“آژنگ نیوز”:آینیاس، دوران جدیدی را در رابطه بین هوش مصنوعی و تحقیقات تاریخی آغاز میکند.  گوگل دیپ‌مایند در جهشی قابل توجه برای علوم انسانی دیجیتال، از آینیاس، یک مدل هوش مصنوعی پیشرفته که برای تجزیه و تحلیل، بازیابی، زمینه‌سازی و اتصال هزاران کتیبه باستانی لاتین آموزش دیده است، رونمایی کرده است.آینیاس که به نام قهرمان اسطوره‌ای تروجان که سفرش پایه‌های افسانه‌ای روم را بنا نهاد، نامگذاری شده است، دوران جدیدی را در رابطه بین هوش مصنوعی و تحقیقات تاریخی رقم می‌زند.

رویکردی جدید به کتیبه‌ها در حالی که مدل‌های قبلی مانند پیتیا یا ایتاکا عمدتاً بر بازسازی متون آسیب‌دیده متمرکز بودند، آینیاس روشی جامع‌تر را معرفی می‌کند.این مدل نه تنها به عنوان یک مرمت‌گر، بلکه به عنوان یک مفسر زمینه‌نگر عمل می‌کند و قادر به پیشنهاد تشابهات، تخمین گاهشماری و جغرافیا و شناسایی الگوهای تکرارشونده در میان مجموعه‌های بزرگی از مواد کتیبه‌نگاری است.

آییناس - پایگاه اطلاع رسانی آژنگ

این مدل که بر روی مجموعه داده‌هایی شامل بیش از ۱۷۴۰۰۰ کتیبه لاتین آموزش دیده است، می‌تواند شواهد تکه‌تکه را تفسیر کند، بازسازی‌های قابل قبولی از بخش‌های گمشده ارائه دهد و متون از نظر معنایی مشابه را بازگرداند – حتی زمانی که واژگان صریحی را به اشتراک نگذارند.این امر مسیرهای جدیدی را برای درک کتیبه‌ها نه به عنوان یافته‌های مجزا، بلکه به عنوان بخشی از یک چشم‌انداز وسیع‌تر بینامتنی و تاریخی باز می‌کند. قابلیت‌ها و عملکرد چندوجهی یکی از نوآورانه‌ترین ویژگی‌هایآینیاس، معماری چندوجهی آن است.

برخلاف مدل‌های زبانی سنتی، این مدل می‌تواند نه تنها رونوشت‌های متنی، بلکه تصاویر خود سنگ‌های کتیبه‌دار را نیز تجزیه و تحلیل کند.با گنجاندن نشانه‌های بصری – مانند طرح‌بندی، جنس و سبک حکاکی – به سطوح بالایی از دقت در تاریخ‌گذاری و انتساب منطقه‌ای دست می‌یابد. دقت تاریخ‌گذاری: این مدل می‌تواند سن کتیبه‌ها را با اختلاف ±۱۳ سال تخمین بزند، که به طور قابل توجهی از متخصصانی که به طور متوسط ​​±۳۱ سال سن دارند، پیشی می‌گیرد.

انتساب جغرافیایی: این مدل، استان مبدأ یک کتیبه را از میان ۶۲ استان رومی به طور دقیق شناسایی می‌کند و با استفاده از متن و تصویر به دقت ۷۲٪ دست می‌یابد. عملکرد مرمت: آئنیاس در بازسازی بخش‌های گمشده با طول دلخواه، ۷۳٪ دقت در بین ۲۰ مورد برتر را نشان می‌دهد – شاهکاری قابل توجه در مدیریت لاتین‌های تکه‌تکه. اتصال گذشته: تابع توازی‌ها شاید دگرگون‌کننده‌ترین عملکرد، توانایی آئنیاس در پیشنهاد توازی‌های مرتبط باشد.وقتی یک کتیبه تکه‌تکه یا کامل به او داده می‌شود، فهرستی رتبه‌بندی‌شده از کتیبه‌های دیگر را که ویژگی‌های ساختاری، موضوعی یا فرمولی مشترک دارند، برمی‌گرداند

.این قابلیت، فرآیند تفسیری کتیبه‌نویسان متخصص را تقلید می‌کند که سال‌ها در معرض فرمول‌ها، آداب و رسوم استانی و الگوهای زبانی قرار می‌گیرند تا یافته‌های فردی را در متن قرار دهند. در آزمایش عملی، ۲۳ مورخ حرفه‌ای بادیپ مایندهمکاری کردند تا پیشنهادهای تفسیری مدل را ارزیابی کنند.استفاده از توازی‌های مبتنی بر هوش مصنوعی منجر به افزایش ۴۴ درصدی اطمینان در طول ارزیابی‌های علمی شد و در بیش از ۹۰٪ موارد مفید ارزیابی شد. پیامدهایی برای پژوهش و روش‌شناسی ظهورآینیاس مرزهای دیرینه بین پردازش ماشینی و تفسیر تاریخی را به چالش می‌کشد.این مدل به جای جایگزینی تخصص، به عنوان یک ابزار شناختی تقویت‌شده عمل می‌کند و مقایسه‌های سریع و پیشنهادهای استنباطی را ارائه می‌دهد که با روش‌های مرسوم هفته‌ها یا ماه‌ها طول می‌کشد. توانایی آن در شناسایی ارتباطات بین کتیبه‌ها – که مناطق، دوره‌های زمانی و قالب‌های متنوعی را در بر می‌گیرند – انواع جدیدی از ترکیب تاریخ‌نگاری را ممکن می‌سازد.

به عنوان مثال: اکنون می‌توان قطعه‌ای از ژرمانیا را در کنار یک فرمان اداری از سوریه بر اساس فرمول‌های مشترک تفسیر کرد و بر مشترکات بوروکراتیک پیرامون‌های امپراتوری نور تاباند. هنگامی که تشابهات زمینه‌ای و سبک بصری در سراسر پایگاه داده همسو باشند، می‌توان با اطمینان بیشتری عدم قطعیت‌های تاریخ‌گذاری را کاهش داد. با این حال، این قدرت احتیاط را می‌طلبد.مرجع تفسیر باید نزد محققی باقی بماند که ویژگی‌های خاص محلی، قراردادهای کتیبه‌نگاری و ظرافت‌های تاریخی را درک می‌کند.مدل‌های هوش مصنوعی پیشنهادهایی ارائه می‌دهند، نه نتیجه‌گیری‌هایی – و نتایج آنها همیشه باید با زمینه مادی و نقد تخصصی تلفیق شود.

دسترسی آزاد و افق‌های آینده دیپ‌مایند، آینیاس را از طریق وب‌سایت تعاملیpredictionthepast.com، با مجموعه داده‌ها و کدهایی که به صورت آزاد در دسترس هستند، در دسترس قرار داده است.این امر دسترسی به ابزارهای محاسباتی سطح بالا را دموکراتیک می‌کند و به محققان، دانشجویان و مؤسسات میراث فرهنگی اجازه می‌دهد تا هوش مصنوعی را در محیط‌های تحقیق و آموزش ادغام کنند. در حالی که آینیاس در حال حاضر بر لاتین تمرکز دارد، معماری آن زمینه را برای گسترش به سایر زبان‌های باستانی – به ویژه یونانی، که در آن مجموعه‌های وسیعی از کتیبه‌ها در انتظار برخورد مشابه هستند – فراهم می‌کند.گسترش آن به زبان‌های قبطی، دموتیک، آرامی یا حتی خط میخی، اهمیت آن را در مطالعات مدیترانه‌ای و خاور نزدیک بیشتر تقویت می‌کند. آینیاس صرفاً یک کار علمی را خودکار نمی‌کند؛بلکه نحوه درک آن کار را تغییر شکل می‌دهد.این نگاهی اجمالی به آینده‌ای ارائه می‌دهد که در آن تحقیقات انسان‌گرایانه و یادگیری ماشینی مورد استفاده قرار می‌گیرد.

گروه گزارش

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *