AI dalam Penguraian Bahasa Kuno
AI membantu para sarjana membaca naskah yang hilang dan teks yang rusak dengan menemukan pola statistik dalam simbol, memulihkan karakter yang hilang, dan mengusulkan terjemahan.
Ikhtisar
It turns decipherment from decades of manual guesswork into a faster, data-driven collaboration.
Menyelam Lebih Dalam
Mengartikan bahasa kuno berarti mencari tahu bagaimana simbol-simbolnya dipetakan ke dalam bunyi dan makna, seringkali dengan sedikit teks yang bertahan dan tanpa kunci bilingual. Pembelajaran mesin membantu dalam beberapa cara. Jaringan saraf dapat mengelompokkan simbol berulang untuk mengidentifikasi kemungkinan kata, sufiks, dan tata bahasa. Saat teks rusak atau aus, model urutan yang dilatih pada korpus dapat memprediksi kemungkinan besar karakter yang hilang, seperti halnya ponsel melengkapi kata secara otomatis. Model Ithaca DeepMind, dilatih pada puluhan ribu prasasti Yunani, memulihkan teks yang rusak, memperkirakan di mana dan kapan sebuah prasasti ditulis, dan memberikan saran peringkat kepada sejarawan untuk dievaluasi. Proyek lain telah menggunakan penyelarasan statistik untuk menghubungkan skrip yang tidak diketahui, seperti Linear B dan Ugaritic, ke bahasa terkait yang diketahui dan mempercepat penerjemahan.
Wawasan Teknis
Model memperlakukan skrip sebagai rangkaian token dan mempelajari probabilitas simbol mana yang mengikuti simbol lainnya. Untuk restorasi, transformator atau jaringan berulang dilatih pada jalur yang utuh, kemudian diminta untuk mengisi celah yang terselubung, menghasilkan karakter kandidat yang diberi peringkat dengan skor keyakinan. Penyelarasan lintas bahasa bekerja dengan memetakan pola simbol bahasa yang tidak diketahui ke dalam struktur kerabat yang dihipotesiskan, menilai seberapa baik pemetaan tersebut menghasilkan kata-kata yang sebenarnya.
Dampak Strategis
Build choices
Desain tingkat aplikasi menentukan apakah AI meningkatkan hasil nyata.
Team and workflow
Integrasi alur kerja yang baik menciptakan peningkatan produktivitas yang dapat dipercaya oleh pengguna.
Risk and safety
Kasus penggunaan yang tercakup dengan baik mengurangi kelelahan perubahan dan risiko implementasi.
Masa Depan AI dalam Penguraian Bahasa Kuno
Sasaran tersulit yang tersisa adalah skrip yang belum diuraikan dengan corpora kecil dan tidak ada kerabat yang diketahui, seperti skrip Lembah Indus dan Linear A, di mana kelangkaan data membatasi apa yang dapat dibuktikan oleh statistik. Sistem masa depan akan menggabungkan model bahasa dengan analisis gambar untuk membaca tablet dan segel yang terkikis langsung dari foto. Para peneliti menekankan bahwa AI akan tetap menjadi asisten yang kuat dan bukan pengganti, sehingga menghasilkan hipotesis yang harus diuji oleh ahli epigrafi manusia berdasarkan sejarah dan konteks.
Implementasi Dunia Nyata
Model Ithaca DeepMind memulihkan kata-kata yang hilang dalam prasasti Yunani kuno yang rusak dan memperkirakan tanggal dan tempat asal kata-kata tersebut, sehingga meningkatkan akurasi sejarawan ketika digunakan bersama-sama.
Pembelajaran mesin telah diterapkan pada Linear B dan Linear A terkait untuk menguji pemetaan fonetik dan kosa kata terhadap bahasa Yunani Mycenaean yang dikenal.
Metode penguraian statistik telah digunakan untuk menerjemahkan bahasa Ugaritik dengan secara otomatis menyelaraskannya dengan kerabat dekatnya, bahasa Ibrani.
Para peneliti menggunakan AI untuk merekonstruksi dan membaca tablet-tablet paku yang terpisah-pisah, memprediksi tanda-tanda rusak dalam teks Akkadia dan Sumeria.
Risiko & Pagar Pembatas
Mengotomatiskan proses yang rusak dapat memperburuk masalah yang ada.
Tim mungkin terlalu mengotomatiskan dan menghilangkan penilaian manusia yang diperlukan.
Kualitas dapat menurun jika keluaran tidak dievaluasi secara terus menerus.
Peta Jalan Implementasi
Petakan alur kerja saat ini dan identifikasi langkah dengan gesekan tertinggi.
Tentukan pos pemeriksaan manusia sebelum otomatisasi penuh.
Latih pengguna tentang petunjuk, jalur eskalasi, dan standar kualitas.
Lacak hasil tingkat tugas untuk memastikan nilai berkelanjutan.
Terus Menjelajah
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Ancient Language Decipherment quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
AI dalam Terjemahan Bahasa Isyarat
Pertanyaan yang sering diajukan
What is AI in Ancient Language Decipherment?
AI membantu para sarjana membaca naskah yang hilang dan teks yang rusak dengan menemukan pola statistik dalam simbol, memulihkan karakter yang hilang, dan mengusulkan terjemahan. Hal ini mengubah penguraian dari dugaan manual selama puluhan tahun menjadi kolaborasi yang lebih cepat dan berbasis data.
Apa yang dilakukan model Ithaca DeepMind untuk prasasti Yunani kuno?
Ithaca dilatih berdasarkan puluhan ribu prasasti Yunani untuk memulihkan bagian-bagian yang rusak dan memprediksi kapan dan di mana prasasti-prasasti itu ditulis, sehingga membantu para sejarawan.
Bagaimana model urutan membantu ketika teks kuno rusak atau terhapus?
Dilatih pada teks utuh, model ini mengisi kesenjangan yang terselubung dengan memprediksi kemungkinan karakter, mirip dengan pelengkapan otomatis, dan menawarkan kandidat yang diberi peringkat.
Mengapa skrip seperti skrip Linear A dan Lembah Indus begitu sulit diuraikan oleh AI?
Metode statistik memerlukan data dan idealnya data relatif yang diketahui; corpora kecil dan skrip terisolasi meninggalkan terlalu sedikit sinyal untuk mengkonfirmasi penguraian.
Apa yang dimaksud dengan penyelarasan lintas bahasa dalam konteks penguraian?
Dengan memetakan bahasa yang tidak dikenal ke dalam bahasa relatif yang dihipotesiskan dan menilai apakah ada kata-kata nyata yang muncul, peneliti dapat menguji hubungan tersebut, seperti yang dilakukan dengan bahasa Ugaritik dan Ibrani.
Bagaimana model ini biasanya merepresentasikan skrip secara internal?
Skrip diperlakukan seperti rangkaian teks; model mempelajari simbol mana yang cenderung mengikuti simbol mana, sehingga memungkinkan restorasi dan penemuan pola.