Önemli Bilgiler
- Yapay zeka destekli yeni bir araç, tarihçilerin eski metinleri deşifre etmesine yardımcı olabilir.
- Ithaca, hasarlı yazıtların eksik metnini geri yükleyebilen, orijinal konumlarını belirleyebilen ve oluşturuldukları tarihi belirlemeye yardımcı olabilen ilk derin sinir ağıdır.
- AI, verileri analiz ederek çok karmaşık kalıpları öğrenmede iyi olduğu için metnin konumu ve tarihi gibi eksik verileri doldurmak için kullanışlıdır.
Yapay zekadaki (AI) son gelişmeler geçmişi anlama çabalarına güç veriyor.
DeepMind'daki AI araştırmacıları tarafından oluşturulan bir makine öğrenme modeli olan Ithaca, yeni bir makaleye göre eksik kelimeleri ve yazılı dilin yerini ve tarihini tahmin edebilir. Bu çaba, tarihçilerin eski el yazmalarını deşifre etmesine yardımcı olabilir.
Yakın tarihli makalenin yazarlarından tarihçi Thea Sommerschield, Lifewire'a bir e-postada, "Ithaca derin bir sinir ağıdır ve bu nedenle büyük miktarda veride gizli kalıpları bulma konusunda inanılmaz derecede yeteneklidir," dedi. röportaj yapmak. “Bu tür kalıplar metinsel (dilbilgisel, sözdizimsel veya birçok metinde tekrarlanan bir 'formülle' bağlantılı) veya bağlamsal (belirli metin türlerinde tutarlı bir şekilde görünen belirli kelimeler: örneğin, Klasik Atina'dan 'ittifak, konsey, meclis…').”
Geçmişi Ortaya Çıkarmak
Sommerschield, Ithaca'nın hasarlı yazıtların eksik metnini geri yükleyebilen, orijinal konumlarını tespit edebilen ve oluşturuldukları tarihi belirlemeye yardımcı olabilen ilk derin sinir ağı olduğunu söyledi.
Ithaca, Homer's Odyssey'deki Yunan adasının adını almıştır. Araştırmacılar, Ithaca'nın hasarlı metinleri geri yüklemede %62, orijinal konumlarını belirlemede %71 doğruluk elde ettiğini ve metinleri başlangıç tarihlerinden sonraki 30 yıl içinde tarihlendirebileceğini buldu.
Ithaca'nın görselleştirme yardımcıları, araştırmacıların sonuçları yorumlamasını kolaylaştırmayı amaçlamaktadır. Makalenin yazarları, tarihçilerin eski metinleri restore etmek için tek başına çalışırken %25 doğruluk elde ettiğini yazdı. Ancak, Ithaca'yı kullanırken tarihçinin performansı %72'ye yükselerek modelin performansını aşıyor ve insan-makine işbirliği potansiyelini gösteriyor.
“Ithaca, insan uzmanlar ve makine öğrenimi arasındaki işbirliğinin artan önemini gösteren yorumlanabilir çıktılar sunuyor ve görevleri işbirlikçi bir şekilde ele almak için insan uzmanları derin öğrenme mimarileriyle eşleştirmenin hem insanların hem de makine öğreniminin bireysel (yardımsız) performansını nasıl aşabileceğini gösteriyor. aynı görevlerde model,”dedi Sommerschield Lifewire.
Örneğin, Sommerschield bir blog yazısında, tarihçilerin şu anda Sokrates ve Perikles gibi önemli şahsiyetlerin yaşadığı bir zamanda yapılan bir dizi önemli Atina kararnamesinin tarihi konusunda anlaşamadıklarını yazdı. Yeni kanıtlar MÖ 420'li yıllara ait bir tarih önerse de, kararnamelerin uzun süredir MÖ 446/445'ten önce yazıldığı düşünülüyor. "Küçük bir fark gibi görünse de, bu kararnameler Klasik Atina'nın siyasi tarihini anlamamız için temeldir," diye yazdı
Ithaca'ya en yakın çalışma, Sommerschield ve işbirlikçilerinin 2019'da piyasaya sürdüğü Pythia adlı önceki bir makine öğrenme aracıdır. Pythia, derin sinir ağlarını kullanan ilk antik metin restorasyon modeliydi.
Sommerschield bir e-postada “Bugün Ithaca, epigrafın iş akışındaki üç merkezi görevi bütünsel olarak ele alan ilk model” dedi. “Pythia tarafından belirlenen önceki son teknoloji ürünü geliştirmekle kalmıyor, aynı zamanda coğrafi ve kronolojik ilişkilendirme için ilk kez ve benzeri görülmemiş bir ölçekte derin öğrenme kullanıyor.”
Tarihçilere Yardım Edecek Yapay Zeka
Yapay zeka şirketi Singulos Research'ün CEO'su Brad Quinton, Lifewire'a e-posta yoluyla AI'nın, verileri analiz ederek çok karmaşık kalıpları öğrenmede iyi olduğu için metnin konumu ve tarihi gibi eksik verileri doldurmak için kullanışlı olduğunu söyledi.
Quinton, "Yapay zeka, makine öğrenimi tekniklerini kullanarak, örneğin belirli bir metin ile oluşturulma tarihi ve konumu arasındaki kalıpları bulmak için çok sayıda "bilinen iyi" örneği inceleyebilir. "Genellikle, bu kalıplar o kadar karmaşıktır ki, bir insan uzmanın anlayamayacağı kadar karmaşıktır."
Eksik verileri tahmin etmek, makine öğrenimi tabanlı yapay zeka için yaygın bir görevdir. Örneğin, OpenAI'den GPT-3, bir cümledeki eksik kelimeleri veya hatta bir paragraftaki eksik cümleleri tahmin edebilir. Ve birçok AI tabanlı görüntü işleme sistemi, orijinalden neyin kaybolduğunu akıllıca tahmin ederek video ve görüntüleri geri yüklemek için kullanıldı.
“Kavramsal olarak, araştırmacılar, sanatın veya araçların ya da temeldeki stil ve teknikte zaman içinde ve sanatın bulunduğu yere göre bir değişiklik beklentisi olan diğer tarihi insan yapımı eserlerin tarihini ve kökenini belirlemek için benzer teknikleri kullanabilirler. köken,”dedi Quinton.
