Του Γιώργου Λεκάκη
Η αρχαία ιστορία βασίζεται σε
κλάδους, όπως η επιγραφική, δηλ. την μελέτη ενεπίγραφων κειμένων επιγραφών, για
στοιχεία της σκέψης, της γλώσσας, της κοινωνίας και της ιστορίας των
προηγούμενων πολιτισμών.
Ωστόσο, στο πέρασμα των
αιώνων, πολλές επιγραφές έχουν υποστεί φθορές σε βαθμό δυσανάγνωστο, έχουν
μεταφερθεί μακριά από την αρχική τους θέση και η ημερομηνία γραφής τους είναι
βυθισμένη σε αβεβαιότητα.
Εδώ παρουσιάζουμε την «Ιθάκη»
/ «Ithaca», ένα βαθύ νευρωνικό δίκτυο για την αποκατάσταση κειμένων, την
γεωγραφική και την χρονολογική απόδοση αρχαιοελληνικών επιγραφών. Ενώ η «Ithaca»
από μόνη της επιτυγχάνει 62% ακρίβεια κατά την αποκατάσταση κατεστραμμένων
κειμένων, η χρήση της «Ithaca» από ιστορικούς, βελτίωσε την ακρίβειά τους από
25% σε 72%, επιβεβαιώνοντας την συνεργατική επίδραση αυτού του ερευνητικού
εργαλείου.
Η «Ιθάκη» μπορεί να αποδώσει
επιγραφές στην αρχική τους κατάσταση με ακρίβεια 71% και μπορεί να τις
χρονολογήσει με +/- 30 χρόνια.
Έτσι επαναπροσδιορίζονται βασικά κείμενα της Κλασσικής Αθήνας συμβάλλοντας στην αρχαία ιστορία. Αυτή η έρευνα δείχνει πώς μοντέλα όπως η Ιθάκη μπορούν να ξεκλειδώσουν το δυναμικό συνεργασίας μεταξύ της τεχνητής νοημοσύνης και των ιστορικών, επηρεάζοντας τον τρόπο με τον οποίο μελετάμε και γράφουμε για μια από τις πιο σημαντικές περιόδους της ανθρώπινης ιστορίας.
ΠΗΓΗ: Yannis Assael, Thea Sommerschield, Brendan Shillingford, Mahyar Bordbar, John Pavlopoulos, Marita Chatzipanagiotou, Ion Androutsopoulos, Jonathan Prag & Nando de Freitas «Restoring and attributing ancient texts using deep neural networks», στο Nature v. 603, σελ. 280–283 (2022), 9.3.2022. ΑΡΧΕΙΟΝ ΠΟΛΙΤΙΣΜΟΥ, 10.3.2022.
Abstract
Ancient history relies on disciplines such as epigraphy—the study of
inscribed texts known as inscriptions—for evidence of the thought, language,
society and history of past civilizations1. However, over the centuries, many
inscriptions have been damaged to the point of illegibility, transported far
from their original location and their date of writing is steeped in
uncertainty. Here we present Ithaca, a deep neural network for the textual restoration,
geographical attribution and chronological attribution of ancient Greek
inscriptions. Ithaca is designed to assist and expand the historian’s workflow.
The architecture of Ithaca focuses on collaboration, decision support and
interpretability. While Ithaca alone achieves 62% accuracy when restoring
damaged texts, the use of Ithaca by historians improved their accuracy from 25%
to 72%, confirming the synergistic effect of this research tool. Ithaca can
attribute inscriptions to their original location with an accuracy of 71% and
can date them to less than 30 years of their ground-truth ranges, redating key
texts of Classical Athens and contributing to topical debates in ancient
history. This research shows how models such as Ithaca can unlock the cooperative
potential between artificial intelligence and historians, transformationally
impacting the way that we study and write about one of the most important
periods in human history.
ΣΧΟΛΙΑ
ΣΧΟΛΙΑ ΜΕΣΩ Facebook