DeepScribe AI může pomoci přeložit starověké tabulky

Výzkumníci z Orientálního institutu a počítačového oddělení Univerzity v Chicagu spolupracovali na vytvoření umělé inteligence, která může pomoci dekódovat tabulky ze starověkých civilizací. Podle Phys.org se tato umělá inteligence jmenuje DeepScribe a byla vyškolena na více než 6 000 annotovaných obrázků z Persepolis Fortification Archive. Když bude model dokončen, bude schopen interpretovat neanalyzované tabulky, což usnadní studium starověkých dokumentů.

Odborníci, kteří studují starověké dokumenty, jako jsou výzkumníci, kteří studují dokumenty vytvořené během Achaimenovské říše v Persii, potřebují přeložit starověké dokumenty ručně, což je dlouhý proces, který je náchylný k chybám. Výzkumníci používají počítače k pomoci při interpretaci starověkých dokumentů od 90. let, ale počítačové programy, které byly použity, měly omezenou pomoc. Komplexní klínové písmo, stejně jako trojrozměrný tvar tabulek, omezily, jak užitečné mohli být počítačové programy.

Algoritmy počítačového vidění a architektury hlubokého učení přinesly nové možnosti do tohoto oboru. Sanjay Krishnan z počítačového oddělení OI spolupracoval s asociátorem profesorem asyriologie Susanne Paulus, aby spustil program DeepScribe. Výzkumníci dohlíželi na platformu pro správu databází nazvanou OCHRE, která organizovala data z archeologických vykopávek. Cílem je vytvořit nástroj umělé inteligence, který je både rozsáhlý a flexibilní, schopný interpretovat skripty z různých geografických regionů a časových období.

Jak uvedl Phys.org, Krishnan vysvětlil, že výzvy spojené s rozpoznáním skriptu, kterým čelí archeologičtí výzkumníci, jsou v podstatě stejné výzvy, kterým čelí výzkumníci počítačového vidění:

“Z pohledu počítačového vidění je to opravdu zajímavé, protože se jedná o stejné výzvy, kterým čelíme. Počítačové vidění se v posledních pěti letech výrazně zlepšilo; před deseti lety by to bylo nejasné, nedošli bychom tak daleko. Je to dobrý problém strojového učení, protože zde je objektivní přesnost, máme označenou trénovací sadu a rozumíme skriptu poměrně dobře, což nám pomáhá. Není to úplně neznámý problém.”

Trénovací sada, o které se diskutuje, je výsledkem pořízení tabulek a překladů z více než 80 let archeologického výzkumu provedeného v OI a U Chicagu a vytvoření vysokorozlišených annotovaných obrázků z nich. V současné době je trénovací data přibližně 60 terabajtů velikosti. Výzkumníci byli schopni použít dataset a vytvořit slovník více než 100 000 individuálně identifikovaných znaků, ze kterých mohl model učit. Když byl vyškolený model otestován na nevídané sadě obrázků, model dosáhl přibližně 80% přesnosti.

Zatímco tým výzkumníků se snaží zvýšit přesnost modelu, i 80% přesnost může pomoci při procesu přepisu. Podle Paulus může model být použit k identifikaci nebo překladu vysoce opakujících se částí dokumentů, což umožní odborníkům trávit čas interpretací složitějších částí dokumentu. I když model nemůže s jistotou říci, co symbol překládá, může výzkumníkům poskytnout pravděpodobnosti, což je již dostává přednost.

Tým také cílí na to, aby DeepScribe byl nástrojem, který mohou použít i jiní archeologové ve svých projektech. Například model by mohl být znovu vyškoleno na jiných klínových jazycích nebo by mohl dělat informované odhady o textu na poškozených nebo neúplných tabulkách. Dostatečně robustní model by mohl potenciálně dokonce odhadnout stáří a původ tabulek nebo jiných artefaktů, což je obvykle děláno chemickým testováním.

Projekt DeepScribe je financován Centrem pro rozvoj pokročilého výpočetního technika (CDAC). Počítačové vidění bylo použito i v jiných projektech financovaných CDAC, jako je projekt určený k rozpoznání stylu v uměleckých dílech a projekt navržen pro kvantifikaci biodiverzity v mořských mlžích. Tým výzkumníků také doufá, že jejich spolupráce povede k budoucím spolupracím mezi počítačovým oddělením a OI na Univerzitě v Chicagu.