Keeawayt
- Uusi tekoälyllä toimiva työkalu voisi auttaa historioitsijoita tulkitsemaan muinaisia tekstejä.
- Ithaca on ensimmäinen syvä neuroverkko, joka voi palauttaa vaurioituneiden kirjoitusten puuttuvan tekstin, tunnistaa niiden alkuperäisen sijainnin ja auttaa määrittämään niiden luomispäivämäärän.
- AI on hyödyllinen puuttuvien tietojen, kuten tekstin sijainnin ja päivämäärän, täyttämiseen, koska se on hyvä oppimaan hyvin monimutkaisia kuvioita analysoimalla tietoja.
Tekoälyn (AI) viimeaikaiset edistysaskeleet antavat voiman pyrkimyksiin ymmärtää menneisyyttä.
Ithaca, DeepMindin tekoälytutkijoiden rakentama koneoppimismalli, voi uuden tutkimuksen mukaan arvata puuttuvat sanat sekä kirjoitetun kielen sijainnin ja päivämäärän. Pyrkimys saattaa auttaa historioitsijoita tulkitsemaan muinaisia käsikirjoituksia.
"Ithaca on syvä hermoverkko, ja sellaisena se pystyy uskomattoman löytämään piilotettuja kuvioita v altavista tietomääristä", kertoi historioitsija Thea Sommerschield, tuoreen artikkelin toinen kirjoittaja, Lifewirelle sähköpostissa. haastatella. "Tällaiset mallit voivat olla tekstillisiä (kielioppi, syntaktinen tai linkitetty toistuvaan "kaavaan" monissa teksteissä) tai kontekstuaalisia (tietyt sanat esiintyvät johdonmukaisesti tietyissä tekstilajeissa: esim. klassisen Ateenan poliittinen määräys, jossa mainitaan sanat "liitto, neuvosto, yleiskokous…').”
Meneisyyden paljastaminen
Ithaca on ensimmäinen syvä neuroverkko, joka voi palauttaa vaurioituneiden kirjoitusten puuttuvan tekstin, tunnistaa niiden alkuperäisen sijainnin ja auttaa määrittämään niiden luomispäivämäärän, Sommerschield sanoi.
Ithaca on nimetty Kreikan saaren mukaan Homeroksen Odysseiassa. Tutkijat havaitsivat, että Ithaca saavuttaa 62 prosentin tarkkuuden vaurioituneiden tekstien palauttamisessa, 71 prosentin tarkkuuden niiden alkuperäisen sijainnin tunnistamisessa ja voi päivämäärää tekstit 30 vuoden tarkkuudella niiden alkuperäpäivästä.
Ithacan visualisointiapuvälineet on tarkoitettu helpottamaan tutkijoiden tulkintaa tuloksia. Lehden kirjoittajat kirjoittivat, että historioitsijat saavuttivat 25 prosentin tarkkuuden, kun he työskentelivät yksin palauttamaan muinaisia tekstejä. Mutta historioitsijan suorituskyky nousee 72 prosenttiin käytettäessä Ithacaa, mikä ylittää mallin suorituskyvyn ja osoittaa ihmisen ja koneen yhteistyön mahdollisuudet.
“Ithaca tarjoaa tulkittavia tuotoksia, jotka osoittavat ihmisasiantuntijoiden välisen yhteistyön ja koneoppimisen kasvavan merkityksen ja osoittaa, kuinka ihmisasiantuntijoiden yhdistäminen syvään oppimisarkkitehtuuriin tehtävien hoitamiseksi yhdessä voi ylittää sekä ihmisten että ihmisten yksilöllisen (avuttoman) suorituskyvyn. mallia samoista tehtävistä”, Sommerschield kertoi Lifewirelle.
Esimerkiksi historioitsijat ovat tällä hetkellä eri mieltä useiden tärkeiden Ateenan säädösten päivämäärästä, jotka tehtiin aikana, jolloin merkittäviä henkilöitä, kuten Sokrates ja Perikles, asuivat, Sommerschield kirjoitti blogikirjoituksessaan. Asetusten on pitkään uskottu olevan kirjoitettu ennen vuotta 446/445 eaa., vaikka uudet todisteet viittaavat 420-luvulle eaa. "Vaikka se saattaa tuntua pieneltä erolta, nämä asetukset ovat perustavanlaatuisia ymmärtämään klassisen Ateenan poliittista historiaa", hän kirjoitti
Lähimpänä Ithacaa on aiempi koneoppimistyökalu nimeltä Pythia, jonka Sommerschield ja hänen yhteistyökumppaninsa julkaisivat vuonna 2019. Pythia oli ensimmäinen ikivanha tekstinpalautusmalli, joka käytti syviä hermoverkkoja.
"Ithaca on tänään ensimmäinen malli, joka käsittelee epigrafien työnkulun kolmea keskeistä tehtävää kokonaisv altaisesti", Sommerschield sanoi sähköpostissa. "Se ei ainoastaan edistä Pythian aiempaa huipputekniikkaa, vaan se myös käyttää syvää oppimista maantieteelliseen ja kronologiseen attribuutioon ensimmäistä kertaa ja ennennäkemättömässä mittakaavassa.”
AI auttamaan historioitsijoita
AI on hyödyllinen täydentämään puuttuvia tietoja, kuten tekstin sijainti ja päivämäärä, koska se on hyvä oppimaan erittäin monimutkaisia malleja analysoimalla tietoja, Brad Quinton, tekoälyyrityksen Singulos Researchin toimitusjohtaja, kertoi Lifewirelle sähköpostitse.
"Käyttäen koneoppimistekniikoita tekoäly voi selata läpi suuren määrän "tunnettuja hyviä" esimerkkejä löytääkseen kuvioita esimerkiksi tietyn tekstin ja sen luomispäivämäärän ja -paikan välillä", Quinton lisäsi. "Usein nämä kuviot ovat niin monimutkaisia, etteivät ne olisi ilmeisiä ihmisasiantuntijalle."
Puuttuvien tietojen ennustaminen on yleinen tehtävä koneoppimiseen perustuvassa tekoälyssä. Esimerkiksi OpenAI:n GPT-3 voi ennustaa puuttuvia sanoja lauseesta tai jopa puuttuvia lauseita kappaleesta. Ja monia tekoälypohjaisia kuvankäsittelyjärjestelmiä on käytetty videon ja kuvien palauttamiseen ennustamalla älykkäästi, mitä alkuperäisestä on kadonnut.
Käsitteellisesti tutkijat voisivat käyttää samanlaisia tekniikoita taiteen tai työkalujen tai muiden historiallisten ihmisen tekemien esineiden päivämäärän ja alkuperän määrittämiseen, jos taustalla olevan tyylin ja tekniikan odotetaan muuttuvan ajan myötä ja sijainnin mukaan. alkuperä”, Quinton sanoi.
