Modele i platformy AI

Co czego AI uczy nas o starożytnych cywilizacjach

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Podczas gdy nauczanie ludzi o ich starożytnych cywilizacjach może wydawać się dziwnym zadaniem dla sztucznej inteligencji, ma ono potencjał. Tradycyjnie, archeologiczne badania i odczytywanie pisma były niezwykle czasochłonne. Ta technologia mogłaby zautomatyzować lub przyspieszyć wiele procesów, pomagając ludziom odkryć więcej o przeszłości w wykładniczym tempie.

Dlaczego AI jest potrzebne do nauczania o starożytnych cywilizacjach

Mowa jest mniej więcej powszechna. Na przestrzeni historii pismo było znacznie rzadsze. Najstarszy znany system pisma to pismo klinowe, które zostało wynalezione około 3100 p.n.e. przez Sumerów. Przedliterackie rzeźbione obrazy sięgają aż 4400 p.n.e., więc uczeni mają do przeanalizowania i przetłumaczenia tysiące lat zapisów.

Istnieją również glify, ceramika, groby, struktury i posągi, każdy z unikalną historią. Przez wieki ludzie starali się zidentyfikować, odczytać i zbadać te rzeczy. Pościg, odkrycie i sukces są satysfakcjonujące – nawet ekscytujące. Jednak postęp jest powolny. Czasami istnieje niezwykle mała ilość materiału, tworząc wąskie gardła.

Co gdyby badacze nie musieli czekać? Co gdyby mogli przyspieszyć swój postęp dziesięciokrotnie? Z AI, to może być możliwe. Zaawansowany, specjalnie zaprojektowany model mógłby odkryć sekrety, które były ukryte przez tysiące lat.

Moc modelu machine learning tkwi w automatyzacji i ewolucji. Ponieważ uczy się on, gdy przetwarza nowe informacje, może ewoluować wraz z postępem badań lub archeologicznych projektów, efektywnie zabezpieczając się przed przyszłością. Co więcej, wymaga on minimalnej nadzoru ludzkiego i może działać niezależnie, umożliwiając mu wykonywanie złożonych, wieloetapowych zadań samodzielnie.

Co historycy dowiedzieli się o przednowoczesnych kulturach za pomocą AI

Chociaż nowoczesna AI jest stosunkowo nowa, naukowcy i archeolodzy już jej używali, aby dowiedzieć się więcej o tym, gdzie żyły przednowoczesne społeczności i jak się komunikowały.

Słowa w dawno wymarłych językach

Jedno słowo może mieć niezliczoną ilość znaczeń, w zależności od intencji autora i kontekstu kompozycji. To utrudnia odczytywanie. Nawet proste, bezsensowne frazy stają się skomplikowanymi zagadkami. Żart “Co robi zegar, gdy jest głodny? Wraca po sekundy” jest doskonałym przykładem, ponieważ jest to gra słów. W innym języku może być bezsensowny.

W przeszłości programy komputerowe potykały się o te niuanse. Technologia przetwarzania języka naturalnego używa znakowania części mowy, tokenizacji i lematyzacji, aby rozpoznać poszczególne morfemy. Z tym frameworkiem algorytm mógłby zrozumieć złożoności kontekstu i znaczenia, nawet w dawno wymarłych językach.

Zwykle odczytywanie starożytnych języków ręcznie było żmudnym, podatnym na błędy zadaniem. Teraz model z możliwościami NLP mógłby odczytać pismo w ułamku czasu.

Weźmy na przykład figuratywne geoglify – prekolumbijskie wzory wyryte w pustynnych piaskach. Minęło prawie sto lat od odkrycia 430 geoglifów Nazca wokół Nazca Pampa. Z użyciem AI zespół badawczy znalazł 303 nowe, niemal podwajając łączną liczbę znanych geoglifów w ciągu zaledwie sześciu miesięcy badań terenowych.

Gdzie znajdują się stanowiska archeologiczne

Niedawno zespół badawczy z Uniwersytetu Khalifa w Abu Zabi użył AI, aby zidentyfikować ślady 5-tysiącletniej cywilizacji pod wydmami pustyni Rub al-Khali, największej pustyni świata. Ponieważ rozciąga się na ponad 250 000 mil kwadratowych, jest niezwykle trudna do zbadania. Zmieniające się piaski i surowe warunki utrudniają archeologiczne badania.

Zespół badawczy użył zdjęć satelitarnych o wysokiej rozdzielczości i syntetycznej apertury radarowej, aby wykryć zakopane artefakty z kosmosu. Wyniki te zostały wprowadzone do modelu machine learning do przetwarzania obrazów i analizy geoprzestrzennej, zautomatyzując badanie. Ten podejście było dokładne w granicach 50 centymetrów, demonstrując swój potencjał.

Jak AI poprawia zrozumienie minionych epok

AI pomaga również naukowcom lepiej zrozumieć, jak funkcjonowały starożytne cywilizacje, dając im jaśniejsze spojrzenie na przeszłość.

Symulowanie starożytnych postaw kulturowych

Michael Varnum, kierownik dziedziny psychologii społecznej i profesor associate na Arizona State University, niedawno współautorstwo artykułu, w którym proponuje użycie generatywnej AI do symulowania starożytnych postaw kulturowych.

Istniejące metody mają trudności z odkryciem mentalności lub zachowań dawno wymarłych kultur. Varnum mówi, że ludzie w jego dziedzinie zwykle używają pośrednich proxy, takich jak dane archiwalne o poziomach przestępczości lub rozwodach, aby wnioskować o wartościach i uczuciach ludzi. Jednak ten podejście jest pośrednie i niedokładne. Jego rozwiązanie polega na trenowaniu AI do analizy historycznych tekstów.

Jednakże, chociaż AI mogłoby wnioskować o opiniach i emocjach ludzi z zapisów, jego spostrzeżenia będą skażone. Historycznie, umiejętność czytania i pisania była rzadka. Varnum przyznaje, że każde spostrzeżenia AI zostałyby najprawdopodobniej wygenerowane przez wykształconych, wyższych klas społecznych jednostek. Ponieważ klasa społeczna wpływa na psychologię, analiza nie dostarczyłaby w pełni dokładnego spojrzenia na przeszłość.

Odtwarzanie przednowoczesnych zwyczajów

Kiedy archeolodzy odzyskują obiekty ze starożytnych miejsc pochówku lub półzakopanych miast, zaangażowany jest proces zgadywania. Nawet jeśli wiedzą dokładnie, do czego coś służyło, mogą nie być w stanie określić, jak to działa.

W latach 70. badacze odkryli grób na cmentarzu z epoki brązu w Iranie. Znaleźli najstarszą nietkniętą grę planszową, która kiedykolwiek została odkryta, pochodzącą z 4,5 tysiąca lat temu. Składała się z 27 geometrycznych kawałków, 20 okrągłych przestrzeni i czterech kości. Nie znaleziono żadnej książki z zasadami, więc mogli tylko zgadywać, jak grać.

AI mogłoby odtworzyć zasady, przywracając dawno zapomniane gry planszowe. Projekt Digital Ludeme robi właśnie to. Już teraz objął trzy okresy czasu i dziewięć regionów, uczynił prawie 1 000 gier ponownie dostępnymi. Dziś te rekonstrukcje są dostępne online dla każdego, kto chce zagrać.

Co więcej można dowiedzieć się z tych starożytnych kultur?

Jest jeszcze wiele więcej do nauczenia się od AI. Pismo klinowe jest jednym z najbardziej interesujących. Dziś uczeni mają dostęp do około 5 milionów słów sumeryjskich, milionów więcej niż Rzymianie pozostawili w łacinie. Wiele z licznych glinianych tabliczek odkrytych w regionie jeszcze nie zostało odczytanych, a więcej jest odkrywanych niemal codziennie.

Aby przyspieszyć proces, zespół badawczy używa AI do łączenia fragmentów tabliczek, łącząc części, aby przyspieszyć odczytywanie. Szkolą go również w odczytywaniu pisma klinowego, co potrafią zrobić tylko nieliczni eksperci. Szybkość przetwarzania algorytmicznego mogłaby uczynić tę technologię nieskończenie szybszą niż ludzie.

Ta nowa wiedza mogłaby wypełnić luki w książkach historycznych. Chociaż ludzie mają bogatą historię kulturową, wiele regionów pozostaje niezbadanych, ponieważ nie miały technologii. Z technikami machine learning i modelami generatywnymi mogą uzyskać głębsze zrozumienie świata, zyskując nowe spojrzenie na historię.

Z pomocą AI w odkrywaniu stanowisk archeologicznych, odczytywaniu dawno wymarłych języków i tłumaczeniu starożytnych tekstów, profesjonaliści branży mogliby znaleźć nowe książki, relacje historyczne, dzieła sztuki i skarby. Te odkrycia mogłyby być wyświetlane w muzeum lub pomóc potomkom połączyć się ze swoimi przodkami.

Przyszły outlook rozwiązań AI jako narzędzi archeologicznych

AI może odczytać dawno wymarłe języki, zlokalizować starożytne miejsca pochówku i symulować starożytne praktyki. Jego odkrycia mogą trafić do książek historycznych lub muzeów. Oczywiście, uczeni powinni postępować ostrożnie. Chociaż ta technologia jest potężna, uprzedzenia, nieścisłości i halucynacje nie są rzadkie. Podejście z ludzkim nadzorem mogłoby im pomóc w złagodzeniu tych problemów.

Zac Amos jest pisarzem technicznym, który specjalizuje się w sztucznej inteligencji. Jest również redaktorem działu w ReHack, gdzie można przeczytać więcej jego prac.