Искусственный интеллект (ИИ) открывает новые возможности для восстановления древних исторических артефактов. Израильские исследователи с помощью модели глубокого обучения смогли воссоздать надписи на глиняных табличках Вавилона.
Сегодня восстановление неразборчивых надписей на глиняных табличках стало реальностью благодаря технологии «глубокое обучение» – подразделу ИИ.
В Месопотамии найдено сотни тысяч глиняных табличек, но большинство их надписей повреждены и недоступны для чтения. Всё изменилось после публикации исследования 1 сентября 2020 года в журнале PNAS, где специалисты по ИИ и археологии рассказали, как они извлекли административные тексты на аккадском клинописном языке периода Ахеменидской империи (539–331 г. до н.э.).
Постепенное возвращение к прошлому
Разбор нечитаемых слов стал возможен благодаря рекуррентной нейронной сети (RNN) – одной из форм глубокого обучения. Модель обучалась на корпусе из 1 400 транслитерированных текстов (переписанных из клинописи в латинский алфавит), изучая их структуру и смысл, а затем предсказывала недостающие слова.
Глубокое обучение имитирует работу человеческого мозга: программное обеспечение «учится» на уже известных образцах, постепенно улучшая свои предсказания.
Административные документы были выбраны специально – их строгая и однородная структура упрощает анализ для нейронной сети. Во время эксперимента модель прошла 52 теста с выбором из четырёх вариантов ответа. Она правильно определяла недостающие слова в 88,5 % случаев, продемонстрировав отличное понимание как синтаксиса, так и семантики предложений.
Экономия времени и перспективы
Хотя модели глубокого обучения уже успешно работают с современными латинскими алфавитами, их эффективность ниже для сложных систем письма, таких как арабский, или для языков с ограниченными цифровыми данными, как аккадский. Расширение баз данных позволит в дальнейшем восстанавливать тексты более сложных жанров – научных трактатов, литературных произведений и т.д.
RNN может стать незаменимым помощником историков, археологов и студентов, изучающих Ахеменидскую империю. Авторы проекта интегрировали свою модель в цифровой инструмент Atrahasis, предназначенный для восстановления повреждённых клинописных надписей.
