|谷歌是怎样扫描2500万本书的？出错图片揭开了谷歌的土味操作
本文由《万物》杂志官方微信 “把科学带回家” 提供
本文插图
撰文 七君
我们想要搜索某个网站、某条新闻 ， 在搜索引擎里输入几个关键字就可以了 ， 很方便 。 一些软件甚至可以通过拍照识别题目 ， 然后给出解答 。 但是 ， 在网上搜索某本书里的内容却很难 ， 除非这本书已经被转成了电子版 。
如果能把市面上的书都变成电子版 ， 那么几千年前古人的思想也能上线 ， TA的言论和当代明星的发言一样可以通过网络被搜索到 。 古往今来的思想家一下子就在网络上“重生” ， 鲁迅曰没曰过什么搜一下都能知道 ， 这是一件利在千秋的好事呀 。
本文插图
谷歌创始人也有这个心愿 ， 联合创始人之一的谢尔盖·布林曾说：“人类几千年的知识 ， 或许是最高质量的知识都在书本里 。 ”
2002年 ， 谷歌启动了雄心勃勃的书籍数字化项目 Project Ocean ， 想要创立一个全球最大的数字图书馆 。 谷歌的设想是 ， 只需要一台能联网的电脑 ， 你就可以搜索和阅读数千万本书籍 ， 就和浏览网页一样方便 。
本文插图
2004年 ， 谷歌开始正式扫描 。 密歇根大学、哈佛大学、斯坦福大学、牛津大学和纽约公共图书馆纷纷加入了进来 。
2010年 ， 谷歌宣布要扫尽全世界的1.2亿本书 。 根据2015年10月28日《纽约时报》的报道 ， 谷歌已经扫描了超过2500万册书籍了 。
为了扫描这些书 ， 谷歌年支出4亿美金 ， 设立了专门的扫描中心 。 在这些扫描中心里 ， 设置着专门的扫描架子 ， 上面配有上千美元的光学镜头 ， 还有用来探测书页曲率的光学雷达LIDAR 。
本文插图
谷歌的7508978专利里采用的扫描技术 。
为什么不用传统的扫描仪呢？
【|谷歌是怎样扫描2500万本书的？出错图片揭开了谷歌的土味操作】
因为一些书比较老旧 ， 也比较厚 ， 不能暴力压在扫描仪上扫 ， 更不能拆开 ， 只能自然摊开 。 因为这个原因 ， 扫描完的书页其实是弯曲的 ， 为了自动把页面捋直 ， 谷歌还自主研发了一套技术 ， 并申请了专利7508978 。
这个技术属于光学字符识别（Optical Character Recognition） ， 可以理解为一种后期技术 。 谷歌的这个专利可以把弯折的书页自动铺平 ， 并把图片里的文字转化为字符 ， 让我们能够用关键词搜索到 。 随着这个项目技术的进步 ， 一开始一本300页的书要40分钟扫完 ， 现在已经可以做到一小时扫6千页了 。
本文插图
看起来谷歌的扫书技术非常高大上 ， 是吗？
其实 ， 谷歌扫书设备并不是完全的自动化 ， 有一个步骤还是需要手动 ， 那就是翻书 。 人类操作员翻一页书 ， 踩一下踏板 ， 扫描设备就扫一次 。
本来这件事儿是谷歌的商业机密 ， 但是后来被一位叫做 Andrew Norman Wilson 的艺术家曝光了 。
Wilson 说 ， 他曾在2007年在谷歌加州的 Mountain View 园区工作过 ， 那些负责书本扫描的员工的工牌颜色和正牌员工不一样 ， 也不能享受他们的福利 ， 比如骑谷歌自行车 ， 免费员工餐 ， 还有公司的班车 。 后来 ， 他还专门把谷歌图书里出现的戴着套子的手指书页截图收藏了起来 ， 大家来看看——
推荐阅读
- 新机发布,谷歌|一加 Nord 将预装谷歌的拨号和短信应用程序
- AI财经社|谷歌云为何“放弃”中国市场？有人为它算了账，投入产出比太低
- 新机发布|一加Nord手机采用谷歌电话、短信，售价约3495元
- 谷歌|谷歌正研发双屏 Chromebook 以回应微软 Surface Neo
- 大数据&云计算|56亿元大单！TikTok(海外版抖音)与谷歌云签约 不再使用AWS
- 微信|为让手环能回复微信信息 OPPO工程师用上了谷歌为汽车提供的功能
- 谷歌|谷歌要研发新系统，看齐鸿蒙系统！网友：安卓的好日子快结束了！
- 互联网|创享互动：怎样激发用户分享欲望，让用户主动分享？
- 超能网|谷歌推出购物应用Shoploop，看起来像是直播带货净化版
- 谷歌|谷歌小姐姐开源姿势动画师项目，只需一张SVG图片便可配置