고대 문명에 대해 가르치는 AI의 역할

인공 지능이 고대 문명을 가르치는 데 사용되는 것은 이상한 일처럼 보일 수 있지만, 잠재력이 있습니다. 전통적으로 고고학적 조사와 해독은 매우 번거롭고 시간이 걸리는 작업이었습니다. 이 기술은 이러한 과정을 자동화하거나 간소화하여 사람들이 과거에 대해 더 많이 알아낼 수 있도록 도와줄 수 있습니다.

고대 문명에 대해 가르치는 데 필요한 AI

구어는 거의 보편적입니다. 그러나 문자 언어는 역사적으로 매우 드뭅니다. 가장 초기의 알려진 문자 시스템은 기원전 3100년경 수메르인에 의해 발명된 楔형文字입니다. 문자가不存在한 이미지들은 기원전 4400년경까지 거슬러 올라갑니다. 따라서 학자들은 수천 년의 기록을 분석하고 번역해야 합니다.

또한 글리프, 도자기, 무덤, 구조물, 조각상 등이 있으며, 각기独自의 이야기를 가지고 있습니다. 수세기 동안人类들은 이러한 물건들을painstakingly 식별, 해독, 조사해 왔습니다. 추구, 발견, 성공은 보람 있게 느껴지며, 때로는 흥奮적입니다. 그러나 진행은 느립니다. 때때로 주제 물건이 매우 적어瓶頸이 생길 수 있습니다.

연구자들이 기다리지 않아도 될 수 있다면? 연구자들이 진행을 10배로 가속할 수 있다면? 인공 지능을 사용하면 가능할 수 있습니다. 고급 목적형 모델은 수천 년 동안 숨겨져 있던 비밀을 발견할 수 있습니다.

기계 학습 모델의 힘은 자동화와 진화에 있습니다. 새로운 정보를 처리함에 따라 학습하기 때문에, 연구 또는 고고학 프로젝트의 진행에 따라 진화할 수 있으며, 효과적으로 미래를 위한 자신을 보호할 수 있습니다. 또한, 최소한의 인간 감시만 필요로 하며, 독립적으로 작동할 수 있어, 복잡한 다단계 할당을 스스로 수행할 수 있습니다.

인공 지능을 사용하여 학습한 선사 문화에 대한 지식

현대 인공 지능은 비교적 최근에 등장했지만, 과학자와 고고학자들은 이미 이를 사용하여 선사 시대 사람들의 삶과 의사 소통 방식에 대해 더 많이 배우게 되었습니다.

사망한 언어의 단어

한 단어가 작가의 의도와 구성의 맥락에 따라 수많은 의미를 가질 수 있습니다. 이는 해독을 복잡하게 만듭니다. 심지어 단순한, 무의미한 문구도 복잡한 퍼즐이 됩니다. “배가 고파서 시계는 무엇을 합니까? 두 번째로 돌아갑니다”라는 농담은 단어遊び의 좋은 예입니다. 다른 언어에서는 무의미할 수 있습니다.

과거에는 컴퓨터 프로그램이 이러한細微差를 이해하지 못했습니다. 자연 언어 처리 기술은 품사 태깅, 토큰화, 어근화 등을 사용하여 개별 형태소를 인식합니다. 이러한 프레임워크를 사용하면, 알고리즘은 맥락과 의미의 복잡성을 이해할 수 있으며, 심지어 사망한 언어에서도 vậy.

일반적으로 고대 언어를 수동으로 해독하는 것은 번거롭고 오류가 발생하기 쉬운 작업입니다. 이제 자연 언어 처리 기능을 가진 모델은 작성된 언어를 해독하는 데 단기간에 가능합니다.

예를 들어, 사전 콜롬비아 시대의 사막에 새겨진 도형 기호를 생각해 보십시오. 나스카 기호 430개를 발견하는 데 거의 1세기가 걸렸습니다. 인공 지능을 사용한 연구 팀은 6개월의 현장 조사 내에 303개의 새로운 기호를 발견하여, 알려진 기호의 총 수를 거의 두 배로 늘렸습니다.

고고학적 사이트의 위치

최근에 아랍에미리트 아부다비의 칼리파 대학의 연구 팀은 인공 지능을 사용하여 루브 알할리 사막의 5,000년 전 문명의 흔적을 발견했습니다. 이 사막은 세계에서 가장 큰 사막으로, 25만平方마일을 덮고 있습니다. 모래가 이동하고, 기후가 혹독하여, 고고학적 조사가 매우 어려운 지역입니다.

연구 팀은 고해상도 위성 이미지와 합성 개구 레이더 기술을 사용하여 우주에서 매장된 유물의 흔적을 감지했습니다. 그 결과는 이미지 처리와 지리 공간 분석을 위한 기계 학습 모델에 입력되었습니다. 이 접근 방식은 50센티미터 이내의 정확도를 보여주었으며, 그 잠재력을 입증했습니다.

인공 지능이 과거 시대에 대한 이해를 높이는 방법

인공 지능은 또한 과거 문명이 어떻게 기능했는지에 대해 과학자들에게 더 많은 것을 알려주고 있으며, 과거를 더 명확하게 이해할 수 있도록 도와줍니다.

고대 문화적 태도 시뮬레이션

아리조나 주립 대학의 사회 심리학 분야 책임자이자 부교수인 마이클 바르눔은 최근에 고대 문화적 태도를 시뮬레이션하기 위해 생성적 인공 지능을 사용하는 의견을 제시했습니다.

기존의 방법은 사망한 문화의 정신이나 행동을 발견하는 데 어려움을 겪습니다. 바르눔은 그의 분야에서 사람들이 간접적인 대리 변수를 사용한다고 말합니다. 예를 들어, 범죄율이나 이혼율에 대한 기록 데이터를 사용하여 사람들의 가치와 감정을 추론합니다. 그러나 이 접근 방식은 간접적이고 부정확합니다. 그의 해결책은 역사적인 텍스트를 분석하기 위한 인공 지능을 훈련하는 것입니다.

그러나 인공 지능이 작성된 기록에서 사람들의 의견과 감정을 추론할 수 있더라도, 그 통찰력은 편향될 수 있습니다. 역사적으로, 읽고 쓰는 능력은 드뭅니다. 바르눔은 인공 지능으로 생성된 통찰력은 교육받은, 상류 계층의 개인들로부터 나올 가능성이 있다고 인정합니다. 사회 계층이 심리학에 영향을 미치기 때문에, 분석은 과거를 완전히 정확하게 이해하지 못할 수 있습니다.

선사 시대 풍습의 재구성

고고학자들이 고대 매장 지거나 반매장된 도시에서 물건을 회수할 때, 추측이 필요합니다. 물건이 사용된 방법을 정확히 알더라도, 그것이 어떻게 작동하는지 알 수 없습니다.

1970년대에 연구자들은 이란의 청동기 시대 묘지에서 무덤을 발견했습니다. 그들은 최초의 완전한 보드 게임을 발견했습니다.それは 4,500년 전의 것으로, 27개의 기하학적 조각, 20개의 원형 공간, 4개의 주사위로 구성되었습니다. 규칙서가 매장되지 않았으므로, 그들은 어떻게遊戲를 해야 할지只能猜测했습니다.

인공 지능은 규칙을 재구성할 수 있습니다. 디지털 루데메 프로젝트는 이를 수행하고 있습니다. 이미 3つの 시간대와 9개의 지역을 다루었으며, 거의 1,000개의 게임을 다시遊戲할 수 있게되었습니다. 오늘날, 이러한 재구성은 누구나遊戲할 수 있습니다.

이 고대 문화에서 더 무엇을 배울 수 있을까?

인공 지능을 사용하여 더 많은 것을 배울 수 있습니다. 楔형文字는 가장 흥미로운 예입니다. 오늘날, 학자들은 약 500만개의 수메르어 단어에 접근할 수 있습니다. 이는 로마人が 라틴어로 남긴 것보다 훨씬 많습니다. 이 지역에서 발견된 수많은 점토판 중 많은 수가 아직 해독되지 않았으며, 매일 새로운 것이 발견되고 있습니다.

해독 과정을 간소화하기 위해, 연구 팀은 인공 지능을 사용하여 점토판 조각을 연결하여, 해독을 가속화합니다. 또한楔형文字를 해독하기 위한 인공 지능을 훈련시키고 있습니다. 이는 현재 몇몇 전문가만이 가능한 작업입니다. 알고리즘 처리의 속도는 인간보다 훨씬 빠를 수 있습니다.

이 새로운 지식은 역사 책의 빈칸을 채울 수 있습니다. 인간은 광대한 문화적 역사를 가지고 있지만, 많은 지역은 기술이 없어서 탐험되지 않았습니다. 기계 학습 기법과 생성 모델을 사용하면, 과거에 대한 더 깊은 이해를 얻을 수 있으며, 역사에 대한 새로운 관점을 얻을 수 있습니다.

인공 지능의 도움으로, 고고학적 사이트를 발견하고, 사망한 언어를 해독하며, 고대 텍스트를 번역할 수 있습니다. 이러한 발견은 역사 책이나 박물관에 기록될 수 있습니다. 물론, 학자들은 주의해야 합니다. 이 기술은 강력하지만, 편향, 부정확성, 환각이 흔히 발생할 수 있습니다. 인간이 루프에 있는 접근 방식은 이러한 문제를 완화하는 데 도움이 될 수 있습니다.