Ključni izsledki
- Novo orodje, ki ga poganja AI, bi lahko zgodovinarjem pomagalo dešifrirati starodavna besedila.
- Ithaca je prva globoka nevronska mreža, ki lahko obnovi manjkajoče besedilo poškodovanih napisov, identificira njihovo prvotno lokacijo in pomaga določiti datum, ko so bili ustvarjeni.
- AI je uporaben za zapolnjevanje manjkajočih podatkov, kot sta lokacija in datum besedila, ker je dober pri učenju zelo zapletenih vzorcev z analizo podatkov.
Nedavni napredek na področju umetne inteligence (AI) spodbuja prizadevanja za razumevanje preteklosti.
Ithaca, model strojnega učenja, ki so ga izdelali raziskovalci umetne inteligence pri DeepMind, lahko ugane manjkajoče besede ter lokacijo in datum pisnega jezika, glede na nov dokument. Prizadevanje bi lahko pomagalo zgodovinarjem dešifrirati starodavne rokopise.
»Ithaca je globoka nevronska mreža in kot taka je neverjetno sposobna najti skrite vzorce v ogromnih količinah podatkov,« je za Lifewire v elektronski pošti povedala zgodovinarka Thea Sommerschield, soavtorica nedavnega članka. intervju. »Takšni vzorci so lahko besedilni (slovnični, sintaktični ali povezani s ponavljajočo se 'formulo' v mnogih besedilih) ali kontekstualni (določene besede se dosledno pojavljajo v določenih zvrsteh besedil: npr. politični odlok iz klasičnih Aten, ki omenja besede 'zavezništvo, svet, skupščina…').”
Razkrivanje preteklosti
Ithaca je prva globoka nevronska mreža, ki lahko obnovi manjkajoče besedilo poškodovanih napisov, prepozna njihovo prvotno lokacijo in pomaga določiti datum, ko so bili ustvarjeni, je dejal Sommerschield.
Itaka je dobila ime po grškem otoku v Homerjevi Odiseji. Raziskovalci so ugotovili, da Ithaca dosega 62-odstotno natančnost pri obnavljanju poškodovanih besedil, 71-odstotno natančnost pri identifikaciji njihove prvotne lokacije in lahko datira besedila do 30 let od datuma njihovega nastanka.
Ithaca's pripomočki za vizualizacijo so namenjeni temu, da raziskovalcem olajšajo interpretacijo rezultatov. Avtorji prispevka so zapisali, da so zgodovinarji dosegli 25-odstotno natančnost, ko so sami obnavljali starodavna besedila. Toda zgodovinarjeva uspešnost se pri uporabi Ithaca poveča na 72 %, kar preseže zmogljivost modela in kaže potencial za sodelovanje človek-stroj.
»Ithaca ponuja razložljive rezultate, ki prikazujejo vse večji pomen sodelovanja med človeškimi strokovnjaki in strojnim učenjem ter kažejo, kako lahko povezovanje človeških strokovnjakov z arhitekturami globokega učenja za skupno reševanje nalog preseže individualno (brez pomoči) uspešnost ljudi in model za enake naloge,« je Sommerschield povedal za Lifewire.
Na primer, zgodovinarji se trenutno ne strinjajo glede datuma vrste pomembnih atenskih odlokov, izdanih v času, ko so živele pomembne osebnosti, kot sta Sokrat in Periklej, je Sommerschield zapisal v objavi na blogu. Dolgo se je domnevalo, da so bili dekreti napisani pred leti 446/445 pr. n. št., čeprav novi dokazi kažejo na datum 420. pr. n. št. »Čeprav se morda zdi majhna razlika, so ti dekreti temeljnega pomena za naše razumevanje politične zgodovine klasičnih Aten,« je zapisala
Najbližje delo Ithaci je prejšnje orodje za strojno učenje, imenovano Pythia, ki so ga Sommerschield in njeni sodelavci izdali leta 2019. Pythia je bil prvi starodavni model restavriranja besedila, ki je uporabljal globoke nevronske mreže.
»Danes je Ithaca prvi model, ki se celovito loteva treh osrednjih nalog v epigrafičevem delovnem toku,« je Sommerschield dejal v elektronskem sporočilu. »Ne samo, da napreduje v prejšnjem najsodobnejšem naboru Pythie, ampak tudi prvič uporablja globoko učenje za geografsko in kronološko pripisovanje in to v obsegu brez primere.”
AI v pomoč zgodovinarjem
AI je uporaben za zapolnjevanje manjkajočih podatkov, kot sta lokacija in datum besedila, ker je dober pri učenju zelo zapletenih vzorcev z analizo podatkov, je za Lifewire po elektronski pošti povedal Brad Quinton, izvršni direktor podjetja Singulos Research, ki se ukvarja z umetno inteligenco.
»Z uporabo tehnik strojnega učenja lahko umetna inteligenca pregleda veliko število »znanih dobrih« primerov, da bi našla vzorce med, na primer, danim besedilom ter njegovim datumom in lokacijo ustvarjanja,« je dodal Quinton. "Pogosto so ti vzorci tako zapleteni, da človeškemu strokovnjaku ne bi bili očitni."
Predvidevanje manjkajočih podatkov je pogosta naloga umetne inteligence, ki temelji na strojnem učenju. Na primer, GPT-3 iz OpenAI lahko predvidi manjkajoče besede v stavku ali celo manjkajoče stavke v odstavku. Številni sistemi za obdelavo slik, ki temeljijo na umetni inteligenci, so bili uporabljeni za obnovitev videa in slik z inteligentnim predvidevanjem, kaj je bilo izgubljeno od izvirnika.
»Konceptualno bi lahko raziskovalci uporabili podobne tehnike za določitev datuma in izvora umetnosti ali orodij ali drugih zgodovinskih artefaktov, ki jih je ustvaril človek, kjer se pričakuje sprememba v osnovnem slogu in tehniki skozi čas in glede na lokacijo izvora, «je rekel Quinton.
