Dyb læring oplyser forskere, der undrer sig over gamle tekster

Dyb læring kan hjælpe forskere med at gendanne oldgræske tekster. Specifikt, forskere ved University of Oxford (Thea Sommerschield og professor Jonathan Prag) og DeepMind (Yannis Assael) byggede Pythia, træning af et neuralt netværk til at gætte manglende ord eller tegn fra græske inskriptioner.

Disse var på overflader inklusive sten, keramik og metal. De var mellem 1500 og 2600 år gamle. Ny videnskabsmand rapporterede, at AI slog mennesker ved at dechifrere beskadigede tabletter.

"I en head-to-head test, hvor AI forsøgte at udfylde hullerne i 2949 beskadigede inskriptioner, menneskelige eksperter lavede 30 procent flere fejl end AI. Mens eksperterne tog 2 timer at komme igennem 50 inskriptioner, Pythia gav sine gæt for hele kohorten på få sekunder."

Til at begynde med, forfatterne vidste, at gendannelse af tekst var en tidskrævende opgave - selv for ekspert epigrafister. De satte sig for at vurdere sværhedsgraden af ​​den aktuelle restaureringsopgave – og derved bedømme virkningen af ​​vores arbejde – ved hjælp af to ph.d.-studerende med epigrafisk ekspertise. De lærde fik lov til at bruge træningssættet til at søge efter "paralleller".
.

Gege Li skrev fredag ​​i Ny videnskabsmand . AI ser ud til at være bedre end mennesker til at udfylde manglende ord, men dette er ingen hold A versus hold B konkurrence. Hellere, AI-teknikken, sagde Li, "kan være mest nyttig som et samarbejdsværktøj, hvor forskere bruger det til at indsnævre mulighederne."

Mange gamle inskriptioner er blevet eroderet eller beskadiget gennem århundreder. Forfatterne sagde, at "Kun et lille mindretal af de overlevende inskriptioner er fuldt læselige og fuldstændige."

Med dele af tekst tabt, hvordan kan man forsøge at udfylde de manglende ord? Som Li sagde, det ville betyde at se på resten af ​​inskriptionen og se på andre lignende tekster.

Overveje Ny videnskabsmand 's rapport om, hvad AI, døbt Pythia, var i stand til at gøre:(1) Pythia lærte at genkende mønstre i 35, 000 relikvier, med over 3 millioner ord. (2) Mønstre, den opfanger, inkluderer den kontekst, hvori forskellige ord optræder, grammatikken, og også formen og layoutet af inskriptioner.

Præstationen afspejles i titlen på deres papir, som nu er på arXiv:"Gendannelse af gammel tekst ved hjælp af dyb læring:et casestudie om græsk epigrafi."

For at hjælpe epigrafisten, Pythia giver ikke kun den lærde en enkelt forudsigelse. Hellere, det returnerer flere forudsigelser såvel som tillidsniveauet for hvert resultat.

"Specielt, vi leverer et sæt af de 20 bedste forudsigelser afkodet ved hjælp af strålesøgning." Med 20 forslag til at udfylde hullet, det er op til personen at vælge den bedste. "Det handler om, hvordan vi kan hjælpe eksperterne, sagde Assael. For at være sikker, deres holdning er, at Pythia kan fungere som en hjælpemetode i digital epigrafi.

Encylopaedia Brittanica:Epigrafi er "studiet af skriftligt materiale optaget på hårdt eller holdbart materiale. Forfatterne gav på samme måde en definition. De udtalte, at "Epigrafi er studiet af dokumenter, 'indskrifter', skrevet på en holdbar overflade (sten, keramisk, metal) af enkeltpersoner, grupper og institutioner fra fortiden."

Holdet talte om Pythias fremtidige potentiale, og de påpegede, at det er kombinationen af ​​maskinlæring og epigrafi, der har potentialet til at påvirke studiet af indskrevne tekstkulturer meningsfuldt.

"Ved open-source PYTHIA, og PHI-ML's behandlingspipeline, vi håber at hjælpe fremtidig forskning og inspirere til yderligere tværfagligt arbejde."

Hvorfor deres forskning betyder noget:Pythia, de skrev, er "den første antikke tekstgendannelsesmodel, der genopretter manglende tegn fra en beskadiget tekstinput ved hjælp af dybe neurale netværk." Forfatterne mener, at Pythia "sætter state-of-the-art inden for gammel tekstgendannelse."

Fakultet for klassikere ved University of Oxfords websted kommenterede på samme måde Pythias styrker. "Arkitekturen fungerer på både karakter- og ordniveau, derved effektivt håndtere langsigtet kontekstinformation, og effektiv håndtering af ufuldstændige ordrepræsentationer. Dette gør det anvendeligt for alle discipliner, der beskæftiger sig med antikke tekster (filologi, papyrologi, kodikologi) og gælder for ethvert sprog (gamle eller moderne)."

Fakultet for Klassikere ved University of Oxford sagde, at en online Python-notesbog, Pythia, og PHI-ML's behandlingspipeline er blevet åbnet på GitHub.

Med oprindelse i London i 2010, DeepMind, i mellemtiden, er i frontlinjen af ​​kunstig intelligens forskning.

© 2019 Science X Network