AIが古代の忘れられた言語に挑む：ニューラルネットワークができること

古代の碑文は、消滅した文化を表す石や粘土に刻まれた神秘的な記号からなることが多い。ロゼッタストーンや関連言語がなければ解読は難しい。近年、ニューラルネットワークがテキストの欠損部分を復元し、何千もの碑文のパターンを特定し、仮説を検証し、年代と起源を推定するために応用されている。それらは特に、反復する配列を見つけ出し、テキストと画像の両方を用いてギャップを埋めることに優れている。また、関連言語間の対応関係を検索し、仮定を大量に検証し、年代と地理的な属性を提供することもできる。例えば、サイモン・コードウェルは、線文字Aに関する仮説を検証するためにプログラムを使用し、40の記号と408語の辞書の読みを提案した。ヴェスヴィオ・チャレンジのチームは、断層撮影とニューラルネットワークを用いて炭化した巻物を仮想的に広げ、哲学の論文を明らかにした。ラテン語の碑文用のGoogle DeepMindのアイネイアスモデルは、ギャップを埋める精度73%、州の帰属精度72%、年代の誤差約13年を達成している。古代ギリシャ語用のイサカは、62%の精度でテキストを復元し、歴史家が使用した場合、その精度は25%から72%に向上した。中国の甲骨文字については、敵対的生成ネットワークが欠落した文字の候補を示唆する。しかし、ニューラルネットワークはデータにないものを推測することはできない。テキストが少なすぎる場合、それらはもっともらしいが未検証の仮説を提供するだけである。それらは可能性のある続きを予測するが、その意味を理解しているわけではない。したがって、それらは研究者のためのツールであり、仮説検証と発見を加速するが、失われた言語を単独で完全に解読することはできない。