موارد مهم
- ابزار جدید مجهز به هوش مصنوعی می تواند به مورخان در رمزگشایی متون باستانی کمک کند.
- Ithaca اولین شبکه عصبی عمیق است که می تواند متن گمشده کتیبه های آسیب دیده را بازیابی کند، مکان اصلی آنها را شناسایی کند و به تعیین تاریخ ایجاد آنها کمک کند.
- AI برای پر کردن داده های گمشده مانند مکان و تاریخ متن مفید است زیرا در یادگیری الگوهای بسیار پیچیده با تجزیه و تحلیل داده ها خوب است.
پیشرفت های اخیر در هوش مصنوعی (AI) تلاش ها برای درک گذشته را تقویت می کند.
طبق یک مقاله جدید، Ithaca، یک مدل یادگیری ماشینی که توسط محققان هوش مصنوعی در DeepMind ساخته شده است، می تواند کلمات گم شده و مکان و تاریخ زبان نوشتاری را حدس بزند. این تلاش می تواند به مورخان کمک کند تا دست نوشته های باستانی را رمزگشایی کنند.
مورخ تئا سامرشیلد، یکی از نویسندگان مقاله اخیر، در ایمیلی به Lifewire گفت: "Ithaca یک شبکه عصبی عمیق است، و به همین دلیل، به طور باورنکردنی قادر به یافتن الگوهای پنهان در حجم وسیعی از داده ها است." مصاحبه. چنین الگوهایی می‌توانند متنی (گرامری، نحوی، یا مرتبط با یک «فرمول» مکرر در بسیاری از متون) یا زمینه‌ای باشند (برخی کلمات به طور مداوم در ژانرهای خاصی از متون ظاهر می‌شوند: به عنوان مثال، یک فرمان سیاسی از آتن کلاسیک که کلمات «ائتلاف» را ذکر می‌کند، شورا، مجمع…').»
افشای گذشته
سامرشیلد گفت Ithaca اولین شبکه عصبی عمیقی است که می تواند متن گمشده کتیبه های آسیب دیده را بازیابی کند، مکان اصلی آنها را شناسایی کند و به تعیین تاریخ ایجاد آنها کمک کند.
Ithaca از نام جزیره یونانی در اودیسه هومر نامگذاری شده است. محققان دریافتند که ایتاکا در بازیابی متون آسیب‌دیده به دقت 62 درصد، در شناسایی مکان اصلی آنها به دقت 71 درصد دست می‌یابد و می‌تواند متن‌ها را تا 30 سال پس از تاریخ پیدایش تاریخ‌گذاری کند.
کمک‌های تجسمی Ithaca به منظور تسهیل تفسیر نتایج برای محققان است. نویسندگان مقاله نوشتند که مورخان وقتی به تنهایی برای بازیابی متون باستانی کار می کردند، به 25 درصد دقت دست یافتند. اما، عملکرد مورخ هنگام استفاده از ایتاکا به 72 درصد افزایش می‌یابد که از عملکرد مدل پیشی می‌گیرد و پتانسیل همکاری انسان و ماشین را نشان می‌دهد.
Ithaca خروجی های قابل تفسیر ارائه می دهد، اهمیت فزاینده همکاری بین متخصصان انسانی و یادگیری ماشین را نشان می دهد، و نشان می دهد که چگونه تطبیق متخصصان انسانی با معماری های یادگیری عمیق برای مقابله با وظایف به طور مشترک می تواند از عملکرد فردی (غیر کمکی) هم انسان و هم پیشی بگیرد. سامرشیلد به Lifewire گفت.
برای مثال، سامرشیلد در یک پست وبلاگ نوشت، مورخان در حال حاضر در مورد تاریخ یک سری از احکام مهم آتن که در زمانی که شخصیت های برجسته ای مانند سقراط و پریکلس زندگی می کردند، اختلاف نظر دارند. مدتها تصور می شد که این احکام قبل از 446/445 قبل از میلاد نوشته شده اند، اگرچه شواهد جدید نشان می دهد که تاریخ آن مربوط به 420 سال قبل از میلاد است. او نوشت: «اگرچه ممکن است تفاوت کوچکی به نظر برسد، اما این احکام برای درک ما از تاریخ سیاسی آتن کلاسیک اساسی هستند.
نزدیکترین کار به Ithaca یک ابزار یادگیری ماشین قبلی به نام Pythia است که سامرشیلد و همکارانش در سال 2019 منتشر کردند. Pythia اولین مدل بازیابی متن باستانی بود که از شبکه‌های عصبی عمیق استفاده کرد.
سامرشیلد در ایمیلی گفت: «امروز، ایتاکا اولین مدلی است که به سه وظیفه اصلی در جریان کار نگارشگر به طور کل نگر رسیدگی می کند. نه تنها مجموعه پیشرفته قبلی توسط Pythia را پیش می برد، بلکه از یادگیری عمیق برای اسناد جغرافیایی و زمانی برای اولین بار و در مقیاسی بی سابقه استفاده می کند."
هوش مصنوعی برای کمک به مورخان
براد کوینتون، مدیر عامل شرکت هوش مصنوعی Singulos Research، از طریق ایمیل به Lifewire گفت:AI برای پر کردن داده های گمشده مانند مکان و تاریخ متن مفید است زیرا در یادگیری الگوهای بسیار پیچیده با تجزیه و تحلیل داده ها خوب است.
کوینتون افزود: «با استفاده از تکنیک‌های یادگیری ماشین، هوش مصنوعی می‌تواند تعداد زیادی مثال «خوب شناخته‌شده» را برای یافتن الگوهایی بین، به‌عنوان مثال، یک متن معین و تاریخ و مکان ایجاد آن، بررسی کند. "اغلب، این الگوها آنقدر پیچیده هستند که برای یک متخصص انسانی واضح نیستند."
پیش‌بینی داده‌های از دست رفته یک کار رایج برای هوش مصنوعی مبتنی بر یادگیری ماشین است. به عنوان مثال، GPT-3 از OpenAI می تواند کلمات گم شده در یک جمله یا حتی جملات از دست رفته در یک پاراگراف را پیش بینی کند. و بسیاری از سیستم‌های پردازش تصویر مبتنی بر هوش مصنوعی برای بازیابی ویدیو و تصاویر با پیش‌بینی هوشمندانه آنچه از نسخه اصلی گم شده است، استفاده شده‌اند.
"از نظر مفهومی، محققان می توانند از تکنیک های مشابه برای تعیین تاریخ و منشاء هنر یا ابزارها یا سایر مصنوعات تاریخی دست ساز بشر استفاده کنند که در آن انتظار تغییر در سبک و تکنیک اساسی در طول زمان و مکان وجود دارد. منشاء، "کوئینتون گفت.
