Antik Dilin Şifresini Çözmede Yapay Zeka
Yapay zeka, sembollerdeki istatistiksel kalıpları tespit ederek, eksik karakterleri geri yükleyerek ve çeviriler önererek akademisyenlerin kayıp metinleri ve hasarlı metinleri okumasına yardımcı oluyor.
Genel Bakış
It turns decipherment from decades of manual guesswork into a faster, data-driven collaboration.
Derin Dalış
Antik bir dili deşifre etmek, çoğunlukla hayatta kalan çok az metinle ve iki dilli bir anahtar olmadan, sembollerinin ses ve anlamlarla nasıl eşleştiğini bulmak anlamına gelir. Makine öğrenimi çeşitli şekillerde yardımcı olur. Sinir ağları, olası kelimeleri, son ekleri ve dilbilgisini tanımlamak için tekrarlanan sembolleri kümeleyebilir. Bir metin bozulduğunda veya yıprandığında, bir bütünce üzerinde eğitilen dizi modelleri, tıpkı bir telefonun kelimeleri otomatik tamamlaması gibi, en olası eksik karakterleri tahmin edebilir. DeepMind'ın on binlerce Yunanca yazıt üzerinde eğitilmiş Ithaca modeli, hasarlı metni onarır, bir yazıtın nerede ve ne zaman yazıldığını tahmin eder ve tarihçilere değerlendirmeleri için sıralanmış öneriler sunar. Diğer projeler, Linear B ve Ugaritic gibi bilinmeyen alfabeleri bilinen ilgili dillere bağlamak ve çeviriyi hızlandırmak için istatistiksel hizalamayı kullandı.
Teknik Bilgi
Modeller, komut dosyalarını simge dizileri olarak ele alır ve hangi simgelerin diğerlerini takip etme olasılıklarını öğrenir. Restorasyon için, bir transformatör veya tekrarlayan ağ, sağlam geçitler üzerinde eğitilir, ardından maskelenmiş boşlukları doldurması istenir ve güven puanlarıyla sıralanmış aday karakterlerin çıktısı alınır. Diller arası hizalama, bilinmeyen dilin sembol kalıplarını varsayılan bir akrabanın bilinen yapısıyla eşleştirerek çalışır ve haritalamanın gerçek kelimeleri ne kadar iyi ürettiğini puanlar.
Stratejik Etki
Build choices
Uygulama düzeyinde tasarım, yapay zekanın gerçek sonuçları iyileştirip iyileştirmediğini belirler.
Ekip ve iş akışı
İyi iş akışı entegrasyonu, kullanıcıların güvenebileceği üretkenlik kazanımları sağlar.
Risk and safety
İyi kapsamlı kullanım örnekleri, değişiklik yorgunluğunu ve uygulama riskini azaltır.
Antik Dillerin Şifre Çözülmesinde Yapay Zekanın Geleceği
Geriye kalan en zor hedefler, veri kıtlığının istatistiklerin kanıtlayabileceklerini sınırladığı İndus Vadisi yazısı ve Doğrusal A gibi, küçük derlemlere sahip ve bilinen akrabası olmayan, şifresi çözülmemiş yazılardır. Gelecekteki sistemler, aşınmış tabletleri ve mühürleri doğrudan fotoğraflardan okumak için dil modellerini görüntü analiziyle birleştirecek. Araştırmacılar, yapay zekanın yerini almaktan ziyade güçlü bir yardımcı olarak kalacağını ve insan epigrafi uzmanlarının tarih ve bağlamla karşılaştırmalı olarak test etmesi gereken hipotezler üreteceğini vurguluyor.
Gerçek Dünya Uygulaması
DeepMind'ın Ithaca modeli, hasar görmüş antik Yunan yazıtlarındaki eksik kelimeleri onarıyor ve bunların tarih ve köken yerlerini tahmin ederek birlikte kullanıldığında tarihçilerin doğruluğunu artırıyor.
Fonetik ve kelime eşlemelerini bilinen Miken Yunancasına göre test etmek için Linear B ve ilgili Linear A'ya makine öğrenimi uygulandı.
Ugarit dilini yakın akrabası olan İbranice ile otomatik olarak hizalayarak tercüme etmek için istatistiksel deşifre yöntemleri kullanılmıştır.
Araştırmacılar parçalı çivi yazılı tabletleri yeniden oluşturmak ve okumak için yapay zekayı kullanıyor ve Akkad ve Sümer metinlerindeki kırık işaretleri tahmin ediyor.
Riskler ve Korkuluklar
Bozuk bir süreci otomatikleştirmek mevcut sorunları büyütebilir.
Ekipler aşırı otomatikleşebilir ve gerekli insan muhakemesini ortadan kaldırabilir.
Çıktılar sürekli olarak değerlendirilmezse kalite düşebilir.
Uygulama Yol Haritası
Mevcut iş akışının haritasını çıkarın ve en yüksek sürtünmeli adımı belirleyin.
Tam otomasyondan önce insan kontrol noktalarını tanımlayın.
Kullanıcıları istemler, yükseltme yolları ve kalite standartları konusunda eğitin.
Sürdürülebilir değeri doğrulamak için görev düzeyindeki sonuçları izleyin.
Keşfetmeye Devam Edin
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
İşaret Dili Çevirisinde Yapay Zeka
Sık sorulan sorular
What is AI in Ancient Language Decipherment?
Yapay zeka, sembollerdeki istatistiksel kalıpları tespit ederek, eksik karakterleri geri yükleyerek ve çeviriler önererek akademisyenlerin kayıp metinleri ve hasarlı metinleri okumasına yardımcı oluyor. Şifre çözme işlemini onlarca yıllık manuel tahminlerden daha hızlı, veri odaklı bir işbirliğine dönüştürür.
DeepMind'ın Ithaca modeli antik Yunan yazıtları için ne yapıyor?
Ithaca, tarihçilere yardımcı olarak, hasar görmüş pasajları onarmak ve bunların ne zaman ve nerede yazıldığını tahmin etmek için on binlerce Yunanca yazıt üzerinde eğitim aldı.
Eski bir metin kırıldığında veya aşındığında dizi modelleri nasıl yardımcı olur?
Bozulmamış metin üzerinde eğitilen model, otomatik tamamlamaya benzer şekilde olası karakterleri tahmin ederek maskelenmiş boşlukları doldurur ve sıralanmış adaylar sunar.
Linear A ve İndus Vadisi senaryoları gibi senaryoların yapay zeka tarafından çözülmesi neden bu kadar zor?
İstatistiksel yöntemler verilere ve ideal olarak bilinen bir akrabaya ihtiyaç duyar; küçük derlemler ve izole edilmiş yazılar, bir şifrenin çözülmesini doğrulamak için çok az sinyal bırakıyor.
Şifre çözme bağlamında diller arası hizalama nedir?
Araştırmacılar, bilinmeyen dili varsayılan bir akrabayla eşleştirerek ve gerçek kelimelerin ortaya çıkıp çıkmadığını puanlayarak, Ugaritçe ve İbranicede yapıldığı gibi ilişkileri test edebilirler.
Bu modeller tipik olarak bir betiği dahili olarak nasıl temsil eder?
Komut dosyalarına metin dizileri gibi davranılır; model, hangi sembollerin hangisini takip etme eğiliminde olduğunu öğrenerek restorasyonu ve model keşfini mümkün kılar.