Αποκατάσταση αρχαίου κειμένου, μια σπουδαία μελέτη της περίπτωσης για την αρχαία ελληνική επιγραφή
Έλληνας και Κύπριος οι βασικοί συντελεστές
Οι ερευνητές του Πανεπιστημίου της Οξφόρδης και της DeepMind Technologies, μιας εταιρίας τεχνητής νοημοσύνης (AI) με έδρα το Ηνωμένο Βασίλειο, που ανήκει στην Alphabet Inc. - ένα πολυχώρο γνωστό ως μητρική εταιρεία της Google - δημιούργησαν το "Pythia", ένα σύστημα αποκατάστασης αρχαίου κειμένου που ξεπερνά τους εμπειρογνώμονες μαντεύοντας το χαμένο κείμενο από μερικώς κατεστραμμένες αρχαίες επιγραφές. Αυτό που λειτουργεί τώρα αφορά τις Ελληνικές επιγραφές που είναι και οι περισσότερες και μάλλον οι σπουδαιότερες
Το πλήρως αυτοματοποιημένο σύστημα, το πρώτο του είδους του, γεμίζει τους χαρακτήρες που λείπουν ή ακόμα και ολόκληρες λέξεις, κάνοντας εναλλακτικές προτάσεις. Μπορεί έτσι να γίνει ένα πολύ χρήσιμο εργαλείο για τους ειδικούς που προσπαθούν να διαβάσουν και να επαναφέρουν τις αρχαίες επιγραφές, δεκάδες από τα οποία ανακαλύπτονται κάθε χρόνο για να προστεθούν στην υπάρχουσα τάξη αρκετών χιλιάδων.
· Το πέρασμα του χρόνου δεν ήταν «ευγενικό» σε πολλές από αυτές τις επιγραφές, οι οποίες έχουν είτε καταστραφεί εν μέρει είτε το υλικό που έχουν γραφτεί διαβρώθηκε. Η αποκρυπτογράφηση τους δεν είναι εύκολη και απαιτεί υπομονή, γνώση, σύγκριση με άλλα κείμενα και πολύ καλή διαίσθηση.
Οι ερευνητές, ένας Έλληνας, Γιάννης Ασσάλε, είναι μεταξύ αυτών που εκπαίδευσαν την Πυθία να προβλέψει τι λείπει από τα γράμματα λέξεων χρησιμοποιώντας βαθιά νευρωνικά (Neural ) δίκτυα. (Τα νευρωνικά δίκτυα είναι σύνολα αλγορίθμων, διαμορφωμένα κατά τον ανθρώπινο εγκέφαλο, που εκπαιδεύονται για να αναγνωρίζουν τα πρότυπα). Η Πυθία έμαθε να αναγνωρίζει τέτοια μοτίβα σε περίπου 35.000 επιγραφές που κυμαίνονται από το 7ο αι. π.Χ. έως τον 5ο αιώνα μ.Χ. (1.500 έως 2.700 ετών) που περιέχουν πάνω από 3 εκατομμύρια λέξεις.
· Όταν παρουσιάζεται μια ελλιπής επιγραφή, η Πυθία διατυπώνει μέχρι 20 υποθέσεις, δηλαδή προτείνει έως και 20 διαφορετικά γράμματα ή λέξεις, αφήνοντας στους εμπειρογνώμονες να κάνουν την τελική επιλογή.
Σε μια δοκιμασία του συστήματος, τόσο οι Πυθία όσο και οι εμπειρογνώμονες των επιγραφών ή οι «επιγραφιστές» (στην πραγματικότητα, οι φοιτητές διδάκτορες στην Οξφόρδη), είχαν επιφορτιστεί με την "πλήρωση των κενών" σε 2.949 επιγραφές. Η Πυθία είχε ποσοστό σφάλματος κατά 30,1%, σε σύγκριση με το 57,3% των ανθρωπίνων εμπειρογνωμόνων. Επιπλέον, ενώ οι εμπειρογνώμονες χρειάστηκαν δύο ώρες για να αποκρυπτογραφήσουν 50 επιγραφές, η Πυθία χρειάστηκε λίγα δευτερόλεπτα...!
Οι ερευνητές αναφέρουν...Για να εκπαιδεύσουμε την Πυθία, γράψαμε ένα μη τετριμμένο αγωγό για να μετατρέψουμε το μεγαλύτερο ψηφιακό σώμα των αρχαίων ελληνικών επιγραφών ( PHI Greek Inscriptions ) σε μηχάνημα με δυνατότητα επεξεργασίας, το οποίο ονομάζουμε PHI-ML. Όπως φαίνεται στον Πίνακα 1, οι προβλέψεις της Pythia για το PHI-ML επιτυγχάνουν ποσοστό σφάλματος χαρακτήρων 30,1%, σε σύγκριση με το 57,3% των αξιολογημένων αρχαίων ιστορικών ανθρώπων (συγκεκριμένα αυτοί ήταν διδακτορικοί από την Οξφόρδη).
|
Το αποτέλεσμα της μελέτης ήταν μια σαφής επίδειξη του δυναμικού της AI ( Artificial Intelligence ) στην ψηφιακή επιγραφή, δήλωσε η Thea Sommerschield της (DPhil in Ancient History) Οξφόρδης, μία από τους τρεις συν-συγγραφείς αυτής της δημοσίευσης για την Πυθία (Pythia) , η Philippa Steele, καθηγήτρια Κλασικών στο Cambridge, συμφώνησε ότι η "Πυθία" συμβάλει σημαντικά για την αποκατάσταση των αρχαίων ελληνικών επιγραφών, παρόλο που η δύναμη ανίχνευσης των προτύπων θα πρέπει πάντα να συμπληρώνεται από τις γνώσεις των ειδικών. Η Πυθία , είπε θα μπορούσε επίσης να χρησιμοποιηθεί σε συναφή πεδία, όπως η παπυρολογία και οι κώδικες.
Η Πυθία παίρνει μια ακολουθία κατεστραμμένου κειμένου ως εισαγωγή και εκπαιδεύεται για να προβλέψει αλληλουχίες χαρακτήρων που περιλαμβάνουν υποθετικές αποκαταστάσεις αρχαίων ελληνικών επιγραφών (κείμενα γραμμένα στο ελληνικό αλφάβητο που χρονολογούνται μεταξύ του 7ου αιώνα π.Χ. και του 5ου αιώνα μ.Χ.). Η αρχιτεκτονική λειτουργεί τόσο σε επίπεδο χαρακτήρων όσο και σε επίπεδο λέξεων, με αποτέλεσμα την αποτελεσματική διαχείριση μακροπρόθεσμων πληροφοριών πλαισίου και την αποτελεσματική αντιμετώπιση ελλιπών αντιγράφων λέξεων Αυτό το καθιστά εφαρμόσιμο σε όλους τους κλάδους που ασχολούνται με τα αρχαία κείμενα ( φιλολογία , παπυρολογία , κωδικολογία ) και εφαρμόζεται σε οποιαδήποτε γλώσσα (αρχαία ή σύγχρονη).
|
Οι δημιουργοί
Ο Γιάννης Ασσάελ, ένας από τους τρεις συντάκτες και ο βασικός συγγραφέας αυτής της δημοσίευσης, αποφοίτησε με πτυχίο Εφαρμοσμένης Πληροφορικής από το Πανεπιστήμιο Μακεδονίας, το 2013 στη Θεσσαλονίκη, έκανε μεταπτυχιακές σπουδές στο Imperial College του Πανεπιστημίου του Λονδίνου και διδάσκει σήμερα το Ph.D. στην Πληροφορική στην Οξφόρδη, με ειδίκευση στη Μηχανική Μάθηση. Από το 2015, είναι επίσης ερευνητής του ( Artificial Intelligence ) AI στο DeepMind.
Ο Demis Hassabis, γιος Ελληνοκύπριου και γνωστός ως προγραμματιστής βιντεοπαιχνιδιών και ο ίδιος είναι παίκτης παγκόσμιας κλάσης, ήταν ένας από τους τρεις συνιδρυτές της DeepMind Technologies το 2010, μαζί με τον Shane Legg και Mustafa Suleyman και είναι ο Διευθύνων Σύμβουλος της εταιρείας. Το DeepMind έγινε θυγατρική της Google το 2014 και έχει ερευνητικά κέντρα στον Καναδά, τη Γαλλία και τις Ηνωμένες Πολιτείες.
Ο Demis Hassabis, γιος Ελληνοκύπριου και γνωστός ως προγραμματιστής βιντεοπαιχνιδιών και ο ίδιος είναι παίκτης παγκόσμιας κλάσης, ήταν ένας από τους τρεις συνιδρυτές της DeepMind Technologies το 2010, μαζί με τον Shane Legg και Mustafa Suleyman και είναι ο Διευθύνων Σύμβουλος της εταιρείας. Το DeepMind έγινε θυγατρική της Google το 2014 και έχει ερευνητικά κέντρα στον Καναδά, τη Γαλλία και τις Ηνωμένες Πολιτείες.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου