OCR Potenziato

Negli ultimi anni, strumenti come Google Lens e Apple Foto hanno reso l’OCR accessibile a tutti. Ma chi ha provato a estrarre testo da una vecchia ricevuta sgualcita, da un manoscritto con calligrafia difficilmente comprensibile o da una tabella con layout complessi sa bene che questi strumenti hanno i loro limiti.

E qui entrano in gioco gli LLM (Large Language Models), che portano l’OCR a un livello superiore: Riconoscono il contesto Se una parola parzialmente illeggibile, il modello la intuisce grazie alla comprensione semantica. Gestiscono layout complessi Tabelle, colonne, documenti misti. Nessun problema. Decifrano calligrafie difficili Anche gli appunti del medico non sono più un enigma! Correggono errori in automatico Niente più 1 scambiati per “I” o “O” per 0.

In pratica, gli LLM non si limitano a leggere il testo, ma lo “capiscono”. Un cambio di paradigma rispetto agli OCR tradizionali basati esclusivamente sul riconoscimento visivo.

Nell’immagine qui sotto c’è un testo che ho trovato in un museo e che non riuscivo assolutamente a decifrare, sia perché scritto in latino (che ho studiato giusto il tempo di dimenticarlo), sia per la calligrafia estremamente complessa. ChatGPT, invece, riuscito a estrarlo e tradurlo con facilità. Un’innovazione straordinaria per i ricercatori che devono analizzare grandi quantità di documenti simili.