Kvíz spojený s průvodcem · Střední úroveň

Umělá inteligence v kvízu o dešifrování starověkého jazyka

Projděte si úkoly restaurování a přiřazení nápisů Ithaca, limity nerozluštěných skriptů, zarovnání a odborné ověřování.

Související vodicí cestyAI v dešifrování starověkého jazyka
Otázka 1 z 8

Co dělá model Ithaca DeepMind pro starověké řecké nápisy?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co dělá model Ithaca DeepMind pro starověké řecké nápisy?
    • Obnoví chybějící text a odhadne datum a místo původu
    • Vytesává do kamene nové nápisy
    • Počítá pouze počet písmen
    • Převádí je do mluveného zvuku
  2. Jak sekvenční modely pomáhají, když je starý text rozbitý nebo opotřebovaný?
    • Kamennou desku fyzicky opraví
    • Předpovídají nejpravděpodobnější chybějící postavy z okolního kontextu
    • Odstraní poškozený úsek
    • Překládají pouze celé věty
  3. What character-alignment assumption does the 2019 neural decipherment paper encourage for cognates?
    • Every word has exactly the same length
    • All characters must be translated into English
    • An order-preserving correspondence, because character reorderings are assumed to be uncommon
    • The order of every character must be reversed
  4. Co je to mezijazykové zarovnání v kontextu dešifrování?
    • Zarovnání fyzických fragmentů tabletu
    • Překlad jednoho moderního jazyka do druhého
    • Seřaďte písmena tak, aby vypadala úhledně
    • Mapování vzorů neznámého skriptu do známého příbuzného jazyka za účelem testování překladů
  5. Jak tyto modely obvykle reprezentují skript interně?
    • Jako posloupnosti žetonů, jejichž pravděpodobnosti řazení se učí
    • Jako jeden obrázek bez struktury
    • Jako náhodná čísla bez vztahu
    • Jako hudební noty
  6. Jakou roli hrají lidští učenci, když AI navrhuje dešifrování?
    • Žádný; výstup AI je automaticky konečný
    • Testují hypotézy AI proti historickým a kontextovým důkazům
    • Pouze přepisují výstup AI
    • Překládají AI do latiny
  7. Why does the 2019 decipherment model use a minimum-cost-flow formulation?
    • To repair physical damage to stone tablets
    • To measure the age of ink
    • To constrain the overall matching of words across the two vocabularies
    • To generate an unlimited number of unrelated translations
  8. What input does the 2019 decipherment experiment use from a known related language?
    • A bilingual translation for every ancient sentence
    • Only photographs with no text information
    • A verified translation key for every possible symbol
    • A non-parallel corpus that supplies linguistic correspondences to test