Kunstig intelligens giver indsigt i Dødehavsrullerne

Kunstig intelligens (AI) er nøglen til at låse op for mange hemmeligheder fra vores fortid. Dette er blevet demonstreret, da forskere fra Universitetet i Groningen knækkede koden til Dødehavsrullerne med hjælp fra AI.

Dødehavsrullerne blev opdaget for omkring 70 år siden, og de indeholder de ældste manuskripter af Det Gamle Testamente og andre ukendte jødiske tekster. Dog har disse ruller længe været en mysterium, da videnskabsmænd havde svært ved at identificere nogen af forfatterne eller skrivere, som er unsigned.

Mladen Popović er professor i hebraisk bibel og gammel jødedom ved Teologisk og Religionsvidenskabeligt Fakultet ved Universitetet i Groningen. Han er også direktør for Qumran-instituttet ved universitetet.

“De ville forsøge at finde en “røgende pistol” i håndskriften, for eksempel, en meget specifik egenskab i et bogstav, som ville identificere en skriver,” siger Popović.

Forskningsresultaterne blev præsenteret i PLOS ONE den 21. april.

Knækkende koden

Popović skabte projektet Hænderne, der skrev Bibelen, og sammen med kollegaen Lambert Schomaker, professor i datalogi og kunstig intelligens ved Fakultetet for Naturvidenskab og Teknik, og med finansiering fra Det Europæiske Forskningsråd, satte de sig for at knække koden.

Schomakers tidligere arbejde involverede udvikling af teknikker til at enable computere til at læse håndskrift fra historiske materialer, såvel som biomekaniske egenskaber, der påvirker håndskriften.

Ph.d.-stipendiat Maruf Dhali var også involveret i forskningen, og holdet kiggede på en specifik rulle kaldet Den Store Esaias-rulle fra Qumran-hulen 1.

“Denne rulle indeholder bogstavet alef, eller “a”, mindst 5.000 gange. Det er umuligt at sammenligne dem alle bare med øjet,” siger Schomaker.

På grund af dette giver opgaven mere mening for computere, som kan analysere massive datasæt. Digital billedbehandling ermöglicher mikroniveauet af tegn, som måling af krumning.

“Det menneskelige øje er fantastisk og tager sandsynligvis disse niveauer med i betragtning. Dette ermöglicher eksperter at “se” hænderne på forskellige forfattere, men denne beslutning er ofte ikke nået gennem en gennemsigtig proces,” siger Popović. “Desuden er det næsten umuligt for disse eksperter at behandle de store mængder data, som rullerne giver.”

Træning af algoritmen

For at træne algoritmen adskilte holdet først teksten fra baggrunden ved hjælp af en state-of-the-art kunstig neuralnetværk. Det kan holde ink-sporene, som skriveren laver, intakte.

“Dette er vigtigt, fordi de gamle ink-spore relaterer direkte til en persons muskelbevægelser og er personspecifikke,” siger Schomaker.

Den første analytiske test viste en mulighed for mere end en skriver, så dataene blev sendt til Schomaker for at omregne lighederne ved hjælp af mønstre af bogstavsfragmenter. Den anden proces bekræftede faktisk to forskellige variationer.

“Når vi tilføjede ekstra støj til dataene, ændrede resultaterne sig ikke. Vi lykkedes også i at demonstrere, at den anden skriver viser mere variation inden for sin skrift end den første, selvom deres skrift er meget lignende,” forklarer Schomaker.

Næste skridt var at producere en visuel analyse ved at oprette “varme-kort”, som inkorporerede de forskellige varianter af et tegn på tværs af rullen. En gennemsnitsversion af tegnet blev produceret for de første 27 kolonner og de sidste 27, og det menneskelige øje kunne spotte en forskel. Dette sidste trin kombinerede computeriseret og statistisk analyse og menneskelig fortolkning.

En illustration af, hvordan varme-kort af normaliserede gennemsnits-tegninger genereres for individuelle bogstaver. Kredit: Maruf A. Dhali

Tidligere forskere har troet, at en ny skriver startede efter den 27. kolonne, men det var aldrig blevet bekræftet.

“Nu kan vi bekræfte dette med en kvantitativ analyse af håndskriften samt med robuste statistiske analyser,” siger Popović. “I stedet for at basere vores dom på mere eller mindre impressionistiske bevis, med den intelligente assistance fra computeren, kan vi demonstrere, at adskillelsen er statistisk signifikant.”

“Dette er meget spændende, fordi dette åbner en ny vindue til den gamle verden, som kan afsløre mange mere intrikate forbindelser mellem skriverne, der producerede rullerne,” fortsætter Popović. “I denne studie fandt vi bevis for en meget lignende skrivestil, som deles af de to store Esaias-rullernes skrivere, hvilket antyder en fælles træning eller oprindelse. Vores næste skridt er at undersøge andre ruller, hvor vi måske kan finde forskellige oprindelser eller træning for skriverne.”