מהקופסה בארון לאלבום חכם: איך AI מסדר לכם את ארכיון התמונות המשפחתי

לכל משפחה יש אותה קופסה. לפעמים זו קופסת נעליים, לפעמים שקית ניילון בארון של סבתא, ולפעמים שלושה אלבומים עם דפי מגנט שהצהיבו. בפנים: מאות תמונות שאף אחד לא יודע מתי צולמו, מי האנשים בשורה השנייה, ולמה לחצי מהן יש סימן שמן בפינה. ובמקביל, בטלפון שלכם יש עשרים אלף תמונות דיגיטליות שגם הן, בואו נודה, לא באמת מסודרות.

המדריך הזה מיועד למי שרוצה לסגור את הפער הזה: להפוך ערימת נייר וקבצים לארכיון משפחתי אחד, מסודר, מגובה, שאפשר לחפש בו “סבא יוסף בחתונה של דודה רחל” ולקבל תשובה בשנייה. AI לא יעשה את זה בשבילכם בלחיצה אחת, ומי שמבטיח לכם אחרת מוכר משהו. אבל הוא כן מקצר את העבודה פי כמה, ובעיקר פותר את החלק הכי קשה: לזהות, לתארך ולתייג תמונות שאתם עצמכם לא זוכרים.

תעברו על המדריך לפי הסדר. כל שלב בונה על הקודם, ודילוג על שלב הסריקה הנכונה יעלה לכם ביוקר בשלב התיוג.

שלב 0: לפני שסורקים, ממיינים את הקופסה

הטעות הראשונה של כולם היא לפתוח את הקופסה ולהתחיל לסרוק. תעצרו. קודם מיון פיזי, ואז סריקה. הסיבה: כל תמונה שתסרקו תצטרך שם קובץ, תאריך ותיוג, ואם תסרקו הכול בערבוביה תצטרכו לעשות את המיון פעמיים.

פורסים על השולחן לפי מקור. האלבום של ההורים לחוד, השקית מסבתא לחוד, המעטפה מהדוד לחוד. המקור הוא רמז חשוב לתאריך ולאנשים, ואתם רוצים לשמור אותו.

מחפשים את הכתב על הגב. הרבה תמונות ישנות נושאות תאריך, שם או מקום בכתב יד מאחור, לפעמים בעיפרון דהוי, לפעמים ביידיש, רוסית או ערבית. זה המקום הראשון שבו AI נכנס לתמונה: צלמו את הגב, ובקשו מ-ChatGPT, Claude או Gemini לפענח את הכתב. שלושתם מפענחים כתב יד די טוב, גם בשפות שאתם לא קוראים.

צילמתי את הגב של תמונה ישנה. יש כאן כתב יד דהוי, כנראה ברוסית או ביידיש. תפענח מה כתוב, תתרגם לעברית, ותציין בנפרד באילו מילים אתה בטוח ובאילו אתה מנחש. אם יש תאריך, כתוב אותו בפורמט יום-חודש-שנה.

שימו לב לניסוח “ציין באילו מילים אתה מנחש”. בלי זה, המודל ייתן לכם תרגום חלק ובטוח גם כשהוא ממציא חצי ממנו.

מסמנים בפתק דביק, לא על התמונה. מספרים בעיפרון על גב תצלום זה נזק בלתי הפיך. פתק דביק קטן עם מספר סידורי מספיק, ואת המספר הזה תשמרו גם בשם הקובץ.

מוותרים בלב שלם. שמונה תמונות כמעט זהות של אותו עוגת יום הולדת מ-1987? סורקים את הטובה ביותר, וגם את אלו שבהן מופיעים אנשים אחרים. השאר יכולות להישאר בקופסה. הארכיון לא צריך להיות שלם, הוא צריך להיות שמיש.

סריקה: טלפון או סורק, ואיך לא לפספס את השלב הזה

בשביל רוב המשפחות, הטלפון מספיק. אפליקציות סריקה ייעודיות כמו PhotoScan של גוגל או Photomyne (חברה ישראלית) מזהות את גבולות התמונה, מיישרות פרספקטיבה ומסירות השתקפויות של הברק. Photomyne גם יודעת לסרוק דף אלבום שלם ולחתוך אותו אוטומטית לתמונות נפרדות, מה שחוסך שעות כשמדובר באלבומים עם דפי מגנט שאסור להוציא מהם תמונות.

אם יש לכם מאות תמונות מודפסות רופפות, סורק שולחני שטוח עדיין מנצח בכל פרמטר של איכות. חפשו מי במשפחה או בשכונה מחזיק אחד, או בדקו בספרייה העירונית.

כמה כללים שחשוב לקבע לפני הסריקה הראשונה:

• רזולוציה: 600 DPI לתמונות רגילות, 1200 DPI לתמונות קטנות במיוחד (עד גודל כרטיס ביקור) שאולי תרצו להגדיל. פחות מ-300 DPI זה בזבוז זמן, כי כלי השחזור צריכים פיקסלים לעבוד איתם.
• פורמט: שומרים עותק מקורי ב-TIFF או ב-PNG ללא דחיסה. עותק העבודה יכול להיות JPEG באיכות גבוהה. את המקור לא נוגעים לעולם.
• אור: אם סורקים בטלפון, עושים את זה ליד חלון ביום, בלי אור מלאכותי ישיר. ברק על תמונה מבריקה הורס פנים.
• הגב נסרק גם הוא אם יש עליו כתב, ונשמר עם אותו שם קובץ בתוספת _back.

טיפ שרוב המדריכים מדלגים עליו: סרקו את דפי האלבום כמו שהם לפני שאתם מפרקים. הסידור המקורי של התמונות באלבום הוא מידע. מי הודבק ליד מי, באיזה סדר, ומה נכתב על הדף עצמו, כל אלה רמזים לתיארוך שייעלמו ברגע שתפרקו.

שחזור: מה AI באמת מתקן ומה הוא ממציא

כאן צריך להיות זהירים, כי יש שני סוגים שונים לגמרי של “שחזור AI”, ורק אחד מהם מתאים לארכיון משפחתי.

הסוג הראשון: שיפור מבוסס התמונה הקיימת. כלים כמו Photo Enhancer של MyHeritage (גם הם ישראלים), Remini, הפילטרים הנוירוניים בפוטושופ, או תיקוני החדות והבהירות באפליקציית התמונות של גוגל ושל אפל. הם מחדדים, מסירים גרגיריות, מתקנים צבע דהוי ומצבעים תמונות שחור־לבן. הם עובדים על מה שיש בתמונה, ולרוב לא ממציאים פרטים חדשים. זה השחזור שאתם רוצים.

הסוג השני: יצירה מחדש בכלי גנרטיבי. אם תעלו תמונה דהויה ל-ChatGPT או ל-Gemini ותבקשו “שחזר את התמונה”, תקבלו לפעמים תמונה יפהפייה שבה לסבתא שלכם יש פנים קצת אחרות. מודלים גנרטיביים מציירים תמונה חדשה בהשראת המקור, ובפרטים דקים כמו מבנה האף, המרחק בין העיניים או צורת החיוך, הם מנחשים. לתמונת פרופיל זה נחמד. לארכיון משפחתי שהנכדים יסתכלו עליו בעוד חמישים שנה, זה זיוף.

הכלל שלנו: שיפור כן, המצאה לא. ואם בכל זאת השתמשתם בכלי גנרטיבי, שמרו את הפלט בקובץ נפרד עם הסיומת _ai בשם, ולעולם לא במקום המקור.

מה כן כדאי לבקש ממודלי השפה בשלב הזה? אבחון. הם מצוינים בלהגיד לכם מה הבעיה בתמונה ואיזה סוג טיפול היא צריכה:

הנה סריקה של תמונה משנות ה-60. תאר לי בפירוט מה מצב התמונה: דהייה, כתמים, קרעים, גרגיריות, הטיית צבע. לכל בעיה תגיד אם היא ניתנת לתיקון בכלי שיפור אוטומטי, או שהיא דורשת עבודה ידנית בתוכנת עריכה, או שעדיף להשאיר. אל תערוך את התמונה, רק תאבחן.

בקשר לעריכה ידנית עמוקה יותר יש לנו מדריך נפרד על עריכת תמונות עם AI ב-/guides, שם תמצאו את הצד הטכני של הסרת כתמים ותיקון קרעים.

תיוג וזיהוי: מי, מתי, איפה

זה הלב של הפרויקט, וכאן AI חוסך את הכי הרבה זמן. שלוש שאלות לכל תמונה: מי מופיע בה, מתי צולמה, ואיפה.

מי: זיהוי פנים. Google Photos ו-Apple Photos מקבצים פנים דומות אוטומטית. ברגע שתסמנו פעם אחת “זו סבתא לאה”, האפליקציה תציע לכם את סבתא לאה בעוד עשרות תמונות, כולל בתמונות ילדות שלה אם הדמיון מספיק. עובדים בשיטת “מהיום אחורה”: מתחילים מהתמונות החדשות שבהן אתם מזהים את כולם, ונותנים לזיהוי להתגלגל לתמונות ישנות יותר. מי שמעדיף לא להעלות את הארכיון לענן, תוכנת digiKam החינמית עושה זיהוי פנים מקומי על המחשב, בלי לשלוח כלום החוצה.

מתי: תיארוך לפי רמזים. כאן מודלי השפה מבריקים. הם מזהים אופנה, תספורות, רכבים, מכשירי חשמל, סגנון הדפסה ושוליים של תצלום, ומרכיבים מזה הערכת עשור. תנו להם הקשר ותקבלו הערכה טובה בהרבה:

זו תמונה משפחתית מישראל, כנראה שנות ה-70 או ה-80, אבל אני לא בטוח. תסתכל על הבגדים, התספורות, הרהיטים, כל מכשיר או רכב שרואים, סוג ההדפסה והשוליים של התמונה. תן לי טווח שנים סביר עם נימוק לכל רמז. אם יש רמז שסותר את השאר, ציין אותו. אל תמציא פרטים שלא רואים בתמונה.

טיפ ממוקד לישראל: בקשו מהמודל לשים לב לפרטים מקומיים. מכונית סוסיתא או פיאט 127, טלפון של בזק בצבע ירוק, טפט מסוים, סוג בלטות. הרמזים האלה מצמצמים טווח שנים בצורה מפתיעה.

איפה: זיהוי מקומות. מודלים מזהים נופים מוכרים, מבנים ציבוריים, שלטים בעברית, ולפעמים אפילו סוג הצמחייה. שאלו ישירות, ובקשו רמת ביטחון:

לפי הרקע, השלטים, הצמחייה ומבנה הרחוב, איפה בישראל צולמה התמונה לדעתך? תן עד שלוש אפשרויות מדורגות, ולכל אחת רמת ביטחון באחוזים והרמז שהוביל אותך אליה.

עבודה בסדרות, לא בתמונות בודדות. הטריק שחוסך הכי הרבה זמן: העלו למודל 5-10 תמונות מאותו אירוע יחד וביקשו תיוג לכולן בטבלה. המודל משתמש בהקשר של התמונות זו לזו (אותם אנשים, אותו חדר, אותה עוגה) והתוצאה עקבית יותר.

העליתי 8 תמונות שכנראה צולמו באותו אירוע. הנה רשימת בני המשפחה עם תיאור קצר: [יוסף, סבא, גבר מבוגר עם משקפיים; לאה, סבתא, שיער אפור אסוף; רחל, דודה, ילדה בת 10 בערך]. תבנה טבלה: מספר תמונה, מי מזוהה בה לפי התיאורים, מה קורה בתמונה במשפט אחד, וסימן שאלה ליד כל זיהוי שאתה לא בטוח בו. אל תנחש שמות של אנשים שלא ברשימה.

סידור ומטא־דאטה: הופכים ערימה לארכיון

כל התיוג היפה שעשיתם שווה מעט אם הוא חי רק באפליקציה אחת. בעוד עשר שנים האפליקציה תשתנה, והתגים ייעלמו. הפתרון: לכתוב את המידע לתוך הקובץ עצמו, בשדות מטא־דאטה סטנדרטיים (EXIF, IPTC ו-XMP) שכל תוכנה קוראת.

שיטת שמות אחידה. קבעו פורמט וקיימו אותו. ההמלצה שלנו:

1978-06_חתונה-רחל-ודוד_003.jpg
1950s-approx_סבא-יוסף-פולין_017.jpg

השנה קודם, כי אז המחשב ממיין כרונולוגית לבד. כשלא יודעים חודש, כותבים רק שנה. כשלא יודעים שנה, כותבים עשור עם approx. עדיף אי־ודאות מפורשת מתאריך מומצא.

שדות מטא־דאטה שכדאי למלא:

• תאריך צילום (גם משוער, עם הערה)
• שמות האנשים, משמאל לימין
• מקום
• אירוע
• מקור (מהאלבום של אמא, מהמעטפה של הדוד)
• הערות, כולל מה שהיה כתוב על הגב

תוכנות כמו digiKam, Lightroom, או Adobe Bridge כותבות את השדות האלה ישירות לקובץ. למי שנוח עם שורת פקודה, ExifTool עושה את זה על מאות קבצים בפעם אחת.

וכאן טריק שמחבר את הכול: אחרי שהמודל תייג לכם סדרת תמונות בטבלה, בקשו ממנו לייצר את פקודות ExifTool או סקריפט קצר לשינוי שמות. אין צורך לדעת לתכנת:

הנה טבלה עם מספרי קבצים, תאריכים משוערים, שמות אנשים ואירוע. תכתוב לי סקריפט (למק, בשורת הפקודה) שמשנה את שמות הקבצים לפורמט שנה-חודש_אירוע_מספר, וכותב את שמות האנשים לשדה Keywords ואת התאריך לשדה DateTimeOriginal בעזרת ExifTool. תוסיף הערה לכל שורה שמסבירה מה היא עושה, ותתחיל במצב "הדמיה" שרק מדפיס מה ישתנה בלי לשנות.

המשפט האחרון קריטי. תמיד מריצים קודם הדמיה על עותק, ורק אחר כך על הקבצים האמיתיים.

כפילויות. אחרי שסרקתם ואיחדתם עם התמונות מהטלפון, יהיו לכם כפילויות. Google Photos מזהה כפילויות מדויקות בהעלאה, אבל לא כפילויות “כמעט” (סריקה של אותה תמונה משני מקורות שונים). תוכנות חינמיות כמו dupeGuru מוצאות גם אותן לפי דמיון ויזואלי. עוברים על ההצעות ידנית לפני שמוחקים, כי הן טועות לפעמים עם תמונות סדרה.

גיבוי לפי כלל 3-2-1. שלושה עותקים, על שני סוגי מדיה שונים, אחד מהם מחוץ לבית. בפועל: המחשב, דיסק חיצוני, וענן. אם עשיתם את כל העבודה הזו ויש עותק אחד בלבד, לא עשיתם כלום.

ראיונות עם המשפחה: AI כעוזר תיעוד

הזיהוי הכי טוב לא מגיע מאלגוריתם, הוא מגיע מסבתא. אבל לשבת עם סבתא ולעבור על 400 תמונות זה מתיש לשניכם, והמידע נעלם אם לא רושמים. כך עושים את זה חכם:

מכינים רשימת שאלות מראש. תנו למודל את התיאור של התמונות שלא הצלחתם לתייג, וביקשו ממנו לבנות ריאיון:

יש לי 30 תמונות שלא הצלחתי לזהות, מהשנים 1950-1975 בערך, כנראה מהצד של אמא שלי שעלתה ממרוקו. אני הולך לראיין את סבתא שלי (בת 84) עליהן. תבנה לי סדר שאלות: מתחיל בשאלות קלות שפותחות זיכרון (איפה גרתם, מי היו השכנים), ואז לכל תמונה שלוש שאלות קצרות. תזכיר לי גם שאלות המשך שכדאי לשאול כשהיא מזכירה שם חדש.

מקליטים ומתמללים. הקליטו את השיחה בטלפון (בהסכמה, כמובן), ואחר כך העלו את התמלול למודל וביקשו ממנו לחלץ את המידע לטבלה: מספר תמונה, מי, מתי, איפה, וסיפור. את התמלול המלא שומרים גם הוא בארכיון. בעוד שלושים שנה, הקול של סבתא שמספרת על התמונה יהיה שווה יותר מהתמונה עצמה.

מצליבים בין מקורות. אם דוד אחד אומר 1962 ודודה אחרת אומרת 1965, אל תבחרו. רשמו את שתי הגרסאות בשדה ההערות. ארכיון טוב מתעד גם מחלוקות.

טעויות נפוצות

עריכה על הקובץ המקורי. הטעות שאין ממנה דרך חזרה. תמיד: תיקיית מקור נעולה, תיקיית עבודה נפרדת.

סריקה ברזולוציה נמוכה “כי זה מספיק למסך”. בעוד חמש שנים תרצו להדפיס, או שכלי שחזור חדש יצטרך פיקסלים שאין. סורקים פעם אחת, כמו שצריך.

אמון עיוור בתיארוך של AI. המודל ישמע בטוח גם כשהוא מנחש. תמיד בקשו רמת ביטחון ונימוק, וסמנו הערכות כהערכות בשם הקובץ.

“שחזור” גנרטיבי שמחליף פנים. כבר דיברנו על זה, אבל שווה לחזור: אם התוצאה נראית טוב מדי, כנראה שהיא לא הסבתא שלכם.

שמות אנשים לא עקביים. “סבא”, “יוסף”, “סבא יוסף”, “יוסי” זה ארבעה אנשים שונים בעיני מנוע חיפוש. קובעים שם אחד לכל אדם, רושמים ברשימה, ומדביקים אותה למודל בכל פרומפט תיוג.

הכול בענן של אפליקציה אחת. אפליקציות נסגרות, חשבונות ננעלים, תגים לא מיוצאים. המידע חייב לשבת בקובץ עצמו.

פרטיות שלא חשבתם עליה. תמונות של קרובים שעדיין חיים, ובמיוחד של ילדים, לא מעלים לכל כלי AI בלי לחשוב. לכלים של OpenAI, Anthropic וגוגל יש הגדרות פרטיות שקובעות אם השיחות שלכם משמשות לאימון. בדקו אותן לפני שאתם מעלים אלבום שלם, ובתמונות רגישות במיוחד השתמשו בכלים מקומיים.

להתחיל מהכול. מי שמתחיל עם 3,000 תמונות מתייאש אחרי 200. מתחילים באירוע אחד, מסיימים אותו עד הסוף כולל גיבוי, ורק אז ממשיכים.

סיכום וצ’קליסט התחלה

הפרויקט הזה הוא מרתון, לא ספרינט, אבל הוא מהמתגמלים ביותר שתעשו. AI לוקח על עצמו את החלקים המייגעים: פענוח כתב יד, הערכת תאריכים, זיהוי פנים, כתיבת סקריפטים למטא־דאטה, בניית שאלות לריאיון. אתם נשארים עם החלק שרק אתם יכולים לעשות: להחליט מה חשוב, לאמת מול המשפחה, ולשמור על האמת של התמונות.

צ’קליסט לסוף השבוע הראשון:

1. בחרו אירוע אחד או אלבום אחד. לא יותר.
2. מיינו פיזית לפי מקור, וסמנו בפתקים דביקים.
3. צלמו גבים עם כתב, ופענחו עם ChatGPT, Claude או Gemini.
4. סרקו ב-600 DPI, שמרו TIFF בתיקיית “מקור” ו-JPEG בתיקיית “עבודה”.
5. קבעו רשימת שמות אחידה לבני המשפחה ושמרו אותה בקובץ טקסט.
6. תייגו בסדרות של 5-10 תמונות עם הפרומפט לטבלה, ובקשו סימני שאלה על אי־ודאות.
7. הפעילו זיהוי פנים ב-Google Photos, Apple Photos או digiKam ואמתו ידנית.
8. שנו שמות קבצים לפורמט אחיד וכתבו מטא־דאטה לקובץ, אחרי הדמיה על עותק.
9. שפרו איכות עם כלי שיפור (לא גנרטיבי), ושמרו כקובץ נפרד.
10. גבו לפי 3-2-1 לפני שאתם עוברים לאלבום הבא.

בסוף האירוע הראשון תבינו את הקצב שלכם, ותדעו בדיוק כמה סופי שבוע ייקח לכם להגיע לקופסה האחרונה. ותגלו, כמו רוב מי שעושה את זה, שהחלק הכי טוב לא היה הארכיון המסודר. הוא היה השיחה עם סבתא.