DeepScribe AI Eski Tabletleri Çevirebilir

Chicago Üniversitesi’nin Oriental Institute ve Bilgisayar Bilimi Bölümü’nden araştırmacılar, eski uygarlıklardan tabletleri çözmek için bir AI tasarlamak için işbirliği yaptı. Phys.org’a göre, AI DeepScribe olarak adlandırıldı ve Persepolis Fortification Archive’den alınan 6.000’den fazla açıklamalı görüntüye göre eğitildi. Model tamamlandığında, analiz edilmemiş tabletleri yorumlayabilecek ve eski belgeleri incelemeyi kolaylaştıracaktır.

Eski belgeleri inceleyen uzmanlar, Ahameniş İmparatorluğu’nun Persiya’da oluşturduğu belgeleri inceleyen araştırmacılar gibi, eski belgeleri elle çevirmek zorundalar, bu da uzun ve hatalara açık bir süreçtir. Araştırmacılar, 1990’lardan beri eski belgeleri yorumlamak için bilgisayarları kullanıyor, ancak kullanılan bilgisayar programları sınırlı yardım sağladı. Karmaşık çiviyazısı karakterleri ve tabletlerin üç boyutlu şekli, bilgisayar programlarının ne kadar yararlı olabileceğini sınırladı.

Bilgisayar görme algoritmaları ve derin öğrenme mimarileri, bu alana yeni olanaklar getirdi. Sanjay Krishnan, Bilgisayar Bilimi Bölümü’nden OI ile işbirliği yaptı ve Asur dili profesörü Susanne Paulus ile DeepScribe programını başlattı. Araştırmacılar, OCHRE adlı bir veri yönetim platformunu denetledi, bu platform arkeolojik kazılardan verileri düzenledi. Amacı, geniş ve esnek bir AI aracı oluşturmaktır, bu araç farklı coğrafi bölgelerden ve zaman dilimlerinden yazıları yorumlayabilecektir.

Phys.org’un bildirdiği gibi, Krishnan, arkeolojik araştırmacıların karşılaştığı yazı tanıma zorluklarının, aslında bilgisayar görme araştırmacılarının karşılaştığı aynı zorluklar olduğunu açıkladı:

“Bilgisayar görme açısından, gerçekten ilginç, çünkü bunlar bizim karşılaştığımız aynı zorluklar. Bilgisayar görme, son beş yılda çok önemli bir ilerleme kaydetti; on yıl önce, bu mümkün olmazdı. İyi bir makine öğrenimi problemi, çünkü buradaki doğruluk nesnedir, etiketli bir eğitim setimize sahip olduğumuzdan ve yazıyı assez iyi anladığımızdan eminiz. Tamamen bilinmeyen bir problem değil.”

Söz konusu eğitim seti, OI ve U Chicago’da yaklaşık 80 yıllık arkeolojik araştırmalardan alınan tabletleri ve çevirileri yüksek çözünürlüklü açıklamalı görüntülere dönüştürmekten oluşuyor. Şu anda, eğitim verisi yaklaşık 60 terabayt büyüklüğünde. Araştırmacılar, veri setini kullanarak 100.000’den fazla bireysel olarak tanımlanmış işareti içeren bir sözlük oluşturabildiler ve modeli eğitebildiler. Eğitimli model, görmediği bir görüntü setine test edildiğinde, model yaklaşık %80 doğruluk elde etti.

Araştırmacı ekibi, modelin doğruluğunu artırmaya çalışırken, %80’lik doğruluk bile transkript sürecine yardımcı olabilir. Paulus’a göre, model, belgelerin yüksek oranda tekrarlanan kısımlarını tanımlamak veya çevirmek için kullanılabilir, böylece uzmanlar daha zor kısımları yorumlayabilir. Model, bir sembolün neye karşılık geldiğinden emin olmasa da, araştırmacılara olasılıklar sağlayabilir, bu da onları ilerletir.

Ekibe ayrıca, DeepScribe’ı diğer arkeologların projelerinde kullanabileceği bir araç haline getirmeyi amaçlıyor. Örneğin, model diğer çiviyazısı dillerine yeniden eğitilebilir veya hasarlı veya eksik tabletlerdeki metin hakkında bilgilendirilmiş tahminler yapabilir. Yeterince güçlü bir model,甚至 tabletlerin veya diğer eserlerin yaşını ve kökenini tahmin edebilir, bu genellikle kimyasal testlerle yapılır.

DeepScribe projesi, Centre for the Development of Advanced Computing (CDAC) tarafından finanse ediliyor. Bilgisayar görme, CDAC tarafından finanse edilen diğer projelerde de kullanıldı, Örneğin, bir proje sanatta stil tanımlamak için tasarlandı ve bir proje deniz istiridyeleri中的 biyoçeşitliliği ölçmek için tasarlandı. Araştırmacı ekibi, işbirliklerinin gelecekte Chicago Üniversitesi’nin Bilgisayar Bilimi Bölümü ve OI arasında gelecekteki işbirliklerine yol açmasını umuyor.