمی و رابط جستجوی عمومی در دامنه عمومی منتشر شده است. مکاتبات ماشین گوشه کوچکی از مقیاس انسانی است و برای اولین بار هر کسی می تواند آن را جستجو و بخواند.

یک کلمه هشدار از قبل: رونویسی توسط ماشین تولید شده است و توسط انسان در یک صفحه تأیید نشده است. دقت آن اندازه‌گیری می‌شود – من استدلال می‌کنم که اندازه‌گیری جالب‌ترین بخش پروژه است – و مجموعه کمکی برای یافتن است، نه یک نسخه قابل استناد. هر فایل به اسکن های خود بایگانی پیوند داده می شود که منبع رکورد باقی می ماند. هیچ چیز تا به حال ناشناخته “کشف” نشده است. بلکه چیزی که تغییر کرده این است که مواد قابل استفاده شده است.

چرا «دیجیتال» به معنای «قابل دسترس» نیست

پورتال بایگانی اسکن ها را ارائه می دهد، اما کار با آن به عنوان یک منبع داده، موانعی را ایجاد می کند که تنها زمانی ظاهر می شوند که بخواهید از آن استفاده کنید.

شناسه در آدرس وب صفحه با شماره فایل بایگانی مطابقت ندارد: id=300 مربوط به پرونده 297 اولین موجودی است، زیرا 31 فایل دارای شماره حروف (145a، 077b، 585a و موارد دیگر) هستند که در شماره گذاری فعلی بدون جابجایی بایگانی، موقعیت هایی را اشغال می کنند. اسکن‌های بزرگ، بیش از 800 کیلوبایت، ناقص ارائه می‌شوند، حدود 130 کیلوبایت برش داده می‌شوند، و فقط می‌توانند با جستارهای بایتی بازیابی شوند. مرورگر به صورت بی صدا فایل کوتاه شده را ذخیره می کند. و حداقل در چهار مورد، «شماره نسخه» در توضیحات پرونده با تاریخ‌گذاری خود تناقض دارد: «نسخه دوم» به تاریخ 1 سپتامبر 1920 مقدم بر «نسخه اول» مورخ 19 اکتبر همان سال است.

هیچ‌کدام از اینها شکایتی از آرشیو نیست، که کار غرغر اسکن و انتشار 51008 صفحه را انجام داده است. در عوض، این تصویری از فاصله بین قرار دادن تصاویر آنلاین و تبدیل عشق به موضوع تحقیق است. بسته شدن این فاصله فهرست نویسی همه 2019 فایل (منتشر شده در 30 ژوئیه 2026 با DOI)، تاریخ گذاری 1969 مورد از آنها (155 علامت گذاری اولیه)، طبقه بندی صفحات – 34،903 صفحه نسخه خطی، 14،585 نسخه تایپ، هر یک، 1،520 رونوشت و در نهایت روی جلد و در نهایت 1،520 نسخه به طول انجامید.

مشکل اندازه گیری و ترفندی که دوران ماشین تحریر برای ما به جا گذاشت

ایجاد رونویسی ماشینی از متن دست‌نویس آسان است و اعتماد کردن به آن دشوار است. برای اندازه گیری دقت آن، به یک حقیقت اساسی نیاز دارید: همان متنی که یک انسان وارد کرده است. چنین حقیقتی برای یک صندوق آرشیوی وجود ندارد. اگر این کار را می کرد، خواندن ماشینی غیر ضروری بود. راه‌حل‌های موجود به سیگنال‌های اطمینان داخلی مدل متکی هستند.

آرشیوهای شخصی از دوران ماشین تحریر راهی برای خروج ارائه می دهد. آنها اغلب یک متن را دو بار ذخیره می کنند: نسخه خطی خودنویس و نسخه تایپی که از آن ساخته شده است، با هم. می توانید هر دو را با خط لوله مشابه بخوانید و رونویسی ها را مقایسه کنید. متن همان است و خط لوله همان است. تفاوت فقط در خوانایی صفحه است. اختلاف بین این دو قرائت تقریباً به طور کامل معیاری است که نشان می دهد چقدر دست خط سفت است.

Fund 555 شامل 1759 جفت از این دست تایپ اسکریپت در 224 فایل است. دو قرائت به طور متوسط ​​در 37 درصد از کلمات مطابقت دارند. متوسط ​​طولانی ترین چرخه کلمه مشترک بین آنها 10 کلمه بود و در 43٪ از جفت ها هیچ چرخه مشترکی از این بیشتر نبود. این اعداد کالیبراسیون صادقانه معنای “دستنوشته قابل خواندن با ماشین” در اینجا هستند.

آیا خود این ترفند معتبر است؟ در بخش کوچکی از مواردی که وجود دارد، می توان آن را در برابر حقیقت واقعی بررسی کرد: فایل هایی که متن آنها در چاپ نیز باقی می ماند. در آنجا، امتیاز خواندن زوجی تا یک درصد بی طرفانه است و صفحات را بر اساس سختی به همان روشی که حقیقت انجام می‌دهد رتبه‌بندی می‌کند: همبستگی رتبه‌ای 0.67 برای همه 55 جفت موجود، افزایش به 0.92 برای 32 جفت که نسخه چاپی به وضوح متن مشابه است، و 0.97 برای قطعی‌ترین متن.

در مقایسه با چاپ، خط لوله قبلی 98.1٪ دقت کاراکتر را در تایپ و 81.1٪ در دست خط (91.7٪ و 73.7٪ در سطح کلمه) اندازه گیری کرد. در مجموعه تمام‌شده، تصویر تقسیم می‌شود و نمی‌توان آن را میانگین کرد: وقتی یک فایل آرشیو حاوی همان ویرایشی است که چاپ شده است، دقت کاراکتر 92.3٪ است و وقتی فایل حاوی پیش‌نویس یا مواد کاری برای یک مقاله باشد، توافق با نسخه به 24٪ کاهش می‌یابد. اما این فاصله بین پیش نویس و فرم منتشر شده آن است، نه خطای خواندن.

گزارش نتایج منفی

پروژه ای مانند این یافته هایی را ایجاد می کند که نادیده گرفتن آنها وسوسه انگیز است. آنها به اندازه موفقیت ها به مقاله تعلق دارند.

مقایسه ویرایش های نویسنده با این کیفیت خواندن غیرممکن است. “سفینه فضایی” در دو نسخه در صندوق نگهداری شده است، دقیقاً ماده ای برای مقایسه متنی. واریته ها در 19 درصد کلمات با یکدیگر همخوانی دارند یا کمتر از دو مورد مطالعه ماشینی در یک صفحه با یکدیگر موافق هستند. ویرایش نویسنده را نمی توان از خطای خواندن تشخیص داد، بنابراین این اثر بسته است، منتشر نمی شود. این ممنوعیت در ابزار تعبیه شده است: نرم افزار از نشان دادن تفاوت هایی که به آستانه اندازه گیری شده نمی رسد خودداری می کند.

طبقه بندی کننده صفحه آزمون خود را با موفقیت پشت سر گذاشت و همچنان اشتباه بود. او نسخه خطی را از خط تایپی با گسترش طول های جوهر جدا کرد، با 19 صفحه برچسب دست مقایسه شد و همه 19 صفحه صحیح بودند. در 4675 صفحه ای که یک سیگنال تأیید مستقل وجود داشت، دقت آن 80٪ بود: کپی ها و تایپ های محو شده مانند نسخه خطی خوانده می شوند.

دو صفحه را با هیچ مدلی نمی‌توان خواند: یک بررسی تایپ‌نویسی آلمانی در سال 1927 از یکی از جزوه‌های تسیولکوفسکی، فیلتر داخلی را در برابر بازتولید کلمه به کلمه یک متن چاپ شده شناخته شده می‌شکند. آنها در یک مسیر جداگانه خوانده می شوند و در مورد علامت گذاری می شوند.

دوستیابی چه چیزی را نشان می دهد؟

تاریخ گذاری فایل های 1969 از کارت های کاتالوگ پورتال، ظاهراً برای اولین بار، امکان مشاهده کل مجموعه را در یک جدول زمانی فراهم می کند. هشتاد و شش درصد پرونده ها مربوط به 18 سال آخر زندگی تسیولکوفسکی است. دهه 30 58 درصد از فایل ها را تشکیل می دهد اما تنها 40 درصد از صفحات را تشکیل می دهد. در سالهای اخیر کار او متوقف نشده، بلکه از رساله های مبسوط به یادداشت های کوتاه کوتاه شده است. دهه 1920 با 557 پرونده و دهه 1910 با 145 پرونده همراه شد.

در برابر این منحنی، مطابقت خودروی 1934 برجسته است. یک پیرمرد 77 ساله که به یادداشت‌های کوتاه توجه کرده بود، روزنامه را به یک ابزار نظارتی گسترده تبدیل کرد و چند صد خواننده – معلمان، تکنسین‌ها، شورای روستا – در عرض چند هفته پاسخ دادند. مقاله ناتمامی که قرار بود نامه ها سوخت آن باشد نیز در صندوق است.

رونویسی یک داستان به قیمت 39 دلار

باقیمانده سهام – 41212 صفحه – در یک بسته یک شبه به قیمت تقریباً 39 دلار رونویسی شد. مدل با اندازه‌گیری به جای فهرست قیمت انتخاب شد: نامزدها در صفحات دست‌نوشته با یک تایپ متن یکسان، با خط لوله قبلی به عنوان خط پایه در همان صفحات مقایسه شدند. از نظر دست خط معمولی، هیچ مدلی بر دیگران برتری ندارد. در نمونه‌ای از 48 صفحه، مدل گران‌تر در 37 صفحه بهتر و در 11 صفحه بدتر بود – یک مزیت واقعی اما متوسط ​​که معلوم می‌شود مواد است، نه قیمت، که محدودکننده است.

یک کشف عملی مستحق انتقال است. مدل‌های جدیدتر به‌طور پیش‌فرض «استدلال» را امکان‌پذیر می‌کنند و همان بودجه منبع پاسخ را مصرف می‌کند. با محدودیت 4096 توکن، تا 3929 توکن برای گرفتن خرید. رونویسی در وسط صفحه شکست و تصویر بند انگشتی به جای یک پاسخ کوتاه به نظر می رسید که خوانده نشده باشد. با استدلال صریحاً به حداقل، کیفیت کاهش پیدا نکرد و حجم خروجی نصف شد.

چه هست و چه نیست

مجموعه فقط برای فایل‌هایی که به طور کامل رونویسی شده‌اند منتشر می‌شود، زیرا رونویسی جزئی به‌عنوان متن پیوسته با رسانه از دست رفته خوانده می‌شود. قرائت های نامشخص کلمه به کلمه علامت گذاری می شوند و قسمت های ناخوانا، حذف های تالیفی (38465 مورد از آنها)، درج ها، و حاشیه ها مشخص می شوند. املای قبل از اصلاحات به صورت مکتوب حفظ شده است. مجموعه داده CC0 با یک DOI دائمی است (10.5281/zenodo.21705221، همیشه به آخرین نسخه، در حال حاضر نسخه 1.4.2 حل شده است). کد در GitHub است. جستجوی کامل شامل جستجوی کاتالوگ به زبان انگلیسی به همراه روسی است. پیش چاپی که روش را توصیف می کند در arXiv است. اسکن‌ها در بایگانی باقی می‌مانند: مجموعه به جای انتشار مجدد به آنها پیوند می‌دهد.

ترجمه انگلیسی این مجموعه عمداً ساخته نشد، اگرچه هزینه آن برای کل صندوق 29 دلار محاسبه شد: یک ترجمه رونویسی ماشینی هر بار خطا را انباشته می‌کند و نشانه‌های عدم قطعیت در ترجمه ناپدید می‌شود و یک متن انگلیسی باقی می‌ماند که قابل اعتمادتر از روسی است که از آن آمده است. هیچ صفحه ای بررسی نشده است و در اینجا برنامه ریزی نشده است: این یک کار برای یک متخصص نسخه نویسی است، نه یک ماشین.

61 قرائت تسیولکوفسکی در 15 سپتامبر، دو روز قبل از تولد 169 سالگی او، در کالوگا کشف شد. صندوقی که زندگی او را مستند می کند اکنون برای اولین بار چیزی است که هر کسی می تواند جستجو کند و دقت آن روی برچسب چاپ شده است.

ولادیمیر بسکورووینی یک محقق مستقل است. این پروژه به آرشیو آکادمی علوم روسیه وابسته یا تایید نشده است. تماس: admin@besk.tech; ORCID 0009-0004-7005-6242.

توجه: اکنون در حال تعدیل نظرات هستیم. در ارسال نظرات تاخیر وجود خواهد داشت و هیچ تضمینی برای ارسال تمامی نظرات ارسالی وجود ندارد.