Tekoäly ratkoo muinaisia unohdettuja kieliä: mitä neuroverkot voivat tehdä

Muinaiset kirjoitukset koostuvat usein mystisistä symboleista kivissä tai savessa, ja ne edustavat kadonneita kulttuureja. Niiden tulkitseminen on haastavaa ilman Rosettan kiveä tai sukulaiskieliä. Neuroverkkoja on viime aikoina sovellettu tekstien puuttuvien osien ennallistamiseen, kuvioiden tunnistamiseen tuhansien kirjoitusten joukosta, hypoteesien testaamiseen sekä iän ja alkuperän arviointiin. Ne ovat erityisen hyviä toistuvien sarjojen löytämisessä ja aukkojen täyttämisessä käyttäen sekä tekstiä että kuvaa. Ne voivat myös etsiä vastaavuuksia sukulaiskielten välillä, tarkistaa massoittain oletuksia ja tarjota ajoituksia sekä maantieteellisiä määrityksiä. Esimerkiksi Simon Cordwell käytti ohjelmaa testatakseen hypoteesia lineaari-A-kirjoituksesta, ehdottaen lukutapoja 40 merkille ja 408 sanan sanakirjaa. Vesuviuksen haasteen tiimi käytti tomografiaa ja neuroverkkoja avatakseen virtuaalisesti hiiltyneen käärön, joka paljasti filosofisen tutkielman. Googlen DeepMindin Aeneas-malli latinalaisille kirjoituksille saavuttaa 73 prosentin tarkkuuden aukkojen täyttämisessä, 72 prosentin tarkkuuden provinssin määrityksessä ja noin 13 vuoden virhemarginaalin ajoituksessa. Ithaca, joka on tarkoitettu muinaiskreikalle, ennallistaa tekstejä 62 prosentin tarkkuudella, ja kun historioitsijat käyttivät sitä, heidän tarkkuutensa parani 25 prosentista 72 prosenttiin. Kiinalaisten oraakkeliluiden kohdalla generatiiviset adversiaaliset verkot ehdottavat mahdollisia puuttuvia merkkejä. Neuroverkot eivät kuitenkaan pysty päättelemään sellaista, mitä aineistossa ei ole; jos tekstejä on liian vähän, ne voivat tarjota vain uskottavia mutta vahvistamattomia hypoteeseja. Ne ennustavat todennäköisiä jatkoja, mutta eivät ymmärrä merkitystä. Siksi ne pysyvät tutkijoiden työkaluina, nopeuttaen hypoteesien testausta ja löytöjä, mutta eivät voi yksinään täysin tulkita unohdettua kieltä.