AI ในการถอดรหัสภาษาโบราณ
AI ช่วยให้นักวิชาการอ่านสคริปต์ที่สูญหายและข้อความที่เสียหายโดยระบุรูปแบบทางสถิติในสัญลักษณ์ กู้คืนอักขระที่หายไป และเสนอคำแปล
ภาพรวม
It turns decipherment from decades of manual guesswork into a faster, data-driven collaboration.
เจาะลึก
การถอดรหัสภาษาโบราณหมายถึงการค้นหาว่าสัญลักษณ์ของภาษานั้นเชื่อมโยงกับเสียงและความหมายอย่างไร โดยมักจะมีข้อความเพียงเล็กน้อยเท่านั้นและไม่มีคีย์สองภาษา การเรียนรู้ของเครื่องช่วยได้หลายวิธี โครงข่ายประสาทเทียมสามารถรวมกลุ่มสัญลักษณ์ที่ซ้ำกันเพื่อระบุคำ คำต่อท้าย และไวยากรณ์ที่เป็นไปได้ เมื่อข้อความเสียหายหรือชำรุด โมเดลลำดับที่ได้รับการฝึกในคลังข้อมูลสามารถคาดเดาอักขระที่น่าจะหายไปได้มากที่สุด เช่นเดียวกับที่โทรศัพท์เติมคำอัตโนมัติ แบบจำลอง Ithaca ของ DeepMind ซึ่งได้รับการฝึกฝนเกี่ยวกับคำจารึกภาษากรีกนับหมื่นชิ้น กู้คืนข้อความที่เสียหาย ประเมินสถานที่และเวลาที่เขียนคำจารึก และให้คำแนะนำแก่นักประวัติศาสตร์ในการประเมิน โปรเจ็กต์อื่นๆ ได้ใช้การจัดตำแหน่งทางสถิติเพื่อเชื่อมโยงสคริปต์ที่ไม่รู้จัก เช่น Linear B และ Ugaritic ไปยังภาษาที่เกี่ยวข้องที่รู้จักและเร่งการแปล
ข้อมูลเชิงลึกทางเทคนิค
โมเดลถือว่าสคริปต์เป็นลำดับของโทเค็นและเรียนรู้ความน่าจะเป็นที่สัญลักษณ์จะเป็นไปตามสัญลักษณ์อื่น สำหรับการฟื้นฟู หม้อแปลงไฟฟ้าหรือเครือข่ายที่เกิดซ้ำจะได้รับการฝึกบนข้อความที่สมบูรณ์ จากนั้นขอให้เติมช่องว่างที่ปิดบัง เพื่อแสดงตัวละครที่ได้รับการจัดอันดับด้วยคะแนนความมั่นใจ การจัดตำแหน่งแบบข้ามภาษาทำงานโดยการจับคู่รูปแบบสัญลักษณ์ของภาษาที่ไม่รู้จักเข้ากับโครงสร้างที่ทราบของญาติที่มีการตั้งสมมุติฐาน โดยให้คะแนนว่าการทำแผนที่สร้างคำจริงได้ดีเพียงใด
ผลกระทบเชิงกลยุทธ์
สร้างทางเลือก
การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่
ทีมงานและขั้นตอนการทำงาน
การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้
ความเสี่ยงและความปลอดภัย
กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ
อนาคตของ AI ในการถอดรหัสภาษาโบราณ
เป้าหมายที่ยากที่สุดที่เหลืออยู่คือสคริปต์ที่ถอดรหัสไม่ได้ซึ่งมีเนื้อหาขนาดเล็กและไม่มีญาติที่รู้จัก เช่น สคริปต์ Indus Valley และ Linear A ซึ่งการขาดแคลนข้อมูลจะจำกัดสิ่งที่สถิติสามารถพิสูจน์ได้ ระบบในอนาคตจะรวมแบบจำลองภาษาเข้ากับการวิเคราะห์ภาพเพื่ออ่านเม็ดยาและซีลที่ถูกกัดเซาะจากภาพถ่ายโดยตรง นักวิจัยเน้นย้ำว่า AI จะยังคงเป็นผู้ช่วยเหลือที่ทรงพลังมากกว่าสิ่งทดแทน ทำให้เกิดสมมติฐานว่าผู้เขียนคำจารึกของมนุษย์จะต้องทดสอบกับประวัติศาสตร์และบริบท
การใช้งานจริงในโลกแห่งความเป็นจริง
แบบจำลอง Ithaca ของ DeepMind จะกู้คืนคำที่หายไปในคำจารึกภาษากรีกโบราณที่เสียหาย และประมาณวันที่และสถานที่ต้นทาง ช่วยเพิ่มความแม่นยำของนักประวัติศาสตร์เมื่อใช้ร่วมกัน
การเรียนรู้ของเครื่องถูกนำไปใช้กับ Linear B และ Linear A ที่เกี่ยวข้องเพื่อทดสอบการจับคู่สัทศาสตร์และคำศัพท์กับภาษากรีก Mycenaean ที่รู้จัก
วิธีการถอดรหัสทางสถิติได้ถูกนำมาใช้ในการแปลภาษาอูการิติกโดยการจัดแนวให้ตรงกับภาษาฮีบรูที่สัมพันธ์กันอย่างใกล้ชิดโดยอัตโนมัติ
นักวิจัยใช้ AI เพื่อสร้างและอ่านแผ่นจารึกรูปลิ่มที่ไม่เป็นชิ้นเป็นอัน โดยทำนายสัญญาณที่แตกหักในข้อความอัคคาเดียนและสุเมเรียน
ความเสี่ยงและรั้ว
การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้
ทีมอาจดำเนินการอัตโนมัติมากเกินไปและลบวิจารณญาณของมนุษย์ที่จำเป็นออก
คุณภาพอาจคลาดเคลื่อนได้หากไม่ได้รับการประเมินผลลัพธ์อย่างต่อเนื่อง
แผนงานการดำเนินงาน
แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด
กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ
ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ
ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน
สำรวจต่อไป
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
คำแนะนำต่อไป
AI ในการแปลภาษามือ
คำถามที่พบบ่อย
What is AI in Ancient Language Decipherment?
AI ช่วยให้นักวิชาการอ่านสคริปต์ที่สูญหายและข้อความที่เสียหายโดยระบุรูปแบบทางสถิติในสัญลักษณ์ กู้คืนอักขระที่หายไป และเสนอคำแปล เปลี่ยนการถอดรหัสจากการคาดเดาด้วยตนเองมานานหลายทศวรรษให้กลายเป็นการทำงานร่วมกันที่ขับเคลื่อนด้วยข้อมูลเร็วขึ้น
แบบจำลอง Ithaca ของ DeepMind มีประโยชน์อย่างไรกับคำจารึกภาษากรีกโบราณ
อิธาก้าได้รับการฝึกฝนเกี่ยวกับจารึกภาษากรีกนับหมื่นเพื่อฟื้นฟูข้อความที่เสียหาย และคาดการณ์ว่าข้อความเหล่านั้นถูกเขียนขึ้นเมื่อใดและที่ไหน เพื่อช่วยเหลือนักประวัติศาสตร์
แบบจำลองลำดับช่วยได้อย่างไรเมื่อข้อความโบราณเสียหายหรือสึกหรอ
แบบจำลองนี้ได้รับการฝึกฝนเกี่ยวกับข้อความที่สมบูรณ์ โดยเติมช่องว่างที่ปกปิดโดยการคาดเดาอักขระที่น่าจะเป็นไปได้ ซึ่งคล้ายกับการเติมข้อความอัตโนมัติ และเสนอตัวเลือกที่ได้รับการจัดอันดับ
เหตุใดสคริปต์เช่น Linear A และสคริปต์ Indus Valley จึงยากที่ AI ถอดรหัส
วิธีการทางสถิติจำเป็นต้องมีข้อมูลและโดยหลักการแล้วจะต้องทราบความสัมพันธ์ กลุ่มเล็กๆ และสคริปต์ที่แยกออกมาทำให้สัญญาณน้อยเกินไปที่จะยืนยันการถอดรหัส
การจัดตำแหน่งข้ามภาษาในบริบทของการถอดรหัสคืออะไร?
ด้วยการแมปภาษาที่ไม่รู้จักเข้ากับญาติที่ตั้งสมมุติฐานและให้คะแนนว่าคำจริงปรากฏหรือไม่ นักวิจัยสามารถทดสอบความสัมพันธ์ได้ เช่นเดียวกับที่ทำกับภาษาอูการิติกและภาษาฮีบรู
โดยทั่วไปโมเดลเหล่านี้จะแสดงสคริปต์ภายในอย่างไร
สคริปต์ได้รับการปฏิบัติเหมือนลำดับข้อความ แบบจำลองจะเรียนรู้ว่าสัญลักษณ์ใดมีแนวโน้มที่จะเป็นไปตามนั้น ช่วยให้สามารถฟื้นฟูและค้นพบรูปแบบได้