اے آئی کے ذریعے تاریخی سائنسی مخطوطات کا تجزیہ کرنے کے لیے پروجیکٹ لائٹ ہاؤس کا استعمال کیسے کریں

پروجیکٹ لائٹ ہاؤس کیا کرتا ہے

پروجیکٹ لائٹ ہاؤس ایک کھلی تحقیقی کوشش ہے جس کا مقصد سائنسی مسودات، نوٹ بکس، خطوط اور نظرانداز شدہ مطبوعہ تصانیف کا بڑے پیمانے پر جائزہ لینا ہے۔ یہ ڈیجیٹل صفحات کو نقل کرنے اور ان کے ریاضیاتی مفہوم کو ازسرنو تشکیل دینے کے لیے مصنوعی ذہانت استعمال کرتا ہے، جبکہ اس بات کا تقاضا کرتا ہے کہ کسی امیدوار کو قابلِ اعتبار دریافت سمجھنے سے پہلے انسانی معائنہ، حسابی تصدیق، تحقیقی لٹریچر کا مطالعہ اور آزادانہ جائزہ لیا جائے۔

یہ منصوبہ نامکمل خیالات، غیر منسوب نتائج اور نظرانداز شدہ روابط تلاش کرنے کے لیے بنایا گیا ہے۔ یہ جھوٹے سراغ اور معلوم نتائج بھی ایک مشترکہ رجسٹر میں درج کرتا ہے تاکہ معاونین ایسی تحقیقات دوبارہ نہ کریں جو پہلے ہی بے نتیجہ ثابت ہو چکی ہیں۔

9 نومبر 2026 کو درج repository کی صورتِ حال کے مطابق، گاؤس، ریمان، ہلبرٹ، ڈیڈیکنڈ اور گروتھینڈیک کے تقریباً 12,000 صفحات کا گہرائی سے مطالعہ کیا جا چکا تھا۔ سب سے نمایاں امیدوار L-019 تھا، جس کا تعلق ریمان سے منسوب غیر مطبوعہ shock-wave sheets سے تھا۔ اس کے الجبرے کی حسابی جانچ ہو چکی تھی، لیکن نسبت کی تصدیق ابھی انسانی قدیم خط شناسی کے ماہر کی جانب سے باقی تھی۔

مصنوعی ذہانت کی مدد سے کیا گیا ایک امید افزا مطالعہ خودکار طور پر دریافت نہیں بن جاتا۔ پروجیکٹ لائٹ ہاؤس نقل، تشریح، تصدیق، تاریخی اولیت اور ماہر کی توثیق کو الگ الگ سوالات سمجھتا ہے۔

اہم خصوصیات

• صفحہ سطح کی نقل: مسودے کی تصاویر کو لفظ بہ لفظ متن میں تبدیل کیا جاتا ہے، فارمولوں کو LaTeX میں دکھایا جاتا ہے اور کاٹے گئے متن کو واضح طور پر نشان زد کیا جاتا ہے۔
• سیاقی گہرا مطالعہ: ریاضیاتی صفحات کا تجزیہ ساتھ والے صفحات کے ساتھ کیا جاتا ہے تاکہ دلائل کو الگ تھلگ تشریح کرنے کے بجائے ازسرنو تشکیل دیا جا سکے۔
• جدید تقابل: گہرے مطالعات میں جدید مساوی تصور، عام طور پر اس سے منسوب شخص، اور 0 سے 10 تک حیرت کا اسکور شناخت کیا جاتا ہے۔
• امیدواروں کا چار مرحلوں والا طریقۂ کار: ہر امیدوار کو اسکین کے معائنے، حسابی دوبارہ اخذ، معنی پر مبنی تحقیقی لٹریچر کے مطالعے اور غیر جانب دار آزادانہ جائزے کے مراحل سے گزرنا ہوگا۔
• مشترکہ رجسٹر: ledger/LEADS.md امیدواروں اور فیصلوں کو درج کرتا ہے، جن میں نقلیں، غلطیاں اور وہ ذرائع بھی شامل ہیں جنہوں نے انہیں حل کیا۔
• غلط مثبت نتائج کے کنٹرول: docs/FALSE_POSITIVES.md ان بارہ عام طریقوں کی دستاویز فراہم کرتا ہے جن سے بظاہر دریافت ناکام ثابت ہو سکتی ہے، اور مطلوبہ چیک لسٹ بھی فراہم کرتا ہے۔
• معاونت کے لیبل: لیبل مکمل کیے گئے کام کو بیان کرتے ہیں، اعتماد یا مقبولیت کو نہیں۔
• کھلے فارمیٹس: نقلیں اور تجزیے دستاویزی repository فارمیٹس استعمال کرتے ہیں، جس سے معاونین ڈیٹا کا معائنہ اور اس میں توسیع کر سکتے ہیں۔

Repository کی ساخت سمجھیں

صفحات پر کارروائی شروع کرنے سے پہلے اہم راستوں سے واقف ہو جائیں:

queue/QUEUE.md
src/transcribe.py
src/deep.py
src/read_source.py
data/<author>/STATUS.tsv
data/<author>/transcripts/<bundle>/cNNN.json
data/<author>/deep/<bundle>_cNNN.json
data/FORMAT.md
verify/
ledger/LEADS.md
docs/HOT_PAGES.md
docs/FALSE_POSITIVES.md
CONTRIBUTING.md
CITATION.cff

queue/ ڈائریکٹری ان ذرائع کا ریکارڈ رکھتی ہے جن پر کارروائی ہونا باقی ہے۔ src/ اسکرپٹس نقل اور گہرے مطالعے کا کام انجام دیتی ہیں۔ مصنف کے لحاظ سے مخصوص نتائج data/ کے تحت محفوظ کیے جاتے ہیں، تصدیقی پروگرام verify/ میں رکھے جاتے ہیں، اور زیرِ تحقیق سراغ رجسٹر میں درج کیے جاتے ہیں۔

تنصیب اور سیٹ اپ

1. Repository حاصل کریں

GitHub سے پروجیکٹ لائٹ ہاؤس repository کو کلون یا ڈاؤن لوڈ کریں، پھر اس کی مرکزی ڈائریکٹری سے کام کریں۔ ڈیٹا شامل کرنے یا کسی امیدوار کا جائزہ لینے سے پہلے CONTRIBUTING.md پڑھیں، کیونکہ اس میں معاونت کا طریقۂ کار بیان کیا گیا ہے۔

2. دستاویزی ڈیٹا فارمیٹس کا معائنہ کریں

نقل یا گہرے مطالعے کی فائلیں بنانے سے پہلے data/FORMAT.md کھولیں۔ موجودہ ڈیٹا ان نمونوں کی پیروی کرتا ہے:

data/<author>/transcripts/<bundle>/cNNN.json
data/<author>/deep/<bundle>_cNNN.json

متبادل ساخت بنانے کے بجائے دستاویزی اسکیما کی پیروی کریں۔ یکساں فائل نام اور فیلڈز معاونین کو یہ معلوم کرنے میں مدد دیتے ہیں کہ کون سے صفحات پر پہلے ہی کارروائی ہو چکی ہے۔

3. اپنی API کلید ترتیب دیں

repository توقع کرتی ہے کہ معاونین اپنی Anthropic API کلید خود فراہم کریں گے۔ اسے درج ذیل مقامی راستے پر محفوظ کریں:

~/.config/hunt/anthropic_key

کلید کو repository میں کبھی commit نہ کریں۔ README کے مطابق Claude Opus 5.5 کے ذریعے نقل اور گہرے مطالعے کی لاگت تقریباً $0.25 فی صفحہ ہے۔ کسی بڑے ماخذ پر کارروائی سے پہلے حقیقی استعمال کی نگرانی کی جانی چاہیے۔

4. اہل ماخذ منتخب کریں

ماخذ کسی بھی مصنف، شعبے، زبان یا صدی سے ہو سکتا ہے، لیکن اس کا عوامی ملکیت میں ہونا، ڈیجیٹل شکل میں دستیاب ہونا اور ایسی جگہ hosted ہونا ضروری ہے جس کی شرائط fetching کی اجازت دیتی ہوں۔ یہ منصوبہ مسودات، نوٹ بکس، خطوط اور نظرانداز شدہ مطبوعہ تصانیف قبول کرتا ہے۔

ماخذ کو queue/QUEUE.md میں شامل کریں اور اس کی مصنف ڈائریکٹری یہاں بنائیں:

data/<author>/

لائبریری اسکینز کو repository میں host نہ کریں۔ پروجیکٹ لائٹ ہاؤس اسکینز کے روابط فراہم کرتا ہے اور مقامی طور پر تیار کردہ نقلیں اور تجزیے repository کے لائسنسنگ اصولوں کے تحت محفوظ رکھتا ہے۔

بنیادی استعمال کا طریقۂ کار

مرحلہ 1: ہر صفحے کی نقل تیار کریں

جب ماخذ IIIF تصویری URLs کے ذریعے دستیاب ہو تو src/transcribe.py استعمال کریں۔ اسکین PDFs کے لیے src/read_source.py استعمال کریں، جو PDF صفحات سے JPEG تصاویر اور صفحہ ریکارڈز تک کے طریقۂ کار کی معاونت کرتا ہے۔

نقل میں صفحے پر موجود مواد کو محفوظ رکھا جانا چاہیے، نہ کہ خاموشی سے اس کی تصحیح کی جائے۔ فارمولوں کو LaTeX میں درج کریں اور کاٹے گئے متن کو نشان زد کریں۔ نتیجہ مصنف اور bundle کی اس ساخت میں محفوظ کریں جو data/FORMAT.md میں بیان کی گئی ہے۔

data/example_author/transcripts/example_bundle/c001.json

یہ راستہ دستاویزی نام گذاری کے نمونے کی وضاحت کرتا ہے۔ اپنی ماخذ کے لیے حقیقی مصنف، بنڈل، اور صفحہ شناخت کنندے استعمال کریں۔

مرحلہ 2: ریاضیاتی صفحات کا گہرا مطالعہ کریں

src/deep.py یا src/read_source.py میں موجود گہرے مطالعے کے افعال استعمال کریں۔ ملحقہ صفحات بھی شامل کریں تاکہ علامات، تعریفیں، اور درمیانی مراحل کو سیاق و سباق کے ساتھ سمجھا جا سکے۔

ہر متعلقہ صفحے کے لیے استدلال کو دوبارہ تشکیل دیں، اس کے جدید مساوی کی شناخت کریں، نوٹ کریں کہ عموماً اس کا سہرا کس کو دیا جاتا ہے، اور ریپوزٹری کا 0–10 حیرت کا اسکور مقرر کریں۔ نتیجہ متعلقہ گہرے مطالعے کے راستے میں محفوظ کریں:

data/example_author/deep/example_bundle_c001.json

اعلیٰ اسکور صرف توجہ کو ترجیح دیتا ہے۔ یہ تاریخی ترجیح ثابت نہیں کرتا اور نہ ہی زیادہ مضبوط جائزہ لیبل کا جواز بنتا ہے۔

مرحلہ 3: پروسیسنگ کی حالت جانچیں

data/<author>/STATUS.tsv کھول کر ایسے بنڈلز تلاش کریں جنہیں نقل کیا جا چکا ہے لیکن ابھی تک ان کا گہرا مطالعہ نہیں کیا گیا۔ کسی نئے ماخذ کا اضافہ کیے بغیر تعاون کرنے کا یہ ایک عملی طریقہ ہے۔

مرحلہ 4: حیران کن صفحات کی تحقیق کریں

جائزے کا تیز ترین راستہ docs/HOT_PAGES.md ہے۔ اس میں وہ صفحات درج ہیں جنہیں ماڈل نے حیران کن قرار دیا ہے، مگر ابھی تک کسی انسان نے ان کی جانچ نہیں کی۔ نقل کو براہِ راست اسکین سے ملائیں، اردگرد کے صفحات دیکھیں، اور فیصلہ کریں کہ دعویٰ پہلے سے معلوم ہے، غلط نقل ہوا ہے، غلط تاریخ دی گئی ہے، یا واقعی امیدوار کے طور پر مزید تحقیق کے قابل ہے۔

امیدوار پروٹوکول نافذ کریں

ممکنہ دریافت کی اہمیت بیان کرنے سے پہلے، چاروں جانچیں اسی ترتیب سے مکمل کریں۔

1. صفحے کو اسکین کے مقابل پڑھیں۔ تحریر، علامات، حاشیے کے نوٹس، حذف شدہ حصوں، اور صفحات کی ترتیب کی تصدیق کریں۔ صرف AI کا نتیجہ کافی نہیں ہے۔
2. ریاضی کو کوڈ کے ذریعے دوبارہ اخذ کریں۔ قابلِ تکرار حسابات verify/ میں رکھیں۔ لفظی مشابہت پر انحصار کرنے کے بجائے دعویٰ کردہ شناختوں یا نتائج کی جانچ کریں۔
3. مفہوم کی بنیاد پر لٹریچر تلاش کریں۔ مصنف کے شائع شدہ کام سے آغاز کریں، پھر قدیم ماخذ دیکھیں۔ تصدیق کے بغیر AI سے تیار کردہ “پہلی بار فلاں کے نام سے منسوب” تاریخ پر بھروسا نہ کریں، کیونکہ ایسی تاریخیں بہت بعد کی ہو سکتی ہیں۔
4. آزاد اور غیر جانب دار جائزے کی درخواست کریں۔ دوسرے معاون یا ایجنٹ کو مطلوبہ نتیجہ بتائے بغیر متعلقہ حقائق دیں۔ جائزہ لینے والے کو فیصلہ لکھنا اور ماخذ کا حوالہ دینا ہوگا۔

ہر امیدوار فائل میں docs/FALSE_POSITIVES.md کی چیک لسٹ بھی شامل ہونی چاہیے۔ اس سے غلط نقل، جدید تشریح، کسی دوسرے نام سے پہلے ہی شائع شدہ کام، یا غیرمستند تاریخ جیسے عام مسائل پکڑنے میں مدد ملتی ہے۔

نتیجہ لیجر میں درج کریں

امیدوار اور اس کے فیصلے کو ledger/LEADS.md میں شامل کریں۔ منفی نتائج بھی مثبت نتائج کی طرح احتیاط سے درج کریں۔ جو امیدوار آخرکار معروف تاریخ کا حصہ ثابت ہو، وہ بھی کسی دوسرے معاون کو وہی تلاش دوبارہ کرنے سے روک سکتا ہے۔

ریپوزٹری کی نمایاں مثال L-019 ہے۔ اس کا مکمل ریکارڈ ledger/LEADS.md میں ہے، جبکہ docs/L019_expert_request_draft.md میں ماہرین کے لیے تیار کردہ درخواست موجود ہے۔ README میں کمپیوٹر سے تصدیق اور AI کے ذریعے نابینا تحریری موازنے کی وضاحت ہے، لیکن اس میں واضح طور پر کہا گیا ہے کہ کسی انسانی قلمی مخطوطات کے ماہر نے ابھی تک نسبت کی تصدیق نہیں کی۔

لیبل درست طور پر استعمال کریں

Project Lighthouse کے لیبل دریافت پر یقین کی نہیں بلکہ مکمل کیے گئے اقدامات کی رپورٹ دیتے ہیں:

• transcribed: صفحے کی JSON فائل موجود ہے۔ کوئی بھی معاون یہ لیبل لگا سکتا ہے۔
• read: گہرا مطالعہ موجود ہے۔ کوئی بھی معاون یہ لیبل لگا سکتا ہے۔
• self-checked: تلاش کرنے والے نے اسکین کا معائنہ کیا، ریاضی چلائی، اور لٹریچر تلاش کیا۔
• reviewed: کسی دوسرے معاون یا غیر جانب دار ایجنٹ نے آزادانہ طور پر چاروں جانچیں دہرائیں اور ماخذ کے ساتھ فیصلہ لکھا۔
• expert: کسی نامزد ماہر نے اسکین کی توثیق کی ہے۔

ووٹ اس بات کا تعین کرنے میں مدد دے سکتے ہیں کہ کن صفحات پر پہلے توجہ دی جائے، لیکن ووٹ کبھی بھی کوئی لیبل ثابت نہیں کرتے۔

قابلِ اعتماد تحقیق کے لیے اعلیٰ درجے کی تجاویز

نقل اور تشریح الگ رکھیں

نقل کو وفادار رکھیں، حتیٰ کہ جب آپ سمجھتے ہوں کہ آپ ریاضی کو سمجھ چکے ہیں۔ اصل ماخذ کو دوبارہ لکھنے کے بجائے تشکیل نو، جدید علامات، اور تاریخی موازنے گہرے مطالعے کے ریکارڈ میں رکھیں۔

صفحات کے پڑوس کا مطالعہ کریں

جب کسی فارمولے کو اس کی تعریفوں یا پہلے اخذ کیے گئے مراحل سے الگ کر دیا جائے تو وہ نیا معلوم ہو سکتا ہے۔ لیڈ شروع کرنے سے پہلے ہمیشہ پچھلے اور اگلے صفحات، بنڈل کی ترتیب، اور متعلقہ نوٹ بکس دیکھیں۔

صرف اصطلاحات نہیں، تصورات تلاش کریں

تاریخی مصنفین جدید نتیجے کو اس کے موجودہ نام کے بغیر بیان کر سکتے ہیں۔ ریاضیاتی تعلق، ہندسی ساخت، طبیعی شرط، یا ثبوت کی تکنیک تلاش کریں۔ بعد میں منسوب کیے گئے ماخذ سے موازنہ کرنے سے پہلے مصنف کی اپنی مطبوعات سے آغاز کریں۔

جائزوں کو غیر جانب دار رکھیں

آزاد جائزہ لینے والے کو یہ نہ بتائیں کہ کسی صفحے میں بعد کا کوئی مشہور نتیجہ متوقع ہے۔ اسکین، نقل، تاریخ کے شواہد، اور ریاضیاتی حقائق فراہم کریں، جبکہ مجوزہ نتیجہ ظاہر نہ کریں۔ اس سے تصدیقی تعصب کم ہوتا ہے۔

تصدیق کو قابلِ تکرار بنائیں

اسکرپٹس اور حسابات verify/ میں رکھیں، مفروضوں کی دستاویز بنائیں، اور دقیق علامتی جانچوں کو عددی شواہد سے الگ کریں۔ مفید تصدیق ایسی ہونی چاہیے کہ کوئی دوسرا معاون اخذ کو آزادانہ طور پر دوبارہ چلا سکے۔

نامکمل کام کو ترجیح دیں

گہرے مطالعے کے منتظر نقل شدہ بنڈلز تلاش کرنے کے لیے STATUS.tsv اور انسانی معائنے کے منتظر حیران کن صفحات تلاش کرنے کے لیے docs/HOT_PAGES.md استعمال کریں۔ یہ راستے مکمل شدہ پروسیسنگ کو دوبارہ کرنے سے بچنے میں مدد دیتے ہیں۔

ماخذ سے متعلق حقوق کا احترام کریں

اسکین اپنی لائبریریوں میں ہی رہتے ہیں اور انہیں ہوسٹ کرنے کے بجائے ان سے لنک کیا جانا چاہیے۔ ریپوزٹری کی نقل نویسی اور تجزیے CC BY 4.0 کے تحت لائسنس یافتہ ہیں، جبکہ کوڈ MIT لائسنس کے تحت ہے۔ گروتھینڈیک کے غیر مطبوعہ نوٹس کے لیے ریپوزٹری میں README میں بیان کردہ استثنا کے مطابق صرف تجزیے اور مختصر اقتباسات شامل ہیں، مکمل نقل نویسی نہیں۔

ترجیح اور حوالہ جاتی معلومات محفوظ رکھیں

پروجیکٹ لائٹ ہاؤس کسی لیجر اندراج پر مشتمل پہلے کمٹ یا ریلیز کو اس کی عوامی تاریخ تصور کرتا ہے۔ Zenodo پر محفوظ کی گئی GitHub ریلیز DOI اور آزاد ٹائم اسٹیمپ شامل کر سکتی ہے۔ ریپوزٹری کا حوالہ دیتے وقت CITATION.cff استعمال کریں، اور اس کی CC BY نقل نویسی دوبارہ استعمال کرتے وقت ریپوزٹری کو کریڈٹ دیں۔

تعاون کے طریقے

• ہاتھ سے یا کسی بھی ٹول یا ماڈل کی مدد سے تیار کردہ موجودہ نقل نویسی یا تراجم شیئر کریں۔
• کسی نئے اہل ماخذ پر پروسیسنگ اسکرپٹس چلائیں۔
• اسکینز سے موازنہ کرکے تیار کردہ نقل نویسی کی اصلاح کریں۔
• ان بنڈلز کا گہرا مطالعہ کریں جن کی فی الحال صرف نقل نویسی موجود ہے۔
• کسی موجودہ امیدوار کا آزادانہ جائزہ لیں۔
• جب آپ کے پاس متعلقہ تخصصی علم ہو تو نام کے ساتھ ماہر کی رائے فراہم کریں۔

پروجیکٹ اس بات پر زور دیتا ہے کہ ماہرانہ مطالعہ اور علمی لٹریچر کا علم، ماڈل ٹوکنز سے زیادہ نایاب ہیں۔ حتیٰ کہ کسی امیدوار کو غلط ثابت کرنے والی شراکت بھی قیمتی ہو سکتی ہے، جب اسے واضح شواہد اور ذرائع کے ساتھ دستاویزی شکل دی جائے۔

نتیجہ

پروجیکٹ لائٹ ہاؤس بڑے پیمانے پر مصنوعی ذہانت کے ذریعے مخطوطات کی پروسیسنگ کو ایک دانستہ طور پر شکوک پر مبنی تحقیقی طریقۂ کار کے ساتھ جوڑتا ہے۔ کسی اہل ماخذ یا نامکمل بنڈل کو منتخب کرکے آغاز کریں، وفادار نقل نویسی تیار کریں، صفحات کا سیاق و سباق کے ساتھ گہرا مطالعہ کریں، اور اسکین کے معائنے، کوڈ، علمی لٹریچر کی تحقیق اور آزادانہ جائزے کے ذریعے حیران کن دعووں کی جانچ کریں۔ ہر نتیجے کو مشترکہ لیجر میں درج کریں تاکہ دریافتیں اور ناکام سمتیں، دونوں، دوبارہ قابلِ استعمال علمی شواہد بن جائیں۔