Il segreto della velocità di Google Books

Mentre il progetto Google Books è sotto i riflettori per quel che il relativo caso legale sta proponendo, alcune interessanti novità stanno emergendo relativamente a quello che è invece il profilo tecnico che sta dietro l’iniziativa dell’azienda di Mountain View. A parlare è un brevetto, dai cui estremi emerge un impegno di alto profilo non soltanto dal punto di vista organizzativo, non soltanto per l’idea di fondo, ma anche per come tutto ciò è stato messo a punto per fare in modo che il lavoro di scannerizzazione potesse essere quanto più rapido e qualitativo possibile.

Google è riuscita a scannerizzare miliardi di pagine in pochi mesi, portando così a compimento un enorme database a cavallo tra più biblioteche statunitensi. L’immaginario collettivo vuole la scannerizzazione operata tramite l’apposizione di una superficie piana sul libro, così che le deformazioni vengano annullate e lo scanner possa operare ottenendo un’immagine regolare della pagina analizzata. Google, invece, ha ideato un procedimento molto più complesso, ma al tempo stesso in grado di velocizzare e migliorare la resa dello scanning. E il tutto è posto in essere grazie all’uso di infrarossi.

Una immagine catturata dai documenti depositati presso l’USPTO (brevetto numero 7508978) delinea le componenti dello scanner made in Google:

Due raggi infrarossi hanno l’incarico di valutare la curvatura delle pagine del libro. Il volume viene ad assumere così contorni tridimensionali che servono, una volta scattata la fotografia della pagina, a deformare ogni elemento così da riportarlo tramite elaborazione grafica ad avere forma virtuale planare. Soltanto a questo stadio l’immagine viene passata al sistema OCR che riconoscerà i singoli caratteri e trasformerà in testo l’immagine catturata.

L’esigenza di Google era fin dall’inizio quella di creare un database quanto più corposo possibile nel minor tempo possibile. Ai tempi, infatti, Google era tra i pochi ad operare nel settore e Microsoft era pronta a minacciare da lontano l’iniziativa. Google in breve tempo è però riuscita a fare il vuoto dietro di sé ed oggi, addirittura, si trova a dover rispondere ad accuse di monopolio dovute al modo in cui il gruppo sta tentando di risolvere la class action intentata dal mondo degli autori e degli editori coinvolti.

Durante le prime fasi la velocità era dunque un elemento fondamentale. A supporto di Google venne l’idea di Francois-Marie Lefevere e Marin Saric. La richiesta di registrazione del brevetto risale al Settembre del 2004, con riconoscimento ufficiale dell’USPTO datato 24 Marzo 2009.