Cách sử dụng Project Lighthouse để phân tích bản thảo khoa học lịch sử bằng AI

Project Lighthouse thực hiện điều gì

Project Lighthouse là một nỗ lực nghiên cứu mở nhằm kiểm tra các bản thảo khoa học, sổ tay, thư từ và những tác phẩm in bị lãng quên trên quy mô lớn. Dự án sử dụng AI để phiên âm các trang đã được số hóa và tái cấu trúc ý nghĩa toán học của chúng, đồng thời yêu cầu kiểm tra của con người, xác minh bằng tính toán, nghiên cứu tài liệu và đánh giá độc lập trước khi một ứng viên có thể được xem là một phát hiện đáng tin cậy.

Dự án được thiết kế để tìm kiếm những ý tưởng chưa hoàn thiện, các kết quả chưa được ghi nhận công lao và những mối liên hệ bị bỏ qua. Dự án cũng ghi lại các hướng điều tra sai và những kết quả đã biết trong một sổ cái dùng chung để những người đóng góp không lặp lại các cuộc điều tra đã đi vào ngõ cụt.

Theo trạng thái kho lưu trữ đề ngày 9 tháng 11 năm 2026, khoảng 12.000 trang của Gauss, Riemann, Hilbert, Dedekind và Grothendieck đã được đọc chuyên sâu. Ứng viên hàng đầu là L-019, liên quan đến các mặt sóng xung kích chưa được công bố được quy cho Riemann. Đại số của ứng viên đã được kiểm tra bằng tính toán, nhưng việc quy attribution vẫn đang chờ xác nhận từ một chuyên gia đọc chữ cổ.

Một cách đọc đầy hứa hẹn có sự hỗ trợ của AI không tự động trở thành một phát hiện. Project Lighthouse xem việc phiên âm, diễn giải, xác minh, xác lập ưu tiên lịch sử và xác nhận của chuyên gia là những câu hỏi riêng biệt.

Tính năng chính

• Phiên âm ở cấp độ trang: Hình ảnh bản thảo được chuyển thành văn bản nguyên văn, với các công thức được biểu diễn bằng LaTeX và phần chữ bị gạch được đánh dấu rõ ràng.
• Đọc chuyên sâu theo ngữ cảnh: Các trang toán học được phân tích cùng với những trang lân cận để có thể tái dựng lập luận thay vì diễn giải chúng một cách cô lập.
• Đối chiếu hiện đại: Các bản đọc chuyên sâu xác định khái niệm tương đương hiện đại, người thường được ghi nhận công lao cho khái niệm đó và điểm bất ngờ từ 0 đến 10.
• Quy trình ứng viên gồm bốn giai đoạn: Mọi ứng viên phải vượt qua việc kiểm tra bản quét, tái suy diễn bằng tính toán, nghiên cứu tài liệu dựa trên ý nghĩa và đánh giá độc lập không định hướng.
• Sổ cái dùng chung: ledger/LEADS.md ghi lại các ứng viên và kết luận, bao gồm các trường hợp trùng lặp, sai sót và những nguồn đã giúp giải quyết chúng.
• Kiểm soát dương tính giả: docs/FALSE_POSITIVES.md ghi lại mười hai cách phổ biến khiến một phát hiện có vẻ đúng có thể thất bại và cung cấp danh sách kiểm tra bắt buộc.
• Nhãn đóng góp: Các nhãn mô tả công việc đã hoàn thành thay vì mức độ tin cậy hay mức độ phổ biến.
• Định dạng mở: Các bản phiên âm và phân tích sử dụng những định dạng kho lưu trữ đã được ghi chép, cho phép người đóng góp kiểm tra và mở rộng dữ liệu.

Tìm hiểu cấu trúc kho lưu trữ

Trước khi xử lý các trang, hãy làm quen với những đường dẫn chính:

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

Thư mục queue/ theo dõi các nguồn đang chờ được xử lý. Các tập lệnh trong src/ xử lý việc phiên âm và đọc chuyên sâu. Dữ liệu đầu ra theo từng tác giả được lưu trong data/, các chương trình xác minh nằm trong verify/, còn những hướng điều tra đã được nghiên cứu được ghi lại trong sổ cái.

Cài đặt và thiết lập

1. Lấy kho lưu trữ

Nhân bản hoặc tải xuống kho lưu trữ Project Lighthouse từ GitHub, sau đó làm việc từ thư mục gốc của kho. Hãy đọc CONTRIBUTING.md trước khi thêm dữ liệu hoặc đánh giá một ứng viên vì tài liệu này định nghĩa quy trình đóng góp.

2. Kiểm tra các định dạng dữ liệu được ghi chép

Mở data/FORMAT.md trước khi tạo các tệp phiên âm hoặc đọc chuyên sâu. Dữ liệu hiện có tuân theo các mẫu sau:

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

Hãy tuân theo lược đồ được ghi chép thay vì tạo một cấu trúc thay thế. Tên tệp và các trường nhất quán giúp người đóng góp xác định những trang nào đã được xử lý.

3. Cấu hình khóa API

Kho lưu trữ yêu cầu người đóng góp tự cung cấp khóa API Anthropic. Lưu khóa tại đường dẫn cục bộ sau:

~/.config/hunt/anthropic_key

Tuyệt đối không commit khóa vào kho lưu trữ. README ước tính chi phí khoảng $0.25 cho mỗi trang để phiên âm và đọc chuyên sâu bằng Claude Opus 5.5. Cần theo dõi mức sử dụng thực tế trước khi xử lý một nguồn lớn.

4. Chọn một nguồn đủ điều kiện

Nguồn có thể đến từ bất kỳ tác giả, lĩnh vực, ngôn ngữ hoặc thế kỷ nào, nhưng phải thuộc phạm vi công cộng, đã được số hóa và được lưu trữ tại một nơi có điều khoản cho phép tải xuống. Dự án chấp nhận bản thảo, sổ tay, thư từ và những tác phẩm in bị lãng quên.

Thêm nguồn vào queue/QUEUE.md và tạo thư mục tác giả trong:

data/<author>/

Không lưu trữ các bản quét của thư viện trong kho. Project Lighthouse liên kết đến các bản quét, đồng thời giữ các bản phiên âm và phân tích được tạo cục bộ theo các quy định cấp phép của kho.

Quy trình sử dụng cơ bản

Bước 1: Phiên âm từng trang

Sử dụng src/transcribe.py khi nguồn có sẵn thông qua các URL hình ảnh IIIF. Đối với PDF bản quét, sử dụng src/read_source.py, công cụ hỗ trợ quy trình chuyển từ các trang PDF sang hình ảnh JPEG và bản ghi trang.

Bản phiên âm phải giữ nguyên những gì xuất hiện trên trang thay vì âm thầm sửa lại. Ghi các công thức bằng LaTeX và đánh dấu phần chữ bị gạch. Lưu kết quả theo cấu trúc tác giả và gói được định nghĩa trong data/FORMAT.md.

data/example_author/transcripts/example_bundle/c001.json

Đường dẫn này minh họa quy tắc đặt tên được mô tả. Hãy sử dụng mã định danh tác giả, tuyển tập và trang thực tế cho nguồn của bạn.

Bước 2: Đọc sâu các trang toán học

Sử dụng src/deep.py hoặc các hàm đọc sâu trong src/read_source.py. Bao gồm các trang lân cận để diễn giải ký hiệu, định nghĩa và các bước trung gian trong đúng ngữ cảnh.

Đối với mỗi trang liên quan, hãy dựng lại lập luận, xác định tương đương hiện đại của nó, ghi chú người thường được ghi nhận, rồi gán điểm bất ngờ từ 0–10 của kho lưu trữ. Lưu kết quả vào đường dẫn đọc sâu tương ứng:

data/example_author/deep/example_bundle_c001.json

Điểm cao chỉ giúp ưu tiên sự chú ý. Điểm này không xác lập quyền ưu tiên lịch sử hay biện minh cho nhãn đánh giá nghiêm ngặt hơn.

Bước 3: Kiểm tra trạng thái xử lý

Mở data/<author>/STATUS.tsv để tìm các tuyển tập đã được chép lại nhưng chưa được đọc sâu. Đây là cách thực tế để đóng góp mà không cần đưa thêm nguồn mới vào.

Bước 4: Điều tra các trang bất ngờ

Cách nhanh nhất để đánh giá là dùng docs/HOT_PAGES.md. Tệp này liệt kê các trang được mô hình đánh giá là bất ngờ nhưng chưa có người kiểm tra. Hãy so sánh trực tiếp bản chép với bản quét, kiểm tra các trang xung quanh và quyết định liệu tuyên bố đó đã được biết đến, bị chép sai, ghi sai niên đại hay thực sự đáng được mở dưới dạng một ứng viên.

Áp dụng Quy trình Ứng viên

Trước khi nêu ý nghĩa của một phát hiện có thể có, hãy hoàn tất cả bốn bước kiểm tra theo đúng thứ tự.

1. Đọc trang đối chiếu với bản quét. Xác nhận chữ viết tay, ký hiệu, ghi chú bên lề, phần bị xóa và thứ tự trang. Chỉ dựa vào đầu ra của AI là không đủ.
2. Dẫn lại phép toán bằng mã. Đặt các phép tính có thể tái lập trong verify/. Kiểm tra các đồng nhất thức hoặc hệ quả được nêu thay vì dựa vào sự tương đồng diễn đạt.
3. Tìm kiếm tài liệu theo ý nghĩa. Bắt đầu với các công trình đã xuất bản của tác giả, sau đó kiểm tra các nguồn cũ hơn. Không được tin ngày “được ghi nhận đầu tiên” do AI tạo ra nếu chưa xác minh, vì những ngày này có thể quá muộn.
4. Yêu cầu đánh giá độc lập, không định hướng. Cung cấp cho cộng tác viên hoặc tác nhân thứ hai các sự kiện liên quan mà không tiết lộ kết luận mong muốn. Người đánh giá phải viết kết luận và trích dẫn nguồn.

Mỗi tệp ứng viên cũng phải bao gồm danh sách kiểm tra từ docs/FALSE_POSITIVES.md. Điều này giúp phát hiện các lỗi phổ biến như chép sai, diễn giải hiện đại hóa, đã được xuất bản dưới tên khác hoặc định niên đại không có căn cứ.

Ghi lại Kết quả trong Sổ cái

Thêm ứng viên và kết luận của ứng viên đó vào ledger/LEADS.md. Hãy ghi lại các kết quả tiêu cực cẩn thận như các kết quả tích cực. Một ứng viên cuối cùng được xác định là lịch sử đã quá rõ ràng vẫn giúp ngăn cộng tác viên khác lặp lại cùng một lần tìm kiếm.

Ví dụ nổi bật của kho lưu trữ là L-019. Hồ sơ đầy đủ nằm trong ledger/LEADS.md, còn docs/L019_expert_request_draft.md chứa yêu cầu đã chuẩn bị cho các chuyên gia. README mô tả việc xác minh bằng máy tính và so sánh chữ viết tay mù bằng AI, nhưng nêu rõ rằng nhà nghiên cứu văn bản cổ học con người vẫn chưa xác nhận việc quy attribution.

Sử dụng Nhãn Đúng cách

Các nhãn của Project Lighthouse báo cáo những hành động đã hoàn tất, không phải niềm tin vào một phát hiện:

• transcribed: Một tệp JSON của trang đã tồn tại. Bất kỳ cộng tác viên nào cũng có thể đặt nhãn này.
• read: Một bản đọc sâu đã tồn tại. Bất kỳ cộng tác viên nào cũng có thể đặt nhãn này.
• self-checked: Người tìm thấy đã kiểm tra bản quét, thực hiện phép toán và tìm kiếm tài liệu.
• reviewed: Một cộng tác viên khác hoặc tác nhân không định hướng đã độc lập lặp lại cả bốn bước kiểm tra và viết kết luận có dẫn nguồn.
• expert: Một chuyên gia được nêu tên đã xác nhận bản quét.

Các lượt bình chọn có thể giúp xác định trang nào được chú ý trước, nhưng không bao giờ được dùng để xác lập nhãn.

Mẹo Nâng cao cho Nghiên cứu Đáng tin cậy

Tách bản chép khỏi diễn giải

Giữ bản chép trung thành ngay cả khi bạn cho rằng mình đã hiểu toán học. Đưa các phần dựng lại, ký hiệu hiện đại và so sánh lịch sử vào hồ sơ đọc sâu thay vì viết lại nguồn.

Đọc các trang lân cận

Một công thức có thể trông mới lạ khi bị tách khỏi các định nghĩa hoặc phần suy dẫn trước đó. Luôn kiểm tra các trang trước và sau, thứ tự trong tuyển tập và các sổ tay liên quan trước khi mở một đầu mối.

Tìm kiếm khái niệm, không chỉ thuật ngữ

Các tác giả lịch sử có thể mô tả một kết quả hiện đại mà không dùng tên gọi hiện nay. Hãy tìm kiếm mối quan hệ toán học, cấu trúc hình học, điều kiện vật lý hoặc kỹ thuật chứng minh. Bắt đầu với các ấn phẩm của chính tác giả trước khi so sánh với các nguồn được ghi nhận ở giai đoạn sau.

Giữ đánh giá ở trạng thái không định hướng

Không nói với người đánh giá độc lập rằng một trang được cho là chứa một kết quả nổi tiếng về sau. Cung cấp bản quét, bản chép, bằng chứng về niên đại và các dữ kiện toán học, đồng thời không tiết lộ kết luận được đề xuất. Điều này làm giảm thiên kiến xác nhận.

Làm cho việc xác minh có thể tái lập

Đặt các tập lệnh và phép tính trong verify/, ghi lại các giả định và phân biệt những kiểm tra ký hiệu chính xác với bằng chứng số. Một quy trình xác minh hữu ích phải cho phép cộng tác viên khác chạy lại phép suy dẫn một cách độc lập.

Ưu tiên công việc chưa hoàn tất

Sử dụng STATUS.tsv để tìm các tuyển tập đã chép đang chờ đọc sâu và docs/HOT_PAGES.md để tìm các trang bất ngờ đang chờ con người kiểm tra. Những đường dẫn này giúp tránh lặp lại phần xử lý đã hoàn tất.

Tôn trọng quyền riêng của từng nguồn

Các bản quét vẫn được lưu tại thư viện của chúng và nên được liên kết thay vì lưu trữ lại. Bản chép lại và các phân tích trong kho lưu trữ được cấp phép theo CC BY 4.0, còn mã nguồn được cấp phép theo MIT. Đối với các ghi chú chưa xuất bản của Grothendieck, kho lưu trữ chỉ bao gồm các phân tích và những trích dẫn ngắn, không có bản chép lại đầy đủ, phù hợp với ngoại lệ được mô tả trong README.

Bảo toàn thông tin về quyền ưu tiên và trích dẫn

Project Lighthouse lấy ngày công khai là ngày của commit hoặc bản phát hành đầu tiên có chứa một mục trong sổ cái. Một bản phát hành GitHub được lưu trữ trên Zenodo có thể bổ sung DOI và dấu thời gian độc lập. Hãy sử dụng CITATION.cff khi trích dẫn kho lưu trữ, đồng thời ghi công cho kho lưu trữ khi sử dụng lại các bản chép lại được cấp phép theo CC BY.

Các cách đóng góp

• Chia sẻ các bản chép lại hoặc bản dịch hiện có được thực hiện thủ công hoặc bằng bất kỳ công cụ hay mô hình nào.
• Chạy các tập lệnh xử lý trên một nguồn mới đủ điều kiện.
• Sửa các bản chép lại được tạo tự động bằng cách đối chiếu với bản quét.
• Đọc kỹ các bộ tài liệu hiện mới chỉ được chép lại.
• Độc lập thẩm định một ứng viên hiện có.
• Đưa ra kết luận chuyên gia có ghi rõ danh tính khi bạn có kiến thức chuyên môn phù hợp.

Dự án nhấn mạnh rằng việc đọc hiểu của chuyên gia và kiến thức về tài liệu hiện có khan hiếm hơn số lượng token của mô hình. Ngay cả một đóng góp bác bỏ một ứng viên cũng có thể có giá trị nếu được ghi chép cùng bằng chứng và nguồn rõ ràng.

Kết luận

Project Lighthouse kết hợp năng lực xử lý bản thảo ở quy mô AI với một quy trình nghiên cứu có chủ ý hoài nghi. Hãy bắt đầu bằng việc chọn một nguồn đủ điều kiện hoặc một bộ tài liệu chưa hoàn tất, tạo bản chép lại trung thực, đọc kỹ các trang trong ngữ cảnh, rồi điều tra những tuyên bố đáng ngạc nhiên thông qua việc kiểm tra bản quét, mã nguồn, nghiên cứu tài liệu và thẩm định độc lập. Ghi lại mọi kết quả trong sổ cái dùng chung để cả những phát hiện lẫn những hướng đi bế tắc đều trở thành bằng chứng học thuật có thể tái sử dụng.