Hvad AI lærer os om gamle civilisationer

At undervise mennesker om deres gamle civilisationer kan synes som en underlig opgave for kunstig intelligens, men det har potentiale. Traditionelt set har arkæologiske undersøgelser og tydning været meget tidskrævende. Denne teknologi kunne automatisere eller strømline meget af processen, hvilket hjælper mennesker med at afsløre mere om fortiden i en eksponentielt hurtigere rate. 

Hvorfor AI er nødvendig for at undervise om gamle civilisationer

Talt sprog er mere eller mindre universelt. Gennem historien har skrevet sprog været langt sjældnere. Det ældste kendte skriftsystem er kileskrift, som blev opfundet omkring 3100 f.Kr. af sumererne. Forlitterære udhuggede billeder daterer tilbage til så langt som 4400 f.Kr., så akademikere har tusinder af års optegnelser at gennemgå og oversætte. 

Der er også glyfe, keramik, grave, strukturer og statuer, hver med en unik historie. I århundreder har mennesker møjsommeligt identificeret, tydet og undersøgt disse kurios. Forfølgelse, opdagelse og succes er belønnende – selv spændende. Men fremgangen er langsom. Nogle gange er der et overordnet lille antal emne, der skaber flaskehalse. 

Hvad hvis forskerne ikke behøvede at vente? Hvad hvis de kunne accelerere deres fremgang ti fold? Med AI er det muligt. En avanceret, formål-bygget model kunne afsløre hemmeligheder, der har været skjult i tusinder af år. 

En maskinlæringsmodels kraft ligger i automatisering og evolution. Da det lærer, mens det behandler nye oplysninger, kan det udvikle sig, mens forskning eller arkæologiske projekter skrider frem, og effektivt fremtidssikre sig selv. Desuden kræver det minimalt menneskeligt tilsyn og kan handle uafhængigt, hvilket ermöglicher det at udføre komplekse multistep-opgaver på egen hånd. 

Hvad historikere har lært om før-moderne kulturer ved hjælp af AI

Selv om moderne AI er relativt ny, har videnskabsmænd og arkæologer allerede brugt det til at lære mere om, hvor før-moderne mennesker boede og hvordan de kommunikerede. 

Ord i lange døde sprog

Et ord kan have utallige betydninger afhængigt af forfatterens intentioner og kompositionens kontekst. Dette komplicerer tydning. Selv simple, meningsløse fraser bliver komplekse puslespil. Spøgen “Hvad gør en ur, når den er sulten? Den går tilbage for sekunder” er et godt eksempel, fordi det er et ordspil. På et andet sprog kan det være meningsløst.

I fortiden snublede computerprogrammer over disse nuancer. Naturlig sprogbehandlingsteknologi bruger del-af-tale-mærkning, tokenisering og lemmatisering til at genkende enkelte morfemer. Med denne ramme kunne en algoritme fatte kompleksiteten af kontekst og betydning, selv i lange døde sprog. 

Typisk har afkodning af gamle sprog manuelt været en møjsommelig, fejlbehæftet opgave. Nu kan en model med NLP-kapaciteter afkode skrevet sprog på en brøkdel af tiden. 

Tag fx de billedlige geoglyfe – før-kolumbianske design, indgraveret i ørkensand – for eksempel. Det tog næsten et århundrede at opdage 430 Nazca-geoglyfe omkring Nazca Pampa. Ved hjælp af AI fandt et forskninghold 303 nye, næsten fordoblinger af det samlede antal kendte inden for bare seks måneder af feltundersøgelse. 

Hvor arkæologiske steder er

For nylig brugte et forskninghold fra Khalifa University i Abu Dhabi AI til at identificere tegn på en 5.000 år gammel civilisation under sanddynerne i Rub al-Khali, verdens største ørken. Da det strækker sig over 250.000 kvadratmile, er det notorisk svært at studere. Skiftende sand og hårde forhold komplicerer arkæologiske undersøgelser.

Forskningsholdet brugte højopløsnings satellitbilleder og syntetisk åbning-radar-teknologi til at detektere begravde artefakter fra rummet. Disse resultater blev ført ind i en maskinlæringsmodel til billedbehandling og geografisk analyse, hvilket automatiserede undersøgelsen. Denne tilgang var nøjagtig inden for 50 centimeter, hvilket demonstrerede dets potentiale.  

Måder, hvorpå AI forbedrer forståelsen af gamle epoker

AI hjælper også videnskabsmænd med at forstå mere om, hvordan gamle civilisationer fungerede, og giver dem et klart vindue ind i fortiden. 

Simulering af gamle kulturelle attituder 

Michael Varnum, socialpsykologiens områdeleder og associeret professor ved Arizona State University, har nylig co-forfattet en mening, der foreslår at bruge generativ AI til at simulere gamle kulturelle attituder. 

Eksisterende metoder kæmper for at afsløre mentaliteten eller adfærd hos lange døde kulturer. Varnum siger, at folk i hans felt normalt bruger indirekte proxier som arkivdata om kriminalitetsniveauer eller skilsmissefrekvenser for at slutte folks værdier og følelser. Men denne tilgang er indirekte og upræcis. Hans løsning er at træne en AI til at analysere historiske tekster.

Men selv om AI kunne slutte folks mening og følelser fra skrevne optegnelser, vil dens indsigt blive forvrænget. Historisk set har evnen til at læse og skrive været sjælden. Varmum indrømmer, at enhver AI-genereret indsigt sandsynligvis kommer fra uddannede, overklasse-individer. Da sociale klasser påvirker psykologi, vil analysen ikke give en helt præcis glimt af fortiden.

Rekonstruktion af før-moderne skikke 

Når arkæologer genfinder objekter fra gamle begravelsessteder eller halvt begravde byer, er der altid en vis grad af gætteri. Selv hvis de ved præcis, hvad noget er brugt til, kan de måske ikke bestemme, hvordan det fungerer. 

I 1970’erne opdagede forskere en grav i en bronzealderkirkegård i Iran. De fandt det ældste intakte brætspil nogensinde opdaget, der daterer tilbage til 4.500 år. Det bestod af 27 geometriske dele, 20 cirkulære rum og fire terninger. Der var ingen regnbog indegravet, så de kunne kun gætte, hvordan man spillede. 

AI kunne genskabe reglerne, og bringe tilbage lange glemt brætspil. Digital Ludeme-projektet gør netop det. Allerede har det dækket tre tidsperioder og ni regioner, gør næsten 1.000 spil spilbare igen. I dag er disse rekonstruktioner tilgængelige online for alle at spille.

Hvad mere kan læres fra disse gamle kulturer?

Der er stadig meget mere at lære fra AI. Kileskrift er en af de mest interessante. I dag har akademikere adgang til omkring 5 millioner sumeriske ord, millioner mere end romerne efterlod i latin. Mange af de talrige lertabletter, der er opdaget i regionen, er endnu ikke blevet tydet, og flere bliver opdaget næsten dagligt. 

For at strømline processen bruger forskningsholdet AI til at samle tabletfragmenter, og samle dele sammen for at accelerere tydning. De træner det også til at tyde kileskrift, som kun en håndfuld eksperter er i stand til. Algoritmens proceshastighed kunne gøre denne teknologi uendelig hurtigere end mennesker. 

Denne nye viden kunne udfylde huller i historiebøgerne. Selv om mennesker har en udstrakt kulturel historie, er mange regioner uudforskede, fordi de ikke har haft teknologien. Med maskinlærings-teknikker og generative modeller kan de have en dybere forståelse for verden og få en ny perspektiv på historien.

Med AIs hjælp til at afsløre arkæologiske steder, tyde lange døde sprog og oversætte gamle tekster, kan fagfolk finde nye bøger, historiske beretninger, kunst og skatte. Disse fund kunne udstilles på et museum eller hjælpe efterkommere med at forbinde sig med deres forfædre. 

Fremtidsudsigten for AI-løsninger som arkæologiske værktøjer

AI kan tyde lange døde sprog, lokalisere gamle begravelsessteder og simulere gamle praksis. Dets fund kan ende i historiebøger eller museer. Selvfølgelig skal akademikere gå forsigtigt til værks. Mens denne teknologi er kraftfuld, er bias, upræcisigheder og hallucinationer ikke ualmindelige. En menneske-i-løkken-tilgang kunne hjælpe dem med at mindske disse problemer.