Wat is de aanleiding voor dit project? 

'We zijn dit project samen met hoogleraar historische cartografie Bram Vannieuwehuyze en dr. Melvin Wever gestart omdat onderzoekers steeds meer behoefte hebben aan beeldherkenning op gedigitaliseerde kaarten. Zo kunnen ze sneller, nauwkeuriger en efficiënter beelden op kaarten voor hun onderzoek gebruiken. Het Allard Pierson wil zulke beeldherkenning daarom aan de gedigitaliseerde kaarten toevoegen. Ook de Bibliotheek zet in op verdere ontwikkeling op het gebied van AI. Vandaar dat beide ernaar streven de projectresultaten online te publiceren, zodat ze goed bruikbaar zijn voor onderzoekers.' 

Hoe werkt het?

'We gebruiken de software Hasty, al kan deze in eerste instantie nog niets. Om de software te trainen, markeren studenten op een aantal kaarten handmatig alle te herkennen objecten. Per kaart leren we Hasty dat een bepaalde afbeelding bijvoorbeeld een molen is. Als we die plaatjes vaak genoeg markeren, dan weet de software: "Als ik zo’n plaatje tegenkom, dan is het echt een molen." Hoe meer plaatjes je toevoegt, hoe nauwkeuriger het wordt. Na de training kan Hasty op andere, vergelijkbare kaarten objecten geautomatiseerd herkennen. Wat Hasty leert kunnen we exporteren, waardoor het AI-model door anderen gebruikt kan worden. Uiteindelijk bieden we de gegevens op zo’n manier aan dat onderzoekers automatisch verbindingen kunnen leggen met andere data.'

Waarom hebben jullie voor de Atlas der Nederlanden gekozen als pilot?

'Allereerst is deze atlas een topstuk binnen onze collectie. Bovendien is de inhoud een uiteenlopende verzameling kaarten die zich goed leent voor machinaal leren. Deze atlas bevat vroegmoderne historische kaarten en dergelijke kaarten vormen de kerncollectie van de kaartenverzameling van het Allard Pierson. De weergave van objecten op kaarten uit deze periode verschilt per kaartenmaker maar weinig. Door Hasty met deze kaarten te trainen, ontwikkelen we een model waarmee we al onze vroegmoderne kaarten geautomatiseerd kunnen verwerken. Andere instellingen kunnen soortgelijke kaartcollecties ook op deze manier verrijken als ze van het vrij toegankelijke AI-model gebruikmaken.'

Wat is er in 2021 bereikt? 

'Vorig jaar voerden we een pilot uit. Hierin trainden we Hasty via een eerste set kaarten met invoer door studenten, de hoogleraar en de projectleider. De onderzoekers beoordelen de resultaten zeer positief en dragen graag bij aan een vervolgproject. Met behulp van vrijwilligers moet het model verder worden getraind. We hebben de trefwoorden vast kunnen stellen, waardoor we weten welke objecten we met bijbehorende termen moeten markeren. We weten ook wat we niet moeten markeren: een streep op een kaart kan bijvoorbeeld een weg zijn of landsgrens, maar alleen een mens kan zien wat dit betekent. Een dergelijke interpretatie kan de software niet maken en daarom zijn zulke objecten niet zinvol om te markeren.'

Wat zijn de ambities voor de toekomst?

'We willen eerst de verbeterpunten uit de evaluatie verwerken. Daarna gaan we in het vervolgproject samen met vrijwilligers ongeveer zeshonderd resterende kaarten markeren. Vervolgens zullen we alle ruwe data als openbaar toegankelijke, linked open data publiceren. Verder willen we het AI-model uit Hasty exporteren en als model beschikbaar stellen. Dat mag iedereen kosteloos kopiëren, aanpassen en verspreiden. Onze toekomstambitie is om een vrij beschikbare interface te creëren, waarmee gebruikers kunnen zoeken naar objecten op kaarten en waarin ook een waarheidsgetrouwe weergave mogelijk is. Ten slotte willen we alle vroegmoderne kaarten van het Allard Pierson graag digitaliseren en verrijken met AI-gestuurde beeldherkenning.'

Dit interview is onderdeel van het Jaarverslag 2021 van de Bibliotheek UvA/HvA. Benieuwd wat de Bibliotheek nog meer heeft bereikt in 2021? Bekijk het hele jaarverslag.