인공지능(AI)이 고대 역사 보물의 재발견을 가능하게 할 때. 이스라엘 연구자들은 딥 러닝 모델을 사용하여 점토판에 표시된 바빌로니아 문자를 하나로 모을 수 있었습니다.
이제 인공 지능의 한 분야인 '딥 러닝' 덕분에 점토판에 쓰여진 읽을 수 없는 글을 재구성하는 것이 가능해졌습니다.
메소포타미아에서는 수십만 개의 점토판이 발견되었습니다. 이것은 그들이 새겨진 텍스트를 우리가 접근할 수 있다는 것을 의미하지 않습니다. 비문의 대부분은 수세기에 걸쳐 손상되어 오늘날까지 읽을 수 없는 상태로 남아 있습니다. 1 st 에 발표된 연구에서 2020년 9월 PNAS에서 AI 및 고고학 전문 과학자들이 아케메네스 제국(기원전 539년~331년)의 바빌로니아 문명 기간 동안 아카드 설형 문자로 작성된 행정 문서를 어떻게 발굴했는지 설명합니다.
점점 재발견되는 과거
읽을 수 없는 단어의 식별은 인공 지능, 특히 반복 인공 신경망(RNN)을 통해 인공 지능의 형태 중 하나인 딥 러닝(아래 참조)을 통해 가능해졌습니다. 이 모델은 이미 텍스트 자동 번역에서 테스트되었습니다. 텍스트 모음의 문장을 연구하여 그 미묘함을 해독하는 방식으로 진행됩니다. 반복을 통해 네트워크는 원본 글에서 누락된 단어를 추측하기 위해 이 말뭉치의 구조와 의미에 대한 이해를 개선할 것입니다.
"딥 러닝" 또는 "딥 러닝"은 인공 지능에서 파생된 프로세스로, 인간 두뇌의 뉴런처럼 이미 접한 모양과 물체로부터 학습하여 소프트웨어를 작동시키는 과정을 포함합니다.
행정 텍스트의 선택은 우연이 아닙니다. 이러한 문서는 엄격하고 유사한 구조를 갖고 있어 딥 러닝 모델로 더 쉽게 구문 분석할 수 있습니다. 따라서 1,400개의 "음역된" 텍스트로 구성된 코퍼스, 즉 설형 문자의 원본 버전에서 라틴어 문자로 번역된 버전으로 바뀐 코퍼스를 딥 러닝 모델로 분석했습니다.
연구 기간 동안 이 모델은 과학자들이 태블릿의 텍스트에서 가져온 52개의 객관식 질문에 대해 테스트되었습니다. 매번 AI의 목표는 4가지 선택지 중 52개 문장 중 빠진 단어를 찾는 것이었다. 그는 88.5%의 확률로 올바른 선택을 했습니다. 연구자들은 "모델이 예상대로 문장 구조를 잘 인식했다"고 생각합니다 . 더 놀라운 것은 "문장의 의미를 감지하는 데"이기도 했습니다. , 연구에서 읽어도 될까요?
시간 절약
딥 러닝 모델은 현재 라틴어 스크립트에서는 잘 작동하지만 아랍어와 같이 더 복잡한 형식의 스크립트나 Akkadian과 같이 사용 가능한 디지털 기록이 거의 없는 스크립트의 경우에는 그렇지 않습니다. 연구자들은 풍부한 데이터베이스를 통해 미래에 과학이나 문학 등 더욱 복잡한 문학 장르의 텍스트를 완성할 수 있을 것입니다.
RNN은 아케메네스 제국의 역사가, 연구자 또는 학생의 작업을 촉진할 수 있습니다. 이것이 저자가 자신의 모델을 Atrahasis에 통합하여 스스로 설정한 목표입니다. , 훼손된 설형 문자 텍스트를 복원하는 데 유용한 디지털 도구입니다.
