DeepScribe AI може допомогти перекласти давні таблички

Дослідники з Орієнтального інституту та кафедри комп’ютерних наук Чиказького університету співпрацювали над розробкою штучного інтелекту, який може допомогти розшифрувати таблички давніх цивілізацій. За даними Phys.org, цей штучний інтелект називається DeepScribe і був навчений на понад 6 000 анотованих зображень з архіву фортифікацій Персеполя. Коли модель буде завершена, вона зможе інтерпретувати неаналізовані таблички, що полегшить вивчення давніх документів.

Експерти, які вивчають давні документи, наприклад, дослідники, які вивчають документи, створені під час імперії Ахеменідів у Персії, повинні перекладати давні документи вручну, що є довгим процесом, який підлягає помилкам. Дослідники використовували комп’ютери для допомоги в інтерпретації давніх документів з 1990-х років, але комп’ютерні програми, які використовувалися, мали обмежену допомогу. Складні клиноподібні символи, а також трикутна форма табличок, обмежували корисність комп’ютерних програм.

Алгоритми комп’ютерного зору та архітектури глибокого навчання принесли нові можливості в цій галузі. Санджай Крішнан з кафедри комп’ютерних наук у співпраці з асоційованим професором ассиріології Сюзанною Паулус запустив програму DeepScribe. Дослідники керували платформою управління базами даних під назвою OCHRE, яка організовувала дані археологічних розкопок. Метою є створення інструменту штучного інтелекту, який буде якісним і гнучким,能够 інтерпретувати писемності з різних географічних регіонів і періодів.

Як повідомляє Phys.org, Крішнан пояснив, що виклики розпізнавання писемності, з якими стикаються археологічні дослідники, є фактично тими ж викликами, з якими стикаються дослідники комп’ютерного зору:

“З точки зору комп’ютерного зору це дуже цікаво, оскільки ці виклики є тими ж, з якими ми стикаємося. Комп’ютерний зір за останні п’ять років покращився настільки, що десять років тому це було б просто мріями, ми б не дійшли так далеко. Це хороша задача машинного навчання, оскільки точність тут об’єктивна, у нас є позначена навчальна вибірка, і ми досить добре розуміємо писемність, що допомагає нам.”

Навчальна вибірка, про яку йде мова, є результатом створення високороздільних анотованих зображень з табличок і перекладів, зроблених під час понад 80 років археологічних досліджень в OI і Чиказькому університеті. Наразі навчальні дані складають приблизно 60 терабайт. Дослідники змогли використовувати цю вибірку і створити словник з понад 100 000 окремо ідентифікованих символів, які модель могла б вивчити. Коли навчена модель була протестована на невидимій вибірці зображень, модель досягла приблизно 80% точності.

Хоча команда дослідників намагається підвищити точність моделі, навіть 80% точності можуть допомогти в процесі транскрипції. За словами Паулус, модель могла б бути використана для ідентифікації або перекладу високореπέtативних частин документів, що дозволить експертам витратити свій час на інтерпретацію складніших частин документа. Навіть якщо модель не може з певністю сказати, до чого перекладиться символ, вона може надати дослідникам ймовірності, що вже ставить їх вперед.

Команда також намагається зробити DeepScribe інструментом, який інші археологи могли б використовувати в своїх проєктах. Наприклад, модель могла б бути перенастроєна на інші клиноподібні мови або зробити обґрунтовані оцінки щодо тексту на пошкоджених або незавершених табличках. Достатньо потужна модель могла б навіть оцінити вік і походження табличок або інших артефактів, що зазвичай робиться за допомогою хімічних тестів.

Проєкт DeepScribe фінансується Центром розвитку передових обчислювальних технологій (CDAC). Комп’ютерний зір також використовувався в інших проєктах, фінансованих CDAC, наприклад, у проєкті, призначеному для розпізнавання стилю в творах мистецтва, і в проєкті, призначеному для кількісної оцінки біорізноманіття морських двостулкових молюсків. Команда дослідників також сподівається, що їхня співпраця призведе до майбутньої співпраці між кафедрою комп’ютерних наук і OI в Чиказькому університеті.