Selspekk, brynestein og smør: KI som redskap i historisk geografi

For ganske nylig fullførte vi på Språksamlingane transkripsjonen av Skattematrikkelen av 1647 for Hordaland – nesten 2 000 gardsposter, hentet side for side ut av et bind som ellers har ligget nokså urørt i årevis. Det er en av de mest underutnyttede kildene vi har til fylkets eldre historie: et skatteregister, satt opp for å avgjøre hva hver enkelt gård skulle svare i skatt til kongen, men i realiteten et detaljert tverrsnitt av det vestnorske bygdesamfunnet slik det så ut for snart fire hundre år siden – og ennå lengre tilbake i tid. Dette er kjernestoff for historisk geografi – studiet av hvordan bosetning, ressursbruk og landskap har endret seg over tid, og hvordan skriftlige kilder kan kobles til konkrete steder. Og matrikkelen har mye mer å fortelle enn skattetall.

En gård, et navn, en verdi

Kjernen i en matrikkel er den såkalte skylden – en vurdering av hva gården var pliktig til å svare i skatt, uttrykt i naturalia. Fra vår egen transkribering av Skattematrikkelen av 1647 for Hordaland kjenner vi skyldslag som spenner fra smør, huder og korn over fisk, tran og tørrfisk til salt og mye annet. Til sammenligning er regnestykket i matrikkelen av 1777 et annet: huder og kalveskinn, omregnet til hva gården skulle stille med av infanteri til hæren.

Det er fristende å lese dette som et regnskap over hva bonden bokstavelig talt bar til fogden – så mange skinn, så mange tønner korn og løp smør. Realiteten var nok en annen: på 1600- og 1700-tallet ble det aller meste trolig gjort opp i mynt. Det som sto igjen i naturalia, var selve beregningsgrunnlaget for skatten, ikke betalingsmiddelet. Skylden er med andre ord et spor etter et eldre skattesystem som levde videre som regneenhet lenge etter at det sluttet å være det bøndene faktisk leverte fra seg.

Nettopp derfor er matrikkelen mer enn et øyeblikksbilde av sin egen samtid. Fordi skyldsystemet er arvet fra en eldre praksis, kan denne typen kilder fungere som et vindu bakover til perioder vi ellers har svært få skriftlige spor fra – helt til middelalderen. Det er ikke bare et teoretisk poeng: i en tidligere Spesialglimt-artikkel, «Matrikkelen fra 1777 – et lykketreff» av Celine Weisenfeld, beskrives nettopp dette i praksis, i et eksemplar av 1777-matrikkelen for Bergens Stift – samme landsdel som Hordaland – bevart i Manuskript- og librarsamlingen ved UiB.

1777-matrikkelen som helhet står for øvrig i en litt annen stilling enn den vi selv har arbeidet med: den finnes i dag digitalt tilgjengelig for hele landet, blant annet som skannede sider i Digitalarkivet. Det løser likevel ikke samme utfordring som denne artikkelen handler om – skannede bilder av gotisk skrift er ikke det samme som strukturerte, søkbare data klare til bruk i historisk geografi og til stednavnforskning. Det er nettopp den jobben – å gjøre matriklenes innhold søkbart, gård for gård – et arbeid som vi er i gang med på Språksamlingane. I skrivende stund er 1777-matrikkelen transkribert i helhet, men for 1647-matrikkelen er det kun Hordaland innntil videre.

Det som gjør skyldangivelsene fascinerende, er ikke bare hovedmønsteret, men avvikene. Av de knapt 2 000 gardspostene i vårt eget Hordaland-materiale er de aller fleste vurdert i smør, korn eller huder – men et lite mindretall bærer skyld i varer som avslører helt andre næringer, og som gjerne er avgrenset til noen få, geografisk samlede gårder:

·         Selspekk (røde punkter på kartet over) er bare notert på to gårder i hele materialet – Espevær i Bømlo og Ånuglo i Onarheim – begge på øyer, der selfangst åpenbart var en del av husholdet.

·         Brynestein (grønn punkt) finnes bare på én gård, Tveit i Eidfjord – et enslig spor etter lokal bergartsutvinning som ellers ikke ville vært synlig i kilden.

·         Ost (gul punkt) er notert bare på Reiseter i Etne.

·         Never (Lilla punkter) er avgrenset til to nabodistrikt: Tveit, Indre Matre, Hammarsland, Bjørkestronda og Markhus i Skånevik, og Volme, Hårland, Øyna og Killingtveit i Etne.

·         Tørrfisk (blå punkter) finnes på fire gårder, alle i Austevoll: Toranger, Økland, Kolbeinsvik og Vassnes.

En matrikkel er dermed ikke bare et skatteregnskap – det er et bilde av en lokal ressursøkonomi, gård for gård, med røtter langt tilbake i tid.

Og for hver gård står navnet. Det er her kildeverdien blir dobbel: matriklene er ikke bare økonomisk historie, de er også noen av våre eldste sammenhengende registre over norske stedsnavn – ofte skrevet ned av skrivere som hørte navnet uttalt og satte det på papir slik de oppfattet det, lenge før noen tenkte på systematisk navneforskning.

Et fylke i vekst – og et tak som nås

Dette er historisk geografi i praksis: ikke bare hvor stedene ligger, men hvordan mønsteret av bosetning har endret seg over tid. Tallet på registrerte gårder i Hordaland gjennom de fire store matriklene fra 1647 til 1886 tegner et tydelig bilde av et samfunn i sterk endring. I Skattematrikkelen av 1647 er det knapt 1 900 gardsposter i fylket. Hundre og tretti år senere, i Matrikkelen av 1777, er tallet nesten fordoblet, til rundt 3 500. Så flater veksten ut: Matrikkelen av 1838 viser om lag 3 400 enheter, og i 1886 ligger tallet fortsatt på rundt 3 500 – praktisk talt uendret på over hundre år.

Denne kurven speiler noe historikerne kjenner godt fra norsk agrarhistorie. Fra midten av 1600-tallet og utover 1700-tallet vokste folketallet betydelig, og presset på jorda ble løst gjennom bruksdeling: gårder ble delt mellom arvinger, og én matrikkelgård kunne ende opp som flere selvstendig registrerte gårder. Det er trolig denne prosessen som ligger bak den kraftige økningen fra 1647 til 1777.

Det er verdt å merke seg hva som skjer med selve skyldsystemet i denne perioden. Matrikkelrevisjonen av 1838 var det endelige bruddet med naturalia-tradisjonen som har gått som en rød tråd gjennom denne artikkelen: fra nå av ble skylden regnet i en egen, standardisert skyldmark-enhet, løsrevet fra hva gården faktisk produserte i smør, korn eller never.

Hvorfor kilden har ligget urørt

Hvis dette er så verdifullt, hvorfor er ikke innholdet allerede en del av navnedatabasen stadnamn.no for lengst? For Hordaland-bindet av Skattematrikkelen 1647 er svaret ikke mangel på en lesbar utgave – kilden foreligger i en forholdsvis ny, vitenskapelig utgave fra 1970-tallet, satt med moderne typer. Problemet ligger et annet sted: i selve kildens indre struktur. Hovedoppføringen for hver gård – navn og skyld – står uinnrykket, mens de enkelte brukernes andeler er innrykket rett under, og løpenumrene er ikke markert tydelig. Moderne skrift løser altså ikke problemet alene – utfordringen er å tolke sideoppbygningen riktig, ikke bare å lese bokstavene. Brøktegn som ½ blir dessuten lett lest som bokstaver eller tilfeldige symboler av automatisk tekstgjenkjenning, og OCR klarer ikke å skille en gårds hovedoppføring fra brukernes underordnede andeler.

Manuell transkribering side for side er mulig, men uoverkommelig tidkrevende når materialet dekker et helt fylke fordelt på flere hundre sider. Det er dette som har gjort 1647-matrikkelen til en av de virkelig underutnyttede kildene for stadnamnarbeidet i Hordaland: verdifull, men praktisk talt utilgjengelig i stor skala med tradisjonelle metoder.

Der kunstig intelligens gjør en forskjell

Det siste året har vi testet ut en annen tilnærming: å bruke en KI-språkmodell som leser sidene som bilder – altså slik en person ville lest dem – i stedet for å stole på en OCR-tekst som uansett er upålitelig. Modellen identifiserer hovedoppføringen på hver side, skiller den fra de indenterte brukeroppføringene under, og fører navn, skyld og administrativ tilhørighet inn i strukturerte regneark. Det høres kanskje enkelt ut, men det som gjør metoden nyttig i praksis, er alt det som ikke er opplagt ved første øyekast. De lavere administrative inndelingene – skipreide og sokn – må gjenkjennes løpende gjennom hele bindet. Avvik og problematiske lesninger flagges automatisk, slik at de blir liggende klare for kontroll mot originalen i stedet for å gli ubemerket forbi.

Å bygge inn kontroller som fanger opp brutte mønstre – der et løpenummer hopper feil vei, eller en skyldoppføring mangler en enhet naboene har – gjør at avvik og lesefeil dukker opp automatisk, i stedet for å bli oppdaget tilfeldig ved et stikkprøvesøk måneder senere.

Resultatet er ikke en erstatning for fagfolkenes kontroll – usikre lesninger blir fortsatt flagget og sjekket mot originalen – men det flytter arbeidet fra å skrive av bokstav for bokstav til å kvalitetssikre. I praksis har det gitt en fremdrift som ikke var tenkelig med manuell avskrift: hele Matrikkelen av 1777 – to bind Land-Etaten og ett bind Søe-Etaten – ble transkribert i løpet av én uke, og Skattematrikkelen av 1647 for Hordaland i løpet av én dag. Det som tidligere var et flerårig prosjekt, blir dermed overkommelig innenfor rammen av det vi faktisk har kapasitet til.

Fra arkivskap til åpen kunnskap

Målet er ikke transkripsjonen i seg selv, men det den gjør mulig: å mate stedsnavnmaterialet fra Hordaland-bindet av Skattematrikkelen 1647 inn i stadnamn.no, slik at denne hittil lite brukte kilden blir en del av det samlede, søkbare navnematerialet – fint supplerende kildene som allerede finnes der. Foreløpig er det bare dette bindet som er ferdig transkribert; resten av landet står for tur, og metoden er allerede utprøvd i god fart også på andre matrikler, som vist over.

Men stedsnavnarbeidet er bare én bruk av materialet. Samme datasett – gård, sted, skyld og administrativ tilhørighet samlet i én strukturert tabell – er i tillegg råstoff for historisk geografi i videre forstand: kobling til geografiske informasjonssystemer (GIS), kartlegging av lokale ressursøkonomier over tid, og studier av bosetningsmønstre og landskapsendring på tvers av de fire matriklene vi har sett på ovenfor.

Når en gård med et navn vi ellers bare kjenner fra én senere kilde, plutselig dukker opp allerede i 1647, endrer det navnehistorien for det stedet. Når skyldangivelsen forteller om selfangst i en fjord der vi i dag ikke tenker på annet enn jordbruk, endrer det litt av bildet vi har av hvordan folk faktisk livnærte seg. Det er den typen kunnskap som har ligget og ventet i disse bindene – og som kunstig intelligens nå gjør det mulig å hente fram i det tempoet kildematerialet fortjener.