AI Menaklukkan Bahasa Kuno yang Terlupakan: Apa yang Bisa Dilakukan Jaringan Saraf

Prasasti kuno sering kali terdiri dari simbol-simbol misterius di atas batu atau tanah liat, mewakili budaya yang telah hilang. Penguraiannya sulit tanpa Batu Rosetta atau bahasa yang terkait. Jaringan saraf baru-baru ini diterapkan untuk memulihkan bagian teks yang hilang, mengidentifikasi pola di ribuan prasasti, menguji hipotesis, dan memperkirakan usia serta asal-usulnya. Mereka sangat baik dalam menemukan urutan yang berulang dan mengisi celah, menggunakan teks dan gambar. Mereka juga dapat mencari korespondensi antara bahasa yang terkait, memeriksa asumsi secara massal, dan memberikan penanggalan serta atribusi geografis. Misalnya, Simon Cordwell menggunakan program untuk menguji hipotesis tentang Linear A, mengusulkan pembacaan untuk 40 tanda dan kamus 408 kata. Tim Vesuvius Challenge menggunakan tomografi dan jaringan saraf untuk membuka gulungan yang hangus secara virtual, mengungkapkan risalah filosofis. Model Aeneas dari Google DeepMind untuk prasasti Latin mencapai akurasi 73% dalam mengisi celah, 72% dalam atribusi provinsi, dan kesalahan sekitar 13 tahun dalam penanggalan. Ithaca, untuk bahasa Yunani kuno, memulihkan teks dengan akurasi 62%, dan ketika digunakan oleh sejarawan, akurasi mereka meningkat dari 25% menjadi 72%. Untuk tulang ramalan Tiongkok, jaringan permusuhan generatif menyarankan karakter yang mungkin hilang. Namun, jaringan saraf tidak dapat menyimpulkan apa yang tidak ada dalam data; jika teks terlalu sedikit, mereka hanya dapat menawarkan hipotesis yang masuk akal tetapi belum diverifikasi. Mereka memprediksi kelanjutan yang mungkin tetapi tidak memahami maknanya. Oleh karena itu, mereka tetap menjadi alat bagi para peneliti, mempercepat pengujian hipotesis dan penemuan, tetapi tidak dapat sepenuhnya menguraikan bahasa yang terlupakan dengan sendirinya.