الذكاء الاصطناعي يواجه اللغات القديمة المنسية: ما يمكن أن تفعله الشبكات العصبية

غالبًا ما تتكون النقوش القديمة من رموز غامضة على الحجر أو الطين، وتمثل ثقافات قد اختفت. من الصعب فك رموزها دون حجر رشيد أو لغات ذات صلة. وقد تم مؤخرًا تطبيق الشبكات العصبية لاستعادة الأجزاء المفقودة من النصوص، وتحديد الأنماط عبر آلاف النقوش، واختبار الفرضيات، وتقدير العمر والأصل. وهي جيدة بشكل خاص في العثور على التسلسلات المتكررة وسد الفجوات، باستخدام كل من النص والصورة. ويمكنها أيضًا البحث عن التطابقات بين اللغات ذات الصلة، والتحقق الشامل من الافتراضات، وتوفير التأريخ والإسناد الجغرافي. على سبيل المثال، استخدم سايمون كورويل برنامجًا لاختبار فرضية حول الخطي أ، واقترح قراءات لـ 40 علامة وقاموسًا من 408 كلمات. استخدم فريق تحدي فيزوف التصوير المقطعي والشبكات العصبية لفك لفافة متفحمة افتراضيًا، وكشف عن أطروحة فلسفية. يحقق نموذج إينياس من جوجل ديب مايند للنقوش اللاتينية دقة 73٪ في ملء الفجوات، و72٪ في تحديد المقاطعة، وأخطاء حوالي 13 عامًا في التأريخ. إيثاكا، لليونانية القديمة، يستعيد النصوص بدقة 62٪، وعند استخدامه من قبل المؤرخين، تحسنت دقتهم من 25٪ إلى 72٪. بالنسبة لعظام الكهانة الصينية، تقترح الشبكات الخصومية التوليدية الأحرف المفقودة المحتملة. ومع ذلك، لا تستطيع الشبكات العصبية استنتاج ما ليس في البيانات؛ إذا كان هناك عدد قليل جدًا من النصوص، يمكنها فقط تقديم فرضيات معقولة ولكن غير مثبتة. إنها تتنبأ بالاستمرارات المحتملة ولكنها لا تفهم المعنى. لذلك، تظل أدوات للباحثين، تسرع من اختبار الفرضيات والاكتشاف، ولكنها لا تستطيع فك رموز لغة منسية بالكامل بمفردها.