Come si legge ogni documento
I documenti non si leggono da soli, e non tutti si leggono allo stesso modo. Spesso un documento viene prima trasformato in una forma semplice e strutturata, che consente alla macchina di lavorare senza inciampare nell'impaginazione originale. Poi è il tipo di documento a determinare il modo in cui viene letto.
Le pagine a stampa e le tabelle sono trascritte in modo automatico. Fotografie, disegni e mappe sono descritti in modo automatico, così che resti una traccia di ciò che mostrano, comprese le eventuali parole visibili. Nessuno dei due risultati è considerato definitivo o completo. Ogni volta che un'affermazione poggia su una trascrizione automatica, questa viene confrontata con la scansione. Una descrizione automatica è anzitutto uno strumento di ricerca: le persone, i luoghi, le date e i testi che riporta devono essere verificati sulla fonte prima di essere usati, perché una macchina sicura di sé può sbagliare con altrettanta sicurezza.
Per la scrittura a mano vale una regola più severa. Un passaggio automatico può individuare il punto della pagina in cui si trova la scrittura che interessa, ma nessun valore destinato a sostenere un'affermazione viene mai accettato sulla base di una sola lettura automatica della scrittura a mano. Questi valori passano per la doppia lettura indipendente descritta nella . Due lettori di produttori diversi leggono il ritaglio senza informazioni preliminari. Uno dei due è quello del progetto, che poi confronta le due risposte con la scansione e stabilisce il valore.
L'ultimo tipo di lettura cerca nell'intera raccolta i documenti pertinenti a una domanda. Combina due classifiche: una per la corrispondenza con le parole della richiesta, l'altra per la corrispondenza con il suo significato. Entrambe vengono eseguite localmente, secondo il percorso di recupero dichiarato. Se l'indice semantico non è aggiornato, la ricerca deve interrompersi invece di restituire in silenzio classifiche vecchie.
I documenti sono letti da servizi esterni, non da una macchina presente nell'edificio: la trascrizione dei testi a stampa e la descrizione delle immagini avvengono altrove, e le letture incrociate della scrittura a mano si servono di più lettori, almeno uno dei quali è un servizio esterno. La ricerca nella raccolta, al contrario, viene eseguita interamente sulle macchine del progetto, sia per la corrispondenza tra parole sia per gli embedding semantici. Si dichiara dove è avvenuta ciascuna lettura e se il materiale sia stato inviato all'esterno o sia rimasto qui: sono elementi che contano nel giudicarla.
Il manifesto elenca anche funzioni di seconda opinione, di ingrandimento e di generazione di immagini, ma le segna come collegate, non integrate in alcun flusso di lavoro. Che compaiano nella configurazione non dimostra che siano mai state usate su una fonte o su qualcosa di accettato.