Belangrijkste afhaalrestaurants
- Een nieuwe AI-aangedreven tool kan historici helpen oude teksten te ontcijferen.
- Ithaca is het eerste diepe neurale netwerk dat de ontbrekende tekst van beschadigde inscripties kan herstellen, hun oorspronkelijke locatie kan identificeren en kan helpen bij het vaststellen van de datum waarop ze zijn gemaakt.
- AI is handig voor het invullen van ontbrekende gegevens, zoals de locatie en datum van tekst, omdat het goed is in het leren van zeer complexe patronen door gegevens te analyseren.
Recente ontwikkelingen op het gebied van kunstmatige intelligentie (AI) stimuleren pogingen om het verleden te begrijpen.
Ithaca, een machine learning-model gebouwd door AI-onderzoekers van DeepMind, kan ontbrekende woorden en de locatie en datum van geschreven taal raden, volgens een nieuw artikel. De inspanning zou historici kunnen helpen oude manuscripten te ontcijferen.
"Ithaca is een diep neuraal netwerk en als zodanig is het ongelooflijk in staat om verborgen patronen in enorme hoeveelheden gegevens te vinden", vertelde historicus Thea Sommerschield, co-auteur van het recente artikel, aan Lifewire in een e-mail interview. "Dergelijke patronen kunnen tekstueel zijn (grammaticaal, syntactisch of gekoppeld aan een herhaalde 'formule' in veel teksten) of contextueel (bepaalde woorden die consistent voorkomen in bepaalde genres van teksten: bijvoorbeeld een politiek decreet van klassiek Athene waarin de woorden 'alliantie, raad, vergadering…').”
Het verleden onthullen
Ithaca is het eerste diepe neurale netwerk dat de ontbrekende tekst van beschadigde inscripties kan herstellen, hun oorspronkelijke locatie kan identificeren en kan helpen de datum vast te stellen waarop ze zijn gemaakt, zei Sommerschield.
Ithaca is vernoemd naar het Griekse eiland in de Odyssee van Homerus. De onderzoekers ontdekten dat Ithaca 62% nauwkeurigheid beha alt bij het herstellen van beschadigde teksten, 71% nauwkeurigheid bij het identificeren van hun oorspronkelijke locatie en teksten kan dateren tot binnen 30 jaar na hun oorspronkelijke datum.
De visualisatiehulpmiddelen van Ithaca zijn bedoeld om het voor onderzoekers gemakkelijker te maken om resultaten te interpreteren. De auteurs van het artikel schreven dat historici 25% nauwkeurigheid bereikten wanneer ze alleen werkten om oude teksten te herstellen. Maar de prestaties van de historicus nemen toe tot 72% bij gebruik van Ithaca, wat de prestaties van het model overtreft en het potentieel voor samenwerking tussen mens en machine laat zien.
“Ithaca biedt interpreteerbare resultaten, die het toenemende belang van samenwerking tussen menselijke experts en machine learning demonstreren, en laat zien hoe het matchen van menselijke experts met deep learning-architecturen om taken gezamenlijk aan te pakken de individuele (zelfstandige) prestaties van zowel mensen als model op dezelfde taken, vertelde Sommerschield aan Lifewire.
Historici zijn het momenteel bijvoorbeeld oneens over de datum van een reeks belangrijke Atheense decreten die zijn uitgevaardigd in een tijd waarin opmerkelijke figuren als Socrates en Pericles leefden, schreef Sommerschield in een blogpost. Lang werd gedacht dat de decreten vóór 446/445 vGT werden geschreven, hoewel nieuw bewijs een datum suggereert van de 420s BCE. "Hoewel het misschien een klein verschil lijkt, zijn deze decreten fundamenteel voor ons begrip van de politieke geschiedenis van het klassieke Athene", schreef ze
Het dichtst bij Ithaca komt een eerdere machine learning-tool genaamd Pythia, die Sommerschield en haar medewerkers in 2019 uitbrachten. Pythia was het eerste oude tekstherstelmodel dat gebruikmaakte van diepe neurale netwerken.
"Tegenwoordig is Ithaca het eerste model dat de drie centrale taken in de workflow van de epigraaf holistisch aanpakt", zei Sommerschield in een e-mail. “Niet alleen verbetert het de eerdere state-of-the-art set van Pythia, maar het maakt ook voor de allereerste keer en op een ongekende schaal gebruik van deep learning voor geografische en chronologische attributie.”
AI om historici te helpen
AI is handig voor het invullen van ontbrekende gegevens, zoals de locatie en datum van tekst, omdat het goed is in het leren van zeer complexe patronen door gegevens te analyseren, vertelde Brad Quinton, de CEO van het AI-bedrijf Singulos Research, aan Lifewire via e-mail.
"Met behulp van machine learning-technieken kan AI een groot aantal "bekende goede" voorbeelden doorzoeken om patronen te vinden tussen bijvoorbeeld een bepaalde tekst en de datum en locatie van creatie, "voegde Quinton eraan toe. "Vaak zijn deze patronen zo complex dat ze voor een menselijke expert niet duidelijk zouden zijn."
Het voorspellen van ontbrekende gegevens is een veelvoorkomende taak voor op machine learning gebaseerde AI. GPT-3 van OpenAI kan bijvoorbeeld ontbrekende woorden in een zin of zelfs ontbrekende zinnen in een alinea voorspellen. En veel op AI gebaseerde beeldverwerkingssystemen zijn gebruikt om video en afbeeldingen te herstellen door intelligent te voorspellen wat er verloren is gegaan van het origineel.
“Conceptueel zouden onderzoekers vergelijkbare technieken kunnen gebruiken om de datum en oorsprong van kunst of gereedschappen, of andere historische door de mens gemaakte artefacten te bepalen, waarbij er een verwachting is van verandering in de onderliggende stijl en techniek in de loop van de tijd en per locatie van oorsprong,” zei Quinton.
