Trợ lý AI DeepScribe có thể giúp dịch các bảng cổ

Những nhà nghiên cứu từ Viện Cổ Đông tại Đại học Chicago và Bộ phận Khoa học Máy tính đã hợp tác để thiết kế một AI có thể giúp giải mã các bảng từ các nền văn minh cổ xưa. Theo Phys.org, AI này được gọi là DeepScribe và được đào tạo trên hơn 6.000 hình ảnh được chú thích từ Lưu trữ Pháo đài Persepolis, khi mô hình AI hoàn thành, nó sẽ có thể giải thích các bảng chưa được phân tích, giúp việc nghiên cứu các tài liệu cổ trở nên dễ dàng hơn.

Chuyên gia nghiên cứu các tài liệu cổ, như những nhà nghiên cứu đang nghiên cứu các tài liệu được tạo ra trong thời kỳ Đế chế Achaemenid ở Ba Tư, cần dịch các tài liệu cổ bằng tay, một quá trình dài và dễ xảy ra lỗi. Các nhà nghiên cứu đã sử dụng máy tính để hỗ trợ việc giải thích các tài liệu cổ từ những năm 1990, nhưng các chương trình máy tính được sử dụng có hạn chế. Các ký tự cuneiform phức tạp, cũng như hình dạng ba chiều của các bảng, đã đặt ra giới hạn về mức độ hữu ích của các chương trình máy tính.

Các thuật toán tầm nhìn máy tính và kiến trúc học sâu đã mang lại những khả năng mới cho lĩnh vực này. Sanjay Krishnan, từ Bộ phận Khoa học Máy tính tại OI, đã hợp tác với giáo sư phụ tá Susanne Paulus để khởi xướng chương trình DeepScribe. Các nhà nghiên cứu đã giám sát một nền tảng quản lý dữ liệu gọi là OCHRE, tổ chức dữ liệu từ các cuộc khai quật khảo cổ. Mục tiêu là tạo ra một công cụ AI vừa rộng lớn vừa linh hoạt, có thể giải thích các ký tự từ các khu vực địa lý và thời kỳ khác nhau.

Theo Phys.org, Krishnan giải thích rằng những thách thức trong việc nhận dạng ký tự mà các nhà nghiên cứu khảo cổ phải đối mặt, về cơ bản là giống như những thách thức mà các nhà nghiên cứu tầm nhìn máy tính phải đối mặt:

“Từ góc độ tầm nhìn máy tính, điều này thật thú vị vì những thách thức này giống như những thách thức mà chúng tôi phải đối mặt. Tầm nhìn máy tính trong năm năm qua đã cải thiện đáng kể; mười năm trước, điều này sẽ không thể thực hiện được. Đây là một vấn đề học máy tốt, vì độ chính xác là khách quan ở đây, chúng tôi có một tập dữ liệu đào tạo được chú thích và chúng tôi hiểu rõ về ký tự và điều đó giúp chúng tôi. Đây không phải là một vấn đề hoàn toàn chưa biết.”

Tập dữ liệu đào tạo đang được đề cập là kết quả của việc lấy các bảng và bản dịch, từ hơn khoảng 80 năm nghiên cứu khảo cổ tại OI và U Chicago, và tạo ra các hình ảnh được chú thích với độ phân giải cao. Hiện tại, dữ liệu đào tạo có kích thước khoảng 60 terabyte. Các nhà nghiên cứu đã có thể sử dụng tập dữ liệu và tạo ra một từ điển với hơn 100.000 ký tự riêng biệt mà mô hình có thể học từ. Khi mô hình được đào tạo được thử nghiệm trên một tập ảnh chưa được xem, mô hình đã đạt được độ chính xác khoảng 80%.

Mặc dù đội ngũ nhà nghiên cứu đang cố gắng tăng độ chính xác của mô hình, nhưng ngay cả 80% độ chính xác cũng có thể hỗ trợ trong quá trình chuyển录. Theo Paulus, mô hình có thể được sử dụng để xác định hoặc dịch các phần lặp lại cao của tài liệu, cho phép chuyên gia dành thời gian để giải thích các phần khó hơn của tài liệu. Ngay cả khi mô hình không thể nói chắc chắn một ký tự dịch sang gì, nó có thể cung cấp các xác suất, điều này đã giúp họ tiến bộ.

Đội ngũ cũng nhằm mục đích biến DeepScribe thành một công cụ mà các nhà khảo cổ học khác có thể sử dụng trong các dự án của họ. Ví dụ, mô hình có thể được đào tạo lại trên các ngôn ngữ cuneiform khác, hoặc mô hình có thể đưa ra các ước tính thông minh về văn bản trên các bảng bị hư hỏng hoặc không đầy đủ. Một mô hình đủ mạnh thậm chí có thể ước tính tuổi và nguồn gốc của các bảng hoặc hiện vật khác, điều này thường được thực hiện bằng cách kiểm tra hóa học.

Dự án DeepScribe được tài trợ bởi Trung tâm Phát triển Máy tính Nâng cao (CDAC). Tầm nhìn máy tính đã được sử dụng trong các dự án được tài trợ bởi CDAC khác, như một dự án nhằm nhận dạng phong cách trong các tác phẩm nghệ thuật và một dự án được thiết kế để định lượng sự đa dạng sinh học trong các loài nhuyễn thể biển. Đội ngũ nhà nghiên cứu cũng hy vọng rằng sự hợp tác của họ sẽ dẫn đến các hợp tác trong tương lai giữa Bộ phận Khoa học Máy tính và OI tại Đại học Chicago.