एआई प्राचीन विस्मृत भाषाओं से निपटता है: तंत्रिका नेटवर्क क्या कर सकते हैं
Google DeepMind
एआई तंत्रिका नेटवर्क लीनियर ए, एट्रस्कैन और सिंधु घाटी के संकेतों जैसी प्राचीन लिपियों के गूढ़ार्थ को समझने में सहायता कर रहे हैं। इनका उपयोग लुप्त पाठ के अंशों को पुनर्स्थापित करने, पैटर्न खोजने, परिकल्पनाओं की जाँच करने और कलाकृतियों के काल निर्धारण के लिए किया जाता है। हालाँकि, पर्याप्त डेटा या संदर्भ के बिना, वे किसी खोई हुई भाषा को पूरी तरह से समझ नहीं सकते हैं।
प्राचीन शिलालेखों में अक्सर पत्थर या मिट्टी पर रहस्यमय प्रतीक होते हैं, जो विलुप्त हो चुकी संस्कृतियों का प्रतिनिधित्व करते हैं। रोसेटा स्टोन या संबंधित भाषाओं के बिना, उनका अर्थ निकालना चुनौतीपूर्ण है। हाल ही में, तंत्रिका नेटवर्क को पाठ के लुप्त हिस्सों को पुनर्स्थापित करने, हजारों शिलालेखों में पैटर्न की पहचान करने, परिकल्पनाओं का परीक्षण करने और उम्र तथा उत्पत्ति का अनुमान लगाने के लिए लागू किया गया है। वे दोहराए गए अनुक्रमों को खोजने और अंतराल को भरने में विशेष रूप से अच्छे हैं, जो पाठ और छवि दोनों का उपयोग करते हैं। वे संबंधित भाषाओं के बीच पत्राचार की खोज कर सकते हैं, धारणाओं की सामूहिक जांच कर सकते हैं, और डेटिंग और भौगोलिक विशेषता प्रदान कर सकते हैं। उदाहरण के लिए, साइमन कॉर्डवेल ने लीनियर ए के बारे में एक परिकल्पना का परीक्षण करने के लिए एक प्रोग्राम का उपयोग किया, जिसमें 40 संकेतों और 408-शब्दों के शब्दकोश के लिए पठन प्रस्तावित किया गया। वेसुवियस चैलेंज टीम ने टोमोग्राफी और तंत्रिका नेटवर्क का उपयोग करके एक कार्बोनाइज्ड स्क्रॉल को आभासी रूप से अनियंत्रित किया, जिससे एक दार्शनिक ग्रंथ का पता चला। लैटिन शिलालेखों के लिए गूगल डीपमाइंड का एनीस मॉडल अंतराल भरने में 73% सटीकता, प्रांत विशेषता में 72% सटीकता प्राप्त करता है, और डेटिंग में लगभग 13 वर्षों की त्रुटि होती है। प्राचीन ग्रीक के लिए इथाका, पाठ को 62% सटीकता के साथ पुनर्स्थापित करता है, और जब इतिहासकारों द्वारा उपयोग किया जाता है, तो उनकी सटीकता 25% से बढ़कर 72% हो जाती है। चीनी ओरेकल बोन्स के लिए, जनरेटिव एडवरसैरियल नेटवर्क संभावित लुप्त वर्णों का सुझाव देते हैं। हालाँकि, तंत्रिका नेटवर्क यह अनुमान नहीं लगा सकते कि डेटा में क्या नहीं है; यदि बहुत कम ग्रंथ मौजूद हैं, तो वे केवल प्रशंसनीय लेकिन अप्रमाणित परिकल्पनाएँ प्रस्तुत कर सकते हैं। वे संभावित निरंतरता की भविष्यवाणी करते हैं लेकिन अर्थ नहीं समझते हैं। इसलिए, वे शोधकर्ताओं के लिए उपकरण बने रहते हैं, परिकल्पना परीक्षण और खोज को गति देते हैं, लेकिन वे अकेले एक भूली हुई भाषा को पूरी तरह से समझ नहीं सकते हैं।
स्रोत: Habr — хаб ИИ —
मूल
