Ključni podaci za van
- Novi alat koji pokreće AI mogao bi pomoći povjesničarima da dešifriraju drevne tekstove.
- Ithaca je prva duboka neuronska mreža koja može vratiti nedostajući tekst oštećenih natpisa, identificirati njihovu izvornu lokaciju i pomoći u utvrđivanju datuma kada su stvoreni.
- AI je korisna za popunjavanje podataka koji nedostaju poput lokacije i datuma teksta jer je dobra u učenju vrlo složenih obrazaca analizom podataka.
Nedavni napredak u umjetnoj inteligenciji (AI) potiče napore da se razumije prošlost.
Ithaca, model strojnog učenja koji su izradili istraživači umjetne inteligencije u DeepMindu, može pogoditi riječi koje nedostaju te mjesto i datum pisanog jezika, prema novom radu. Taj bi napor mogao pomoći povjesničarima da dešifriraju stare rukopise.
"Ithaca je duboka neuronska mreža, i kao takva, nevjerojatno je sposobna pronaći skrivene obrasce u golemim količinama podataka," rekla je povjesničarka Thea Sommerschield, koautorica nedavnog rada, za Lifewire u e-poruci intervju. „Takvi obrasci mogu biti tekstualni (gramatički, sintaktički ili povezani s ponavljanom 'formulom' u mnogim tekstovima) ili kontekstualni (određene riječi koje se dosljedno pojavljuju u određenim žanrovima tekstova: npr. politički dekret iz klasične Atene koji spominje riječi 'savez, vijeće, skupština…').”
Otkrivanje prošlosti
Ithaca je prva duboka neuronska mreža koja može vratiti nedostajući tekst oštećenih natpisa, identificirati njihovu izvornu lokaciju i pomoći u utvrđivanju datuma kada su stvoreni, rekao je Sommerschield.
Itaka je dobila ime po grčkom otoku u Homerovoj Odiseji. Istraživači su otkrili da Ithaca postiže 62% točnosti u obnavljanju oštećenih tekstova, 71% točnosti u identificiranju njihove izvorne lokacije i može datirati tekstove unutar 30 godina od datuma njihova nastanka.
Pomagala za vizualizaciju Ithace namijenjena su olakšavanju istraživačima tumačenja rezultata. Autori rada napisali su da su povjesničari postigli 25% točnosti kada su sami radili na obnavljanju starih tekstova. No, povjesničareva izvedba se povećava na 72% kada koristi Ithacu, nadmašujući izvedbu modela i pokazujući potencijal za suradnju čovjeka i stroja.
“Ithaca nudi interpretabilne rezultate, pokazujući sve veću važnost suradnje između ljudskih stručnjaka i strojnog učenja te pokazuje kako spajanje ljudskih stručnjaka s arhitekturama dubokog učenja za zajedničko rješavanje zadataka može nadmašiti individualnu (bez pomoći) izvedbu i ljudi i model na istim zadacima,” rekao je Sommerschield za Lifewire.
Na primjer, povjesničari se trenutno ne slažu oko datuma niza važnih atenskih dekreta donesenih u vrijeme kada su živjele značajne ličnosti poput Sokrata i Perikla, napisao je Sommerschield u postu na blogu. Dugo se smatralo da su dekreti napisani prije 446./445. pr. Kr., iako novi dokazi upućuju na datum 420. pr. Kr. “Iako se može činiti kao mala razlika, ovi dekreti su temeljni za naše razumijevanje političke povijesti klasične Atene,” napisala je
Najbliži rad Ithaci prethodni je alat za strojno učenje pod nazivom Pythia koji su Sommerschield i njezini suradnici objavili 2019. Pythia je bila prvi model restauracije drevnog teksta koji je koristio duboke neuronske mreže.
"Danas je Ithaca prvi model koji se holistički bavi trima središnjim zadacima u tijeku rada epigrafa", rekao je Sommerschield u e-poruci. “Ne samo da unapređuje prijašnji najsuvremeniji skup Pythia, već također koristi duboko učenje za zemljopisno i kronološko pripisivanje po prvi put i to u neviđenom opsegu.”
AI za pomoć povjesničarima
AI je koristan za popunjavanje podataka koji nedostaju poput lokacije i datuma teksta jer je dobar u učenju vrlo složenih uzoraka analizom podataka, rekao je Brad Quinton, izvršni direktor AI tvrtke Singulos Research, putem e-pošte za Lifewire.
"Koristeći tehnike strojnog učenja, umjetna inteligencija može pregledati veliki broj "poznatih dobrih" primjera kako bi pronašla uzorke između, na primjer, određenog teksta i njegovog datuma i mjesta stvaranja," dodao je Quinton. "Često su ti uzorci toliko složeni da ljudskom stručnjaku ne bi bili očiti."
Predviđanje podataka koji nedostaju uobičajen je zadatak za umjetnu inteligenciju koja se temelji na strojnom učenju. Na primjer, GPT-3 iz OpenAI-ja može predvidjeti riječi koje nedostaju u rečenici ili čak rečenice koje nedostaju u odlomku. I mnogi sustavi za obradu slike temeljeni na umjetnoj inteligenciji korišteni su za vraćanje videa i slika inteligentnim predviđanjem onoga što je izgubljeno od izvornika.
“Konceptualno, istraživači bi mogli koristiti slične tehnike za određivanje datuma i podrijetla umjetnosti ili alata, ili drugih povijesnih artefakata koje je napravio čovjek gdje postoji očekivanje promjene u temeljnom stilu i tehnici tijekom vremena i prema lokaciji porijeklo,” rekao je Quinton.
