Οι ερευνητές του MIT και της Google χρησιμοποιούν τη βαθιά μάθηση τεχνική της τεχνητής νοημοσύνης (AI) για να αποκρυπτογραφήσουν αρχαίες γλώσσες.
Ερευνητές από το MIT και το ίδρυμα Google Brain ανακαλύπτουν πώς να χρησιμοποιούν τη βαθιά μάθηση για την αποκρυπτογράφηση αρχαίων γλωσσών. Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για την ανάγνωση γλωσσών που έχουν χαθεί εδώ και πολλά χρόνια. Η μέθοδος βασίζεται στην ικανότητα των μηχανών να ολοκληρώνουν πολύ γρήγορα μονότονες εργασίες που επαναλαμβάνονται.
Υπάρχουν περίπου 6.500-7.000 γλώσσες που ομιλούνται αυτή τη στιγμή στον κόσμο. Αλλά αυτό είναι λιγότερο από το ένα τέταρτο όλων των γλωσσών που μιλούσαν οι άνθρωποι κατά τη διάρκεια της ανθρώπινης ιστορίας. Αυτός ο συνολικός αριθμός είναι περίπου 31.000 γλώσσες, σύμφωνα με ορισμένες γλωσσικές εκτιμήσεις. Κάθε φορά που χάνεται μια γλώσσα χάνετε και ένας τρόπος σκέψης, ένας γλωσσικός κόσμος, ένας πολιτισμός. Χάνονται και οι σχέσεις, η ποίηση της ζωής που περιγράφεται μοναδικά μέσα από κάθε γλώσσα. Τι θα γινόταν όμως αν μπορούσαμε να καταλάβουμε πώς διαβάζονται αυτές οι “νεκρές” γλώσσες; Ερευνητές από το MIT και το Google Brain δημιούργησαν ένα σύστημα βασισμένο σε τεχνητή νοημοσύνη (AI) που μπορεί να πετύχει ακριβώς αυτό.
Ενώ οι γλώσσες αλλάζουν, πολλά από τα σύμβολα και το πώς κατανέμονται οι λέξεις και οι χαρακτήρες στο χρόνο παραμένουν σχετικά σταθερά έως σήμερα. Εξαιτίας αυτού, θα μπορούσαμε να προσπαθήσουμε να αποκωδικοποιήσουμε μια γλώσσα που έχει χαθεί εδώ και καιρό, εάν κατανοούσαμε τη σχέση της με μια γνωστή σήμερα προγονική γλώσσα. Αυτή η γνώση είναι που επέτρεψε στην ομάδα που περιλαμβάνει τους Jiaming Luo και Regina Barzilay από το MIT και Yuan Cao από το εργαστήριο τεχνητής νοημοσύνης της Google να χρησιμοποιήσουν μηχανική εκμάθηση για να αποκρυπτογραφήσουν την πρώιμη Ελληνική γλώσσα Γραμμική Β (από το 1400 π.Χ.) και μια σφηνοειδή ουγαριτική (πρώιμη εβραϊκή) γλώσσα που είναι επίσης άνω των 3.000 ετών.
Η Γραμμική Β είχε προηγουμένως αποκρυπτογραφηθεί από έναν άνθρωπο-το 1953, τον Michael Ventris. Αλλά αυτή ήταν η πρώτη φορά που η γλώσσα ανακαλύφθηκε από μια μηχανή.
Η προσέγγιση από τους ερευνητές επικεντρώθηκε σε 4 βασικές ιδιότητες που σχετίζονται με το πλαίσιο και την ευθυγράμμιση των χαρακτήρων που πρέπει να αποκρυπτογραφηθούν – ομοιότητα συμβόλων και χαρακτήρων, μονοτονική χαρτογράφηση χαρακτήρων, δομική τοποθέτηση συμβόλων και συγγενική συσχέτιση γαφής.
Εκπαίδευσαν το δίκτυο τεχνητής νοημοσύνης να αναζητήσει αυτά τα χαρακτηριστικά, επιτυγχάνοντας τη σωστή μετάφραση του 67,3% των συγγενών λέξεων της Γραμμικής Β (λέξεις κοινής προέλευσης) στα Ελληνικά αντίστοιχα.
Αυτό που η τεχνητή νοημοσύνη μπορεί δυνητικά να κάνει καλύτερα σε τέτοιες εργασίες, σύμφωνα με το MIT Technology Review , είναι ότι μπορεί απλώς εκτελώντας μαθηματικές πράξεις να συγκρίνει χιλιάδες διαφορετικές λέξεις, χαρακτήρες, σύμβολα από διάφορες γλώσσες και να βρει τις μεταξύ τους σχέσεις πράγμα που θα ήταν πολύ εξαντλητικό για τους ανθρώπους. Μπορούν να επιχειρήσουν να μεταφράσουν σύμβολα ενός άγνωστου αλφαβήτου δοκιμάζοντας και συγκρίνοντάς τα πολύ γρήγορα με σύμβολα από τη μια γλώσσα μετά την άλλη, περνώντας τα μέσα από γλώσσες που είναι ήδη ήδη γνωστές.
Επόμενο για τους επιστήμονες; Ίσως η μετάφραση της Γραμμικής Α της Αρχαίας Ελληνικής γλώσσας που κανείς μέχρι τώρα δεν έχει καταφέρει να αποκρυπτογραφήσει.
Μπορείτε να δείτε την εργασία τους «Νευρωνική αποκρυπτογράφηση μέσω ροής ελάχιστου κόστους: από την Ουγαριτική στη Γραμμική Β» εδώ
Αναδημοσίευση από
Μηχανικός Πληροφορικής – Web Content Publisher
Ονομάζομαι Θέμης Βασιλόπουλος και μέσα από το blog thinktech.gr επικεντρώνομαι σε θέματα τεχνολογίας με σκοπό να είναι κατανοητή από όλους.
Ακολουθήστε με στα Social και εγγραφτείτε στο newsletter για να ενημερώνεσθε όποτε δημοσιεύω καινούριο άρθρο.
“Η Τεχνολογία με απλά λόγια”
