Yapay Zeka Eski Unutulmuş Dilleri Çözüyor: Sinir Ağları Ne Yapabilir?

Antik yazıtlar genellikle kaybolmuş kültürleri temsil eden taş veya kil üzerindeki gizemli sembollerden oluşur. Bir Rosetta Taşı veya ilgili diller olmadan şifre çözme zordur. Sinir ağları son zamanlarda metinlerin eksik kısımlarını tamamlama, binlerce yazıttaki desenleri tanımlama, hipotezleri test etme ve yaş ile kökeni tahmin etme gibi işlerde kullanılmaktadır. Özellikle tekrarlanan dizileri bulma ve boşlukları doldurma konusunda iyidirler; hem metni hem de görüntüyü kullanırlar. Ayrıca ilgili diller arasındaki benzerlikleri arayabilir, varsayımları toplu olarak kontrol edebilir ve tarihleme ile coğrafi atıf sağlayabilirler. Örneğin, Simon Cordwell, Linear A hakkında bir hipotezi test etmek için bir program kullandı ve 40 işaret için okumalar ve 408 kelimelik bir sözlük önerdi. Vesuvius Challenge ekibi, karbonlaşmış bir parşömeni sanal olarak açmak için tomografi ve sinir ağları kullandı ve felsefi bir incelemeyi ortaya çıkardı. Google DeepMind'ın Latin yazıtlar için geliştirdiği Aeneas modeli, boşlukları doldurmada %73 doğruluk, eyalet atıfında %72 doğruluk elde ediyor ve tarihlemede yaklaşık 13 yıl hata yapıyor. Antik Yunanca için geliştirilen Ithaca ise metinleri %62 doğrulukla tamamlıyor; tarihçiler kullandığında doğrulukları %25'ten %72'ye yükseldi. Çin kehanet kemikleri için üretken çekişmeli ağlar olası eksik karakterleri önermektedir. Ancak sinir ağları verilerde olmayanı çıkaramaz; çok az metin varsa, yalnızca makul ancak doğrulanmamış hipotezler sunabilirler. Olası devamları tahmin ederler ancak anlamı kavrayamazlar. Bu nedenle, araştırmacılar için araç olmaya devam ederler; hipotez testini ve keşfi hızlandırırlar, ancak unutulmuş bir dili kendi başlarına tamamen çözemezler.