Глава Ленинки назвал стоимость оцифровки всех архивов библиотеки
Оцифровка всех архивов Российской государственной библиотеки может стоить минимум ₽200 млрд без учета реставрации и последующего хранения, рассказал глава РГБ Вадим Дуда. Процесс идет за счет смешанного финансирования
На оцифровку всего архива Российской государственной библиотеки (РГБ, Ленинка) потребуется около 200 млрд руб. Такую оценку РБК представил гендиректор библиотеки Вадим Дуда. Она складывается из расчета средней стоимости оцифровки одной страницы в 10 руб.
Как пояснил Дуда, это «ориентировочная оценка, не учитывающая реставрацию, подготовку, создание метаданных и последующее хранение цифровых копий».
Ранее два источника РБК на медиарынке говорили, что вопрос оцифровки существующих архивов, в частности архива РГБ, беспокоит разработчиков российских нейросетей. Один из них пояснил, что доступ к таким архивам необходим для их ускоренного обучения, причем именно на отечественном массиве данных.
Всего фонд Российской государственной библиотеки насчитывает около 200 млн единиц хранения, включая 300 тыс. редких книг и 500 тыс. рукописей. На сегодняшний день оцифровано около 1,2 млн, из которых 150 тыс. — уникальные рукописи и книжные памятники, отметил глава библиотеки. При этом Дуда признает, что, если бы оцифровывали весь фонд «Ленинки» в текущем темпе, «на это ушло бы почти 2 тыс. лет». «Мы не стоим на месте: ежегодно оцифровываются десятки тысяч изданий, внедряются новые технологии сканирования, включая роботизированные комплексы, способные обрабатывать до 3 тыс. страниц в час», — пояснил Дуда.
Оцифровка архива РГБ ведется в том числе за счет смешанного финансирования, уточнил директор. Оно учитывает государственные субсидии в рамках федерального проекта «Цифровая культура» и внебюджетные средства библиотеки — собственные доходы, гранты, партнерские программы, поддержку попечителей и меценатов.
«Важно понимать: мы не ведем оцифровку ради самой оцифровки, — пояснил Дуда. — Наш подход — выборочный, стратегический и поэтапный. Приоритет отдается книжным памятникам и редким изданиям, документам, имеющим особую историческую, культурную и научную ценность, и материалам, востребованным читателями и научным сообществом. Кроме того, значительную роль играют ограничения, связанные с авторским правом: не все, что хранится в наших стенах, может быть переведено в цифровой формат и размещено в открытом доступе».
Как используют архивы Ленинки для обучения нейросетей
РГБ уже «в процессе» предоставления своих архивов для обучения российских нейросетей, рассказал Дуда. Специалисты фонда специального хранения и проектного офиса «Нейросети Ленинки» формируют датасеты на основе книг, карт, диссертаций, справочных изданий. Эти данные используются для обучения моделей искусственного интеллекта, которые уже внедряются в опытную эксплуатацию для помощи читателям и сотрудникам — в первую очередь для получения точных библиографических справок.
Стратегическая цель РГБ — «не просто поиск по ключевым словам, а переход к смысловому анализу текста, к интеллектуальному поиску и навигации по первоисточникам», утверждает Дуда. «Мы действуем максимально ответственно: прорабатываем вопросы авторского права, защиты персональных данных, этики и предотвращения предвзятости алгоритмов, — уточнил глава РГБ. — Доступ к таким сервисам предоставляется в пределах библиотеки, с соблюдением всех юридических и этических норм. Мы видим свою миссию в том, чтобы с помощью современных технологий расширить доступ к подлинному знанию, не утратив при этом доверия и ответственности перед читателем».
В пресс-службе Минкультуры не ответили на вопросы РБК. Также поступили и развивающие российские нейросети компании «Яндекс» и «Сбер». РБК направил запрос в пресс-службу Минцифры.