Naučnici koriste veštačku inteligenciju da prevedu drevne tekstove ispisane klinastim pismom

Naučnici Univerziteta u Tel Avivu i Arijel univerziteta u Izraelu koristili su veštačku inteligenciju da prevedu fragmente drevnih natpisa sa klinastog pisma na engleski i to sa, kako kažu, visokim stepenom tačnosti.

Oni su projekat nazvali "još jednim velikim korakom ka očuvanju i širenju kulturnog nasleđa drevne Mesopotamije".

Istraživači su predstavili prve prevode sa akadskog na engleski u majskom izdanju naučnog časopisa "PNAS Nexus". Rezultati su "ekvivalentni onima koje dobijamo u prosečnim prevodima uz pomoć veštačke inteligencije s jednog modernog jezika na drugi". 

U poslednjih 200 godina, arheolozi su pronašli na stotine hiljada tekstova koji svedoče o istoriji drevne Mesopotamije, a najveći broj njih napisan je na sumerskom ili akadskom, objašnjavaju autori. Mešutim, većina njih nije prevedena, jer njihova količina daleko prevazilazi broj stručnjaka koji umeju da ih tumače, ali i zbog toga što su tekstovi opstali samo u fragmentima.

"Pre svega, moram da naglasim da verujemo da veštačka inteligencija neće zameniti filologe", rekao je Luiz Saenz iz Digital Pasts laboratorije Arijel univerziteta, koji je učestvovao u istraživanju.

"Želimo samo da ubrzamo proces. Naša nada je da će veštačka inteligencija na kraju moći da pomogne i asirolozima i neasirolozima da u budućnosti čitaju tekstove na klinastom pismu", rekao je istraživač za Artnet News.

To je samo jedan od primera upotrebe novih alata u radu sa starim tekstovima. Istraživači Univerziteta u Kentakiju razvili su AI sistem za čitanje svitaka koji su bili oštećeni u erupciji Vezuva 79. godine, dok arheolozi u Italiji rade na robotima koji uz pomoć veštačke inteligencije rekonstruišu drevne relikvije koje su nađene u fragmentima. 

"Postoje, naravno, ograničenja ovog modela. Nedostatak konteksta otežava prevod, jer imamo samo delove teksta. Prevod samo jednog ili dva reda teksta je za AI težak zadatak. U budućnosti će nam biti potrebno više alata da digitalizujemo podatke objavljene u naučnim radovima, kako bismo obučili modele i popravili rezultate. Takođe, važno je napraviti i platformu za širu javnost koja je laka za upotrebu", ocenio je Saenz.