Հիմնական տանողներ
- Արհեստական ինտելեկտով աշխատող նոր գործիքը կարող է օգնել պատմաբաններին վերծանել հնագույն տեքստերը:
- Ithaca-ն առաջին խորը նյարդային ցանցն է, որը կարող է վերականգնել վնասված մակագրությունների բացակայող տեքստը, բացահայտել դրանց սկզբնական վայրը և օգնել պարզել դրանց ստեղծման ամսաթիվը:
- AI-ն օգտակար է բացակայող տվյալները լրացնելու համար, ինչպիսիք են տեքստի գտնվելու վայրը և ամսաթիվը, քանի որ այն լավ է սովորում շատ բարդ օրինաչափություններ՝ վերլուծելով տվյալները:
Արհեստական ինտելեկտի (AI) վերջին ձեռքբերումները ուժ են տալիս անցյալը հասկանալու ջանքերին:
Ithaca-ն՝ մեքենայական ուսուցման մոդելը, որը ստեղծվել է DeepMind-ի AI հետազոտողների կողմից, կարող է գուշակել բացակայող բառերը և գրավոր լեզվի գտնվելու վայրը և ամսաթիվը՝ համաձայն նոր հոդվածի: Այս ջանքերը կարող են օգնել պատմաբաններին վերծանել հին ձեռագրերը:
«Ithaca-ն խորը նյարդային ցանց է, և որպես այդպիսին, այն աներևակայելիորեն ընդունակ է գտնել թաքնված օրինաչափություններ հսկայական քանակությամբ տվյալների մեջ», - ասաց պատմաբան Թեա Սոմերշիլդը, վերջին աշխատության համահեղինակ, Lifewire-ին էլ. հարցազրույց. «Նման օրինաչափությունները կարող են լինել տեքստային (քերականական, շարահյուսական կամ կապված բազմաթիվ տեքստերի կրկնվող «բանաձևի» հետ) կամ համատեքստային (որոշ բառեր, որոնք հետևողականորեն հայտնվում են տեքստերի որոշակի ժանրերում. խորհուրդ, ժողով…»):»
Անցյալի բացահայտում
Ithaca-ն առաջին խորը նյարդային ցանցն է, որը կարող է վերականգնել վնասված գրությունների բացակայող տեքստը, բացահայտել դրանց սկզբնական վայրը և օգնել պարզել դրանց ստեղծման ամսաթիվը, ասել է Սոմերշիլդը:
Ithaca-ն ստացել է հունական կղզու անունը Հոմերոսի Ոդիսականում: Հետազոտողները պարզել են, որ Իթաքան 62% ճշգրտություն է ձեռք բերում վնասված տեքստերը վերականգնելու հարցում, 71% ճշգրտություն՝ պարզելու դրանց սկզբնական վայրը և կարող է թվագրել տեքստերը դրանց ծագման ամսաթվից 30 տարվա ընթացքում::
Ithaca-ի վիզուալիզացիայի օժանդակ միջոցները նախատեսված են հետազոտողների համար հեշտացնելու արդյունքները մեկնաբանելը: Թերթի հեղինակները գրել են, որ պատմաբանները հասել են 25% ճշգրտության՝ միայնակ աշխատելով հին տեքստերը վերականգնելու համար: Սակայն պատմաբանի կատարողականը աճում է մինչև 72% Ithaca-ի օգտագործման ժամանակ՝ գերազանցելով մոդելի կատարողականը և ցույց տալով մարդ-մեքենա համագործակցության ներուժը։
«Ithaca-ն առաջարկում է մեկնաբանելի արդյունքներ՝ ցույց տալով մարդկային փորձագետների և մեքենայական ուսուցման միջև համագործակցության աճող կարևորությունը և ցույց է տալիս, թե ինչպես է մարդկային փորձագետների համադրումը խորը ուսուցման ճարտարապետությունների հետ՝ համատեղ առաջադրանքները լուծելու համար, կարող է գերազանցել և՛ մարդկանց, և՛ մարդկանց անհատական (անօգնական) կատարումը: մոդելավորել նույն առաջադրանքների վրա»,- ասել է Սոմերշիլդը Lifewire-ին:
Օրինակ, պատմաբանները ներկայումս համաձայն չեն Աթենքի մի շարք կարևոր հրամանագրերի ամսաթվի հետ, որոնք ընդունվել են այն ժամանակ, երբ ապրում էին այնպիսի նշանավոր գործիչներ, ինչպիսիք են Սոկրատեսը և Պերիկլեսը, գրել է Սոմերշիլդը բլոգի գրառման մեջ: Երկար ժամանակ ենթադրվում էր, որ հրամանագրերը գրվել են մ.թ.ա. 446/445-ից առաջ, թեև նոր ապացույցները վկայում են մ.թ.ա. 420-ական թվականների մասին։ «Չնայած դա կարող է թվալ փոքր տարբերություն, այս հրամանագրերը հիմնարար են դասական Աթենքի քաղաքական պատմության մեր ըմբռնման համար», - գրել է նա
Իթաքային ամենամոտ աշխատանքը նախկին մեքենայական ուսուցման գործիքն է, որը կոչվում է Pythia, որը Sommerschield-ը և նրա գործընկերները թողարկել են 2019 թվականին: Pythia-ն առաջին հնագույն տեքստի վերականգնման մոդելն էր, որն օգտագործեց խորը նյարդային ցանցեր:
«Այսօր Իթական առաջին մոդելն է, որը համակողմանիորեն լուծում է էպիգրաֆի աշխատանքի երեք հիմնական խնդիրները», - ասաց Սոմերշիլդը էլեկտրոնային նամակում: «Այն ոչ միայն առաջ է մղում Pythia-ի կողմից ստեղծված նախկին արդիականությունը, այլ նաև օգտագործում է խորը ուսուցում աշխարհագրական և ժամանակագրական վերագրման համար առաջին անգամ և աննախադեպ մասշտաբով:«
AI՝ օգնելու պատմաբաններին
AI-ն օգտակար է բաց թողնված տվյալները լրացնելու համար, ինչպիսիք են տեքստի գտնվելու վայրը և ամսաթիվը, քանի որ այն լավ է սովորում շատ բարդ օրինաչափություններ՝ վերլուծելով տվյալները, Lifewire-ին էլփոստով հայտնել է Singulos Research AI ընկերության գործադիր տնօրեն Բրեդ Քուինթոնը:
«Օգտագործելով մեքենայական ուսուցման տեխնիկան, AI-ն կարող է մեծ թվով «հայտնի լավ» օրինակներ փնտրել՝ օրինակ՝ տվյալ տեքստի և դրա ստեղծման ամսաթվի և գտնվելու վայրի միջև օրինաչափություններ գտնելու համար», - ավելացրեց Քվինթոնը: «Հաճախ այս օրինաչափությունները այնքան բարդ են, որ ակնհայտ չեն լինի մարդկային փորձագետի համար»:
Բացակայող տվյալների կանխատեսումը սովորական խնդիր է մեքենայական ուսուցման վրա հիմնված AI-ի համար: Օրինակ, OpenAI-ի GPT-3-ը կարող է կանխատեսել նախադասության մեջ բացակայող բառերը կամ նույնիսկ պարբերության մեջ բացակայող նախադասությունները: Եվ AI-ի վրա հիմնված պատկերների մշակման բազմաթիվ համակարգեր օգտագործվել են տեսանյութն ու պատկերները վերականգնելու համար՝ խելամտորեն կանխատեսելով, թե ինչ է կորել բնօրինակից:
«Հայեցակարգային առումով հետազոտողները կարող են օգտագործել նմանատիպ մեթոդներ՝ որոշելու արվեստի կամ գործիքների կամ այլ պատմական արհեստագործական արտեֆակտների ամսաթիվն ու ծագումը, որտեղ ժամանակի ընթացքում և ըստ գտնվելու վայրի հիմքում ընկած ոճի և տեխնիկայի փոփոխության ակնկալիք կա։ ծագում », - ասաց Քուինթոնը:
