هوش مصنوعی در حال افزودن به ابزارهای اسناد در همه جا است و ارزش دارد که تفاوت بین جهت‌گیری کلی این دسته و آنچه هر محصول خاص امروز انجام می‌دهد را جدا کنیم.
پس، به‌صراحت، پیش از هر چیز: Doconut.app هیچ ویژگی هوش مصنوعی ندارد. این سرویس فایل شما را رندر می‌کند تا بتوانید آن را بخوانید. هیچ خلاصه‌سازی، چت با سند، حاشیه‌نویسی هوش مصنوعی و هیچ OCR وجود ندارد. اگر به دنبال این موارد آمده‌اید، این ابزار مناسب شما نیست و بقیهٔ این پست توضیح می‌دهد که به‌جای آن چه کاری انجام می‌دهد — و چرا عدم وجود یک ویژگی خاص یک انتخاب عمدی است نه یک نقص.
آنچه هوش مصنوعی به مشاهده اسناد می‌آورد
محصولات در این دسته بر پایهٔ چهار ایده ساخته می‌شوند. هیچ‌یک از آنها در Doconut.app موجود نیست:
- جستجوی معنایی: یافتن پاسخی که به‌صورت متفاوتی از سؤال بیان شده است، نه فقط تطبیق یک رشته.
- خلاصه‌سازی خودکار: نکات کلیدی یک گزارش طولانی بدون نیاز به خواندن آن.
- دسترس‌پذیری: تبدیل متن به گفتار و ترجمهٔ ماشینی که بر روی سند اعمال می‌شود.
- حاشیه‌نویسی پیشنهادی: نظرات و هایلایت‌های پیشنهادی برای مرورگر.
هر چهار مورد فرضی را در پیش می‌گیرند که به‌راحتی می‌توان از آن عبور کرد: ماشین باید بتواند سند را به‌صورت متن بخواند. این فرض جایی است که بیشتر این ویژگی‌ها به‌صورت ساکتانه شکست می‌خورند.
لایهٔ متن، و چرا همه چیز را تعیین می‌کند
یک PDF که از Word صادر می‌شود، کلمات را به‌صورت کاراکترها حمل می‌کند. یک PDF که توسط اسکنر تولید می‌شود، عکسی از کلمات است — برای نرم‌افزار، تصویری بدون هیچ متنی.
جستجو در Doconut.app بر روی لایهٔ متنی که فایل از قبل دارد کار می‌کند. اگر گزارشی که از Word صادر شده را باز کنید، جستجو آنچه را می‌خواهید پیدا می‌کند؛ اگر اسکن همان گزارش را باز کنید، جستجو چیزی پیدا نمی‌کند، چون متنی برای یافتن وجود ندارد. این یک محدودیتی نیست که دور زدنش را در نظر داریم: در اینجا هیچ OCRی وجود ندارد. ما کاراکترها را از تصویر نمی‌خوانیم و ترجیح می‌دهیم این را بگوییم تا شما به این نتیجه نرسید که جستجو خراب است.
همین واقعیت بر تمام ویژگی‌های هوش مصنوعی در فهرست بالا حاکم است. یک خلاصه‌ساز که یک قرارداد اسکن‌شده را دریافت می‌کند، چیزی برای خلاصه‌سازی ندارد مگر اینکه ابتدا OCR روی آن اجرا شده باشد.
آنچه Doconut.app امروز انجام می‌دهد
- بیش از ۷۰ فرمت را باز می‌کند — PDF، Word، Excel، PowerPoint، CAD، PSD، Visio، Project، ایمیل، EPUB، TIFF و فرمت‌های تصویری.
- آنها را بر روی سرورهای ما رندر می‌کند، بنابراین دستگاه شما نیازی به سرعت بالا ندارد.
- لایهٔ متنی را جستجو می‌کند که فایل آن را دارد.
- به شما امکان زوم، جابجایی بین صفحات و چاپ با Ctrl+P را می‌دهد.
- هزینه‌ای ندارد، حساب کاربری نمی‌خواهد و یک فایل را در هر بار پردازش می‌کند.
- فایل شما را پس از پایان جلسهٔ مشاهده حذف می‌کند.
حداکثر اندازه به فرمت مربوط است نه به سایت: ۲۵ مگابایت برای PDF یا PSD، ۲۰ مگابایت برای یک صفحه‌گسترده یا ارائه، ۱۵ مگابایت برای فایل Word، ۱۰ مگابایت برای یک نقشهٔ CAD، ۵ مگابایت برای متن، XML و HTML.
مسیر پیش رو
نمایشگرهای اسناد به جذب هوش مصنوعی ادامه خواهند داد و استدلال خوبی وجود دارد که یک نمایشگر مکان مناسب برای این کار است: جایی که سند قبلاً باز است. همچنین استدلالی برای احتیاط دربارهٔ اینکه سند برای خلاصه‌سازی به کجا می‌رود وجود دارد — ابزاری رایگان که قرارداد شما را می‌خواند تا آن را توضیح دهد، به‌طور تعریف‌شده قرارداد شما را خوانده است.
موضع کنونی ما محافظه‌کارانه است. فایل شما رندر می‌شود و حذف می‌شود و هیچ کار دیگری روی آن انجام نمی‌شود.
آن را روی یک فایل واقعی امتحان کنید
سند را که در حال حاضر در Doconut.app گیر کرده است، رها کنید — بدون نصب، بدون حساب کاربری و بدون نگهداری نسخه‌ای پس از آن. اگر یک اسکن است و به کلمات آن برای استفاده‌ای دیگر به‌جای فقط خواندن نیاز دارید، به یک ابزار OCR نیاز دارید و ما تظاهر نمی‌کنیم که آن ابزار هستیم.