მთავარი წაღებები
- ახალი ხელოვნური ინტელექტის მქონე ხელსაწყო შეიძლება დაეხმაროს ისტორიკოსებს ძველი ტექსტების გაშიფვრაში.
- Ithaca არის პირველი ღრმა ნერვული ქსელი, რომელსაც შეუძლია აღადგინოს დაზიანებული წარწერების დაკარგული ტექსტი, ამოიცნოს მათი თავდაპირველი მდებარეობა და დაეხმაროს მათი შექმნის თარიღის დადგენას.
- AI სასარგებლოა დაკარგული მონაცემების შესავსებად, როგორიცაა ტექსტის მდებარეობა და თარიღი, რადგან ის კარგად სწავლობს ძალიან რთული შაბლონებს მონაცემების ანალიზით.
ხელოვნური ინტელექტის (AI) ბოლოდროინდელი მიღწევები აძლიერებს მცდელობებს წარსულის გასაგებად.
Ithaca, მანქანათმცოდნეობის მოდელი, რომელიც შექმნილია DeepMind-ის ხელოვნური ინტელექტის მკვლევარების მიერ, შეუძლია გამოიცნოს დაკარგული სიტყვები და წერილობითი ენის მდებარეობა და თარიღი, ნათქვამია ახალ ნაშრომში. მცდელობამ შეიძლება დაეხმაროს ისტორიკოსებს უძველესი ხელნაწერების გაშიფვრაში.
"Ithaca არის ღრმა ნერვული ქსელი და, როგორც ასეთი, მას წარმოუდგენლად შეუძლია აღმოაჩინოს ფარული შაბლონები დიდი რაოდენობით მონაცემებში," განუცხადა ისტორიკოსმა თეა სომერშილდმა, ბოლო ნაშრომის თანაავტორმა Lifewire-ში ელ.წერილში. ინტერვიუ. „ასეთი შაბლონები შეიძლება იყოს ტექსტური (გრამატიკული, სინტაქსური ან დაკავშირებული მრავალ ტექსტში განმეორებით „ფორმულასთან“) ან კონტექსტუალური (გარკვეული სიტყვები თანმიმდევრულად ჩნდება ტექსტების გარკვეულ ჟანრებში: მაგალითად, კლასიკური ათენის პოლიტიკური დეკრეტი, რომელშიც აღნიშნულია სიტყვები „ალიანსი, საბჭო, კრება…').“
წარსულის გამოვლენა
Ithaca არის პირველი ღრმა ნერვული ქსელი, რომელსაც შეუძლია აღადგინოს დაზიანებული წარწერების დაკარგული ტექსტი, ამოიცნოს მათი თავდაპირველი მდებარეობა და დაეხმაროს მათი შექმნის თარიღის დადგენას, თქვა სომერშილდმა.
იტაკას სახელი ჰქვია ბერძნული კუნძულის მიხედვით ჰომეროსის ოდისეაში. მკვლევარებმა დაადგინეს, რომ Itaca აღწევს 62% სიზუსტეს დაზიანებული ტექსტების აღდგენისას, 71% სიზუსტეს მათი ორიგინალური მდებარეობის იდენტიფიცირებისას და შეუძლია ტექსტების დათარიღება მათი წარმოშობის თარიღიდან 30 წლის განმავლობაში..
Ithaca-ს ვიზუალიზაციის დამხმარე საშუალებები გამიზნულია მკვლევრებისთვის შედეგების ინტერპრეტაციის გასაადვილებლად. გაზეთის ავტორები წერდნენ, რომ ისტორიკოსები 25%-იან სიზუსტეს აღწევდნენ, როდესაც მარტო მუშაობდნენ ძველი ტექსტების აღდგენის მიზნით. მაგრამ, ისტორიკოსის შესრულება იზრდება 72%-მდე Ithaca-ს გამოყენებისას, რაც აჭარბებს მოდელის შესრულებას და აჩვენებს ადამიანისა და მანქანას თანამშრომლობის პოტენციალს.
„Ithaca გთავაზობთ ინტერპრეტირებად შედეგებს, აჩვენებს ადამიანის ექსპერტებსა და მანქანათმცოდნეობას შორის თანამშრომლობის მზარდ მნიშვნელობას და გვიჩვენებს, თუ როგორ ემთხვევა ადამიანთა ექსპერტებს ღრმა სწავლის არქიტექტურებთან დავალებების ერთობლივად გადასაჭრელად, შეიძლება აღემატებოდეს როგორც ადამიანების, ასევე ადამიანის ინდივიდუალურ (დაუხმარებელ) შესრულებას. იგივე ამოცანების მოდელირება“, - განუცხადა სომერშილდმა Lifewire-ს.
მაგალითად, ისტორიკოსები ამჟამად არ ეთანხმებიან ათენის მნიშვნელოვანი განკარგულებების სერიის თარიღს, რომლებიც მიღებულ იქნა იმ დროს, როდესაც ცხოვრობდნენ ისეთი ცნობილი ფიგურები, როგორიცაა სოკრატე და პერიკლე, წერს სომერშილდი ბლოგ პოსტში. დიდი ხანია ითვლებოდა, რომ დადგენილებები დაწერილი იყო ძვ. წ. 446/445 წლამდე, თუმცა ახალი მტკიცებულებები მიუთითებს ძვ.”მიუხედავად იმისა, რომ ეს შეიძლება ჩანდეს როგორც მცირე განსხვავება, ეს განკარგულებები ფუნდამენტურია კლასიკური ათენის პოლიტიკური ისტორიის ჩვენთვის გასაგებად”, - წერს იგი
Ithaca-სთან უახლოესი ნამუშევარი არის წინა მანქანათმცოდნეობის ინსტრუმენტი სახელწოდებით Pythia, რომელიც Sommerschield-მა და მისმა თანამშრომლებმა გამოუშვეს 2019 წელს. Pythia იყო პირველი ძველი ტექსტის აღდგენის მოდელი, რომელმაც გამოიყენა ღრმა ნერვული ქსელები.
„დღეს, Itaca არის პირველი მოდელი, რომელიც უმკლავდება ეპიგრაფისტის მუშაობის სამ მთავარ ამოცანას ჰოლისტურად“, - თქვა სომერშილდმა ელფოსტაში. „ეს არა მხოლოდ აწინაურებს პიტიას მიერ დაყენებულ უახლესი თანამედროვეობას, არამედ იყენებს ღრმა სწავლებას გეოგრაფიული და ქრონოლოგიური ატრიბუტისთვის პირველად და უპრეცედენტო მასშტაბით.”
AI ისტორიკოსების დასახმარებლად
AI სასარგებლოა დაკარგული მონაცემების შევსებისთვის, როგორიცაა ტექსტის მდებარეობა და თარიღი, რადგან ის კარგად სწავლობს ძალიან რთულ შაბლონებს მონაცემების ანალიზით, განუცხადა ბრედ ქუინტონმა, AI კომპანია Singulos Research-ის აღმასრულებელმა დირექტორმა Lifewire-ს ელექტრონული ფოსტით.
„მანქანური სწავლების ტექნიკის გამოყენებით, ხელოვნური ინტელექტის წყალობით, შესაძლებელია დიდი რაოდენობით „ცნობილი კარგი“მაგალითების გადახედვა, რათა მოძებნოს შაბლონები, მაგალითად, მოცემულ ტექსტსა და მის შექმნის თარიღსა და ადგილს შორის“, დასძინა კვინტონმა.”ხშირად, ეს ნიმუშები იმდენად რთულია, რომ ისინი არ იქნება აშკარა ადამიანის ექსპერტისთვის.”
დაკარგული მონაცემების პროგნოზირება ჩვეულებრივი ამოცანაა მანქანურ სწავლაზე დაფუძნებული AI-სთვის. მაგალითად, OpenAI-დან GPT-3-ს შეუძლია წინადადებაში გამოტოვებული სიტყვების პროგნოზირება ან თუნდაც აბზაცში გამოტოვებული წინადადებები. და AI-ზე დაფუძნებული სურათების დამუშავების მრავალი სისტემა გამოყენებულია ვიდეოსა და სურათების აღსადგენად, ორიგინალიდან დაკარგულის ინტელექტუალური პროგნოზით.
კონცეპტუალურად, მკვლევარებს შეუძლიათ გამოიყენონ მსგავსი ტექნიკა ხელოვნების ან ხელსაწყოების, ან სხვა ისტორიული ხელნაკეთი ნივთების თარიღისა და წარმოშობის დასადგენად, სადაც არის მოლოდინი, რომ შეიცვალოს ძირითადი სტილი და ტექნიკა დროთა განმავლობაში და ადგილმდებარეობის მიხედვით. წარმოშობა,”- თქვა კვინტონმა.
