ABBYY FineReaderを実行したとき、または20年前に発生したストーリー

ABBYY FineReaderはテキスト認識プログラムであり、ロシアでは学生時代から多くの人に知られています。 今年、FineReaderは22歳で、Lingvoの辞書より少し若いです。 辞書とともに、BIT Softwareの若いプログラマー（当時はABBYYがそのように呼ばれていました）がテキスト認識に従事したのはどうしてですか？ そして、Fyneが市場で最も有名なプログラムの1つになったのはなぜですか？



実際、すべてが非常に論理的です。 Lingvoでない場合、FineReaderはそうではなかったかもしれません。 それはすべて、Lingvo Systemsと呼ばれる大規模で意欲的な複合施設から始まりました。 その助けを借りて、人は1つの言語でテキストをスキャンし、プログラムに通して翻訳を受け取ることができますが、大まかなものですが、意味を理解するには十分でした。



Lingvo Systemsでは、文字認識、修正、翻訳、Lingvo辞書の4つのプログラムが組み合わされています。 そして、最も弱いリンクは単なる認識でした。プログラムは各フォントを長い間教えられる必要がありましたが、その後も品質には多くの要望がありました。 プログラムは1通の手紙の少なくともいくつかのコピーに出会う必要があり、毎回ヒントが必要でした。 少しずつ、彼女は「見て」いて、ますます多くのシンボルを理解し始めました。 それで、学習プロセスは続きました。 しかし、フォントが変更されるか、少なくともそのサイズが変更されるとすぐに、すべてを繰り返す必要がありました。



その後、90年代前半に、さまざまな研究機関から分離された組織がすでにOCRシステム（光学式文字認識）の開発を始めていたことは言うに値します。 これはかなり一般的な技術でした。Lingvoシステムだけでなく、市場にも高品質の認識が必要でした。 そして、他の誰かがクールなプログラムを作成するまで待つか、独自のプログラムを開発するかを選択しました。



待たないことにしました。 もちろん、このタスクは自明ではありません。科学機関全体が文字認識の問題に取り組んでいましたが、そのような経験はありませんでした。 しかし、私たちは若くて野心的で、どんなタスクでも処理できると信じていたため、高品質のプログラムの開発に熱心に取り組みました。



私たちは1992年11月にプログラムの作成を開始し、1993年5月までに終了する予定でした。高品質の認識プログラムの欠如が販売を著しく妨げ、競合他社が居眠りしなかったため、急ぎました。 そのような時代に技術全体をゼロから開発することは不可能であると理解して、私たちは自宅で暇なときに似たようなプログラムに取り組んだ若い科学者から、特別な目的なしに、そのテーマに対する個人的な興味から、いくつかの経験を獲得しました。



その技術は商業的使用とはほど遠い状態であり、有用な結果を生み出す方法を学ぶためにプログラムに多大な努力をしました。 実験開発は一つのことであり、実用製品は別のものです。 プログラムのソースコードはMS DOSで開発されたため、Windowsですべてを転送する必要がありました。 さらに、このテクノロジーは1つの単純な画像形式（非圧縮BMP）のみをサポートし、商用製品はその時点ですべての主要な形式（少なくともTIFF形式）をサポートする必要がありました。 しかし、当時は非常に不安定な形式だったため、誰もが望みどおりに書きました。時には整合性があり、異なる場合があります。 一般に、私はいじくり回さなければなりませんでしたが、それでも長い間、読み取りに問題を引き起こすTIFFファイルがありました。



まあ、最も重要なこと：システムには、シンボルの既製の記述は実質的に存在せず、これらの記述を作成するためのツールはまったくありませんでした。 このようなツールとして、一連の大きなテキストファイルが使用され、文字の一般化された輪郭が疑似グラフィック形式で描画されました。 これらは、通常のテキストエディタでこのファイル内で直接修正および改善されることになっています。 ある時点で、 David Yangは個人的にシステムのデータを準備するために座っていました。その前に、この仕事のために雇われた数人の女の子がそれを拒否しました。それは非常に困難でした。 ツールは非常に不快であり、作業は大きく、複雑で、非常に退屈でした。 膨大なテキストファイルをめくって、何かを探してそこで編集し、テスト実行の結果を調査するのに何時間も費やさなければなりませんでした。 仕事は永遠のようで、進歩は小さな一歩を踏み出していました。 これに対処するには強い精神が必要でした。 そしてデイビッドは毎日休みなく12から14時間、2か月間、認識の基盤を思い起こさせました。



これと並行して、私たちは主題分野を掘り下げ始めました。 専門家と話をし、人工知能の実用的および理論的な問題に対処した卓越した科学者であるアレクサンダーL. そして、FineReader 1.0がリリースされる頃には、次のバージョンがどうあるべきかはすでにわかっていました。 なぜ私たちが思いついたすべての良いものが最初のバージョンに含まれていなかったのかと尋ねます。最初のバージョンを迅速に行う必要があると答えます。 会社にはお金が必要でした。最初のバージョンがなければ、次のバージョンを開発するのに十分なお金がありませんでした。 次のバージョンは最初のバージョンよりもはるかに優れていました-頭ではなく、多くの目標で。 彼女はミスをはるかに少なくし、困難な問題にはるかによく対応し、フォーマットをずっと良くし続け、当時は記録的な正確さしか持っていませんでした。



もちろん、私たちは賢明に開発に取り組み、理想的なプログラムがどのように見えるべきかを想像しました。 そしてすぐに、フォントの独立性と多言語性という2つの利点がありました。



多言語主義では、すべてがシンプルです。ロシア語で書かれた多くの技術テキストにも、ラテン語、多くの場合英語でかなり多くの単語や用語が含まれていることは明らかです。 しかし、当時は何らかの理由で誰もそれについて考えず、最初の認識システムは1つの言語しか理解しませんでした。 また、このようなテキストを高品質で処理できるように、プログラムにロシア語と英語のサポートを具体的に含めました。 ここでは、チーム内でさまざまな言語のスペルチェッカーの開発にかなりの経験を積んだVladimir Selegeyの存在に助けられました。 一般的に、それ以来、語彙サポートは認識技術の長所でした。



フォントの独立性（オムニフォント）は、すべての新しいフォントを認識するようにプログラムを構成する必要がなかったことを意味します。つまり、ほとんどすべてのサイズとスタイルの文字を認識します。 FineReaderは、キリル文字をサポートする最初のオムニフォンプログラムです。 プログラムがフォントを認識しなかった場合、それは非常に複雑または奇妙であることを意味し、通常の本のフォントでさえトレーニングを行う必要があったという事実にすでに慣れています。 左へのステップ、右へのステップ-プログラムは、実際に知っているフォントを認識することさえできません。 たとえば、サイズが異なる場合や画質が悪い場合。



したがって、最初のFineReaderのボックスは次のようになりました。











プログラムのリリース直後に、大きな関心が寄せられました。 需要は大きく、FineReaderが登場する前から存在していたプログラムでは満足できませんでした。 私たちは幸運でした-私たちは適切なタイミングで適切な場所にいました。



FineReaderの最初のバージョンは、500部の発行部数でリリースされました。 最初の1か月で、私たちは100部以上を販売しました。当時は画期的な数字でした。 当時非常に人気があり、数倍安くなったLingvoの販売でさえ、月に100コピーに達することはめったにありませんでした。



もちろん、プログラムを最高レベルにするために、まだ多くの作業がありました。 ちなみに、ロシアの会社の1つとの競争はこれを助けてくれました。 その結果、激しい競争の中で、多くの外国の類似品よりも優れていることが判明した製品を作成しました。



FineReaderの2番目のバージョンのリリースには、別の興味深い話が伴いました。 FineReader 2.0は32ビットアプリケーションでした。 1995年の春にリリースを計画し、Windows 95のリリースに合わせて適切なものにすることを計画していました（Microsoftは4月に新しいバージョンのWindowsがリリースされることを以前に発表しました）。 新しいWindowsは古いものと好意的に異なっていたため、人々はすぐにアップグレードし、売り上げが上がることを理解していました。 しかし同時に、Win32sコンポーネントという形で「バックアップ飛行場」がありました。これは、16ビットWindows 3.1xに追加され、特別に適応した32ビットアプリケーションを実行できるようにしました。 しかし、同時に2つの問題がありました。MicrosoftはWindows 95のリリースを8月に延期し、Win32sバージョン1.2ではUnicodeサポートでエラーが検出されたため、インターフェースにロシア文字が表示されませんでした。 私はその時点で実質的に不可能だったマイクロソフトに緊急に連絡しなければなりませんでした-それはソフトウェア市場で最大の独占者であり、業界のほぼすべてが依存しており、マイクロソフトの小さな市場で遠くロシアの小さな会社のニーズに応えることを期待しましたクレイジーだろう。



しかし、奇跡が起こりました。マイクロソフトの戦略的パートナーであるオートデスクは、同じ問題に直面しました。 その結果、オートデスクと私は1つのケースに統合され、私たちとのやり取りを始めた特別なマネージャーが割り当てられました。 その結果、バージョン1.3で同意できましたが、Windows 95と同時にリリースされたこのエラーは修正されました。 その前に、回避策を見つけました-Windows 95では受信したバージョンは正しく動作しませんでしたが、Windows 3.1xでは当面は動作しました。



これがFineReader 1.3の外観です。











一般に、32ビットの箱入り製品をリリースするというリスクのあるベンチャーは、私たちに大量の血を流しました。 16ビットWindowsはまだ広く普及しており、Win32sは安定していませんでした。 コマンドラインモードでcomポート経由でカーネルデバッガーを使用して、Win32s自体の腸でほぼ1週間にわたってひどいエラーをキャッチした方法を覚えています。 問題が見つかりました-システムメモリアロケーターで何かが正しく機能せず、回避策を思いつくことができました。 しかし、新しいFineReaderはネイティブアプリケーションであるWindows 95で輝いており、32ビットモードはOCRプログラムにとって非常に重要でした。これは、認識タスクに典型的な、メモリ内のビッグデータでの作業を大幅に最適化できるためです。 これにより、競合他社よりも何年も先んじて有利なスタートを切ることができ、多くの点で、認識技術のライセンス市場での成功を事前に決めました。



そして、これがFineReader 2.0です。













プログラムは4つのフロッピーディスクからロードされました。









ユーザーマニュアル：









もちろん、スクリーンショットを待っています。 FineReader 3.0インターフェイスは次のようになりました。















FineReaderは私たちにとって画期的なプログラムになりました。 私たちが国際市場に参入したのは彼と一緒でした。 現在、このプログラムは世界中で2000万人以上の人々に使用されています。 また、FineReaderの基礎となるテキスト認識技術は、Microsoft、Samsung、Fujitsu、Panasonicなどの世界最大の企業によってライセンスされています。



それから22年前、私たちはすべてがどこへ行くのかさえ推測できませんでした。 そして今日、私たちは以下のおかげでこのような印象的な結果を達成できたことを理解しています。



•多大な労力。 はい、はい、力を尽くしますが、ものすごいドライブです（1日12〜14時間、週7日）。

•競争上の優位性を見つけて作り出す能力-それらと同じ多言語とフォントの独立性。

•そして勇気。 これで、途中で障害物を恐れないことが重要であることがわかりました。