引导式测验 · 中等 等级
人工智能在古代语言破译测验中的应用
回顾伊萨卡的铭文修复和归属任务、未破译的文字限制、对齐和学术验证。
问题 1 的 8
DeepMind 的伊萨卡模型对古希腊铭文有何作用？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- DeepMind 的伊萨卡模型对古希腊铭文有何作用？
- 它恢复丢失的文本并估计来源日期和地点
- 它在石头上刻下新的铭文
- 它只计算字母的数量
- 它将它们翻译成语音
- 当古代文本破损或磨损时，序列模型有何帮助？
- 他们对石碑进行了物理修复
- 他们从周围的上下文中预测最可能丢失的字符
- 他们删除损坏的部分
- 他们只翻译完整的句子
- 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
- 什么是破译上下文中的跨语言对齐？
- 对齐平板电脑的物理片段
- 将一种现代语言翻译成另一种现代语言
- 将字母排列起来，使它们看起来整齐
- 将未知脚本的模式映射到已知的相关语言以测试翻译
- 这些模型通常如何在内部表示脚本？
- 作为其排序概率被学习的标记序列
- 作为没有结构的单个图像
- 作为没有关系的随机数
- 作为音符
- 当AI提出破译时，人类学者扮演什么角色？
- 没有任何; AI的输出自动为最终结果
- 他们根据历史和背景证据测试人工智能的假设
- 他们只重新输入人工智能的输出
- 他们将人工智能翻译成拉丁语
- 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
- 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