Ένα όνομα που βλέπετε στην οθόνη δεν είναι πάντα κείμενο. Σε μια σαρωμένη σύμβαση, μια φωτογραφημένη επιστολή ή ένα στιγμιότυπο οθόνης email επικολλημένο σε αναφορά, το όνομα είναι εικόνα. Η λειτουργία «Εύρεση και αντικατάσταση» δεν το εντοπίζει. Ένα εργαλείο ΤΝ μπορεί να το εντοπίσει.
Πού κρύβονται προσωπικά δεδομένα στις εικόνες
- Σαρωμένα PDF. Κάθε σελίδα είναι εικόνα. Όλο το κείμενο, συμπεριλαμβανομένων ονομάτων και αριθμών, αποτελείται από εικονοστοιχεία.
- Φωτογραφίες εγγράφων. Μια φωτογραφία με κινητό μιας επιστολής, ενός τιμολογίου ή μιας φόρμας.
- Στιγμιότυπα οθόνης σε Word ή PowerPoint. Ένα email ή μια συνομιλία επικολλημένη ως εικόνα για να «φανεί τι ειπώθηκε».
- Μπλοκ υπογραφών και σφραγίδες. Συχνά είναι εικόνες, με ένα όνομα δίπλα τους.
- Επιστολόχαρτα και λογότυπα. Το όνομα και η διεύθυνση της εταιρείας σε ένα πλαίσιο στην κορυφή.
- Επαγγελματικές κάρτες, πίνακες και φόρμες που φωτογραφήθηκαν σε μια συνάντηση.
- Μεταδεδομένα φωτογραφιών. Οι εικόνες μπορεί να περιέχουν την ημερομηνία, τη συσκευή και, μερικές φορές, την τοποθεσία λήψης.
Γιατί έχει σημασία για τα εργαλεία ΤΝ
Τα εργαλεία ΤΝ μπορούν να διαβάζουν εικόνες. Αν ανεβάσετε μια σάρωση σύμβασης πελάτη, το εργαλείο διαβάζει τα ονόματα που περιέχει όπως θα διάβαζε και τυπωμένο κείμενο. Αν αφαιρέσετε ονόματα από τα τμήματα κειμένου ενός αρχείου αλλά αφήσετε τις εικόνες, εκθέτετε τον πελάτη.
Συμβαίνει και το αντίστροφο. Ένα αρχείο που μοιάζει να περιέχει καθαρό κείμενο μπορεί να περιλαμβάνει σαρωμένο παράρτημα με όλα τα στοιχεία. Ανοίξτε κάθε σελίδα, όχι μόνο την πρώτη.
Γρήγορος έλεγχος: μπορείτε να επιλέξετε το κείμενο;
Ανοίξτε το PDF και δοκιμάστε να επιλέξετε μια γραμμή με τον κέρσορα. Αν μπορείτε να επισημάνετε μεμονωμένες λέξεις, η σελίδα έχει επίπεδο κειμένου. Αν η επιλογή πιάνει ολόκληρη τη σελίδα ως ενιαίο μπλοκ ή δεν πιάνει τίποτα, η σελίδα είναι εικόνα. Τα αρχεία μικτής μορφής είναι συνηθισμένα: σελίδες με πληκτρολογημένο κείμενο και μια σαρωμένη σελίδα υπογραφής ή ένα παράρτημα στο τέλος. Ελέγξτε τις τελευταίες σελίδες, όχι μόνο τις πρώτες.
Η ίδια δοκιμή ισχύει και στο Word: κάντε κλικ σε ένα στιγμιότυπο οθόνης. Αν επιλεγεί ως μία ενιαία εικόνα, το περιεχόμενό του δεν είναι κείμενο με δυνατότητα αναζήτησης.
Στιγμιότυπα οθόνης συνομιλιών και email
Αξίζει να αναφερθούν ξεχωριστά, επειδή μοιάζουν ακίνδυνα. Ένα στιγμιότυπο οθόνης μιας συνομιλίας με μηνύματα κειμένου δείχνει έναν αριθμό τηλεφώνου ή ένα όνομα επαφής στην κορυφή, το όνομα του άλλου ατόμου σε κάθε μήνυμα και συχνά ώρα και τοποθεσία μέσα στα μηνύματα. Ένα στιγμιότυπο οθόνης email εμφανίζει ολόκληρη την κεφαλίδα με τις διευθύνσεις και των δύο πλευρών. Αν χρειάζεστε το περιεχόμενο, αντιγράψτε τις λέξεις, αντικαταστήστε τα ονόματα και αφήστε έξω την εικόνα. Αν το στιγμιότυπο οθόνης αποτελεί το αποδεικτικό στοιχείο, αντιμετωπίστε το ως αυτοτελές έγγραφο και μην το τοποθετείτε στη μέση μιας αναφοράς που σκοπεύετε να κοινοποιήσετε σε εργαλείο ΤΝ.
Χειροκίνητη διαχείριση
- Εντοπίστε τις εικόνες. Περιηγηθείτε στο έγγραφο και σημειώστε κάθε σάρωση, στιγμιότυπο οθόνης και εικόνα.
- Αποφασίστε αν τα χρειάζεστε. Συχνά η απάντηση είναι όχι ή το κείμενο που περιέχουν αποτελείται από μία ή δύο γραμμές που μπορείτε να ξαναπληκτρολογήσετε.
- Αν χρειάζεστε το περιεχόμενο, ξαναπληκτρολογήστε ή αντιγράψτε το κείμενο και εισαγάγετε τα placeholders, αφήνοντας έπειτα έξω την εικόνα.
- Μην χρησιμοποιείτε θόλωση. Ένα θολωμένο όνομα συχνά εξακολουθεί να διαβάζεται, ενώ μερικές φορές η θόλωση μπορεί να αναιρεθεί. Είναι ασφαλέστερο να χρησιμοποιήσετε ένα συμπαγές σχήμα που έχει ενσωματωθεί στην εικόνα. Ακόμη καλύτερα, μην συμπεριλάβετε καθόλου την εικόνα.
- Αφαιρέστε τα μεταδεδομένα της φωτογραφίας αν πρέπει οπωσδήποτε να στείλετε την εικόνα.
Τι μπορεί να κάνει ένα εργαλείο
Τα σαρωμένα PDF αναγνωρίζονται ως κείμενο, σελίδα προς σελίδα. Για αρχεία Word, PowerPoint, Excel, email και παρόμοια, αναγνωρίζεται το κείμενο μέσα στις εικόνες και τοποθετείται εκεί όπου βρισκόταν η εικόνα, σε ένα πλαίσιο με την ένδειξη «Κείμενο από εικόνα». Στη συνέχεια ακολουθεί τα ίδια βήματα με το υπόλοιπο έγγραφο: εντοπίζονται ονόματα και αριθμοί, τα ελέγχετε και αντικαθίστανται με placeholders. Οι ίδιες οι εικόνες δεν περιλαμβάνονται στο ασφαλές αντίγραφο. Τα μικρά εικονίδια και τα διακοσμητικά στοιχεία παραλείπονται.
Στο ClientSafe, η γραμμή πάνω από το ασφαλές αντίγραφο δείχνει πόσες εικόνες αναγνωρίστηκαν ως κείμενο. Αναγνωρίζονται τα αγγλικά, τα ισπανικά, τα γαλλικά, τα γερμανικά και τα αραβικά.
Ένα ρεαλιστικό παράδειγμα
Ένας πελάτης στέλνει έναν φάκελο: ένα δακτυλογραφημένο συμφωνητικό, μια σαρωμένη επιστολή τράπεζας, τρεις φωτογραφίες ενός χειρόγραφου σημειώματος και μια αλληλογραφία email με στιγμιότυπα οθόνης μηνυμάτων κειμένου. Το συμφωνητικό είναι απλό. Τα υπόλοιπα είναι εκεί όπου κρύβονται τα ονόματα. Ένα εργαλείο που δουλεύει μόνο με δακτυλογραφημένο κείμενο θα παραλείψει τα περισσότερα, ενώ μια γρήγορη αναζήτηση στο δακτυλογραφημένο συμφωνητικό θα δείξει ότι είναι «καθαρό». Η αναζήτηση κειμένου δεν αποτελεί έλεγχο των σαρώσεων. Το στάδιο της επανεξέτασης πρέπει να περιλαμβάνει και τις σελίδες που αναγνωρίστηκαν από εικόνες.
Πού αποτυγχάνει η αναγνώριση
Η αναγνώριση κειμένου από εικόνες δεν είναι ακριβής. Ο γραφικός χαρακτήρας, οι φωτογραφίες χαμηλής ανάλυσης, οι λοξές σελίδες, οι σφραγίδες πάνω από κείμενο και οι ασυνήθιστες γραμματοσειρές μπορούν να προκαλέσουν σφάλματα. Ένα όνομα που διαβάστηκε λάθος μπορεί να μην εντοπιστεί, επειδή πλέον δεν μοιάζει με όνομα. Αν η αναγνώριση δεν είναι βέβαιη, το ClientSafe επισημαίνει το έγγραφο ως «Χρειάζεται επανεξέταση». Αντιμετωπίστε αυτά τα έγγραφα ως εκείνα που πρέπει να διαβάσετε δύο φορές, συγκρίνοντας το ασφαλές αντίγραφο με την αρχική σελίδα.
Μια υπογραφή σχεδιασμένη ως εικόνα δεν περιέχει αναγνώσιμο κείμενο. Ένα όνομα δακτυλογραφημένο δίπλα της, όπως στο «Υπογραφή: Maria Lopez», είναι κείμενο και εντοπίζεται.
Συχνές ερωτήσεις
Μπορώ να αφήσω τις εικόνες μέσα και απλώς να ελπίζω;
Όχι. Μια εικόνα ενός εγγράφου είναι το ίδιο το έγγραφο. Αν περιέχει ονόματα, ένα εργαλείο τεχνητής νοημοσύνης που διαβάζει εικόνες τα βλέπει.
Αντιμετωπίζεται ένα σαρωμένο PDF όπως ένα αρχείο Word;
Αρχικά αναγνωρίζεται ως κείμενο. Έπειτα ακολουθεί τα ίδια βήματα.
Περιλαμβάνονται οι φωτογραφίες μου στο ασφαλές αντίγραφο;
Όχι. Οι εικόνες δεν περιλαμβάνονται. Το κείμενό τους, όπου ήταν δυνατό να αναγνωριστεί, περιλαμβάνεται και καθίσταται ασφαλές.
Τι γίνεται με τα χειρόγραφα σημειώματα;
Να περιμένετε ότι θα υπάρξουν παραλείψεις. Ο γραφικός χαρακτήρας είναι η δυσκολότερη περίπτωση για κάθε τεχνολογία αναγνώρισης κειμένου, γι’ αυτό ελέγξτε αυτές τις σελίδες με ιδιαίτερη προσοχή ή πληκτρολογήστε τις ξανά.
ClientSafe αναγνωρίζει σαρωμένα PDF και το κείμενο μέσα σε εικόνες εγγράφων και, στη συνέχεια, εντοπίζει και αντικαθιστά ονόματα και αριθμούς όπως κάνει και με το δακτυλογραφημένο κείμενο. Στο στάδιο της επανεξέτασης εμφανίζονται όσα εντοπίστηκαν, ενώ τα έγγραφα για τα οποία δεν είναι βέβαιο επισημαίνονται ως «Χρειάζεται επανεξέταση».