DeepScribe AI kan hjälpa till att översätta antika surfplattor

Forskare från University of Chicagos Oriental Institute och Institutionen för datavetenskap har samarbetat för att designa en AI som kan hjälpa till att avkoda surfplattor från forntida civilisationer. Enligt Phys.org, AI heter DeepScribe och tränades på över 6,000 XNUMX kommenterade bilder hämtade från Persepolis Fortification Archive, när den är klar kommer AI-modellen att kunna tolka oanalyserade surfplattor, vilket gör det lättare att studera antika dokument.

Experter som studerar antika dokument, som forskarna som studerar dokumenten som skapades under det akemenidiska riket i Persien, behöver översätta antika dokument för hand, en lång process som är benägen att göra fel. Forskare har använt datorer för att hjälpa till att tolka gamla dokument sedan 1990-talet, men datorprogrammen som användes var till begränsad hjälp. De komplexa kilskriftsfigurerna, liksom tabletternas tredimensionella form, sätter ett tak för hur användbara datorprogrammen kan vara.

Datorseendealgoritmer och djupinlärningsarkitekturer har gett nya möjligheter till detta område. Sanjay Krishnan, från institutionen för datavetenskap vid OI, samarbetade med docent i assyriologi Susanne Paulus för att lansera programmet DeepScribe. Forskarna övervakade en databashanteringsplattform som heter OCHRE, som organiserade data från arkeologiska utgrävningar. Målet är att skapa ett AI-verktyg som är både omfattande och flexibelt, som kan tolka skript från olika geografiska regioner och tidsperioder.

Som Phys.org rapporterade, förklarade Krishnan att utmaningarna med att känna igen manus, som arkeologiska forskare står inför, i huvudsak är samma utmaningar som forskare inom datorseende står inför:

"Från dator visionsperspektiv är det verkligen intressant eftersom det är samma utmaningar som vi står inför. Datorseendet under de senaste fem åren har förbättrats så avsevärt; För tio år sedan skulle detta ha varit handvågigt, vi skulle inte ha kommit så långt. Det är ett bra maskininlärningsproblem, eftersom noggrannheten är objektiv här, vi har en märkt träningsuppsättning och vi förstår manuset ganska bra och det hjälper oss. Det är inte ett helt okänt problem.”

Utbildningssetet i fråga är resultatet av att ta tabletterna och översättningarna, från över cirka 80 år av arkeologisk forskning som gjorts vid OI och U Chicago och gjort högupplösta kommenterade bilder från dem. För närvarande är träningsdata cirka 60 terabyte stora. Forskare kunde använda datamängden och skapa en ordbok med över 100,000 80 individuellt identifierade tecken som modellen kunde lära sig av. När den tränade modellen testades på en osynlig bilduppsättning, uppnådde modellen ungefär XNUMX % noggrannhet.

Medan teamet av forskare försöker öka modellens noggrannhet, kan till och med 80% noggrannhet hjälpa till vid transkriptionsprocessen. Enligt Paulus skulle modellen kunna användas för att identifiera eller översätta mycket repetitiva delar av dokumenten, vilket låter experter ägna sin tid åt att tolka de svårare delarna av dokumentet. Även om modellen inte med säkerhet kan säga vad en symbol översätter till, kan den ge forskarna sannolikheter, vilket redan leder dem framåt.

Teamet siktar också på att göra DeepScribe till ett verktyg som andra arkeologer kan använda i sina projekt. Till exempel kan modellen tränas om på andra kilskriftsspråk, eller så kan modellen göra välgrundade uppskattningar om texten på skadade eller ofullständiga surfplattor. En tillräckligt robust modell skulle potentiellt kunna uppskatta ålder och ursprung för tabletter eller andra artefakter, något som vanligtvis görs med kemisk testning.

DeepScribe-projektet finansieras av Center for the Development of Advanced Computing (CDAC). Datorseende har också använts i andra CDAC-finansierade projekt, som ett projekt avsett att känna igen stil i konstverk och ett projekt utformat för att kvantifiera biologisk mångfald i marina musslor. Teamet av forskare hoppas också att deras samarbete ska leda till framtida samarbeten mellan Institutionen för datavetenskap och OI vid University of Chicago.