Diepgaand leren kan geleerden helpen bij het herstellen van oude Griekse teksten. specifiek, onderzoekers van de Universiteit van Oxford (Thea Sommerschield en professor Jonathan Prag) en DeepMind (Yannis Assael) bouwden Pythia, een neuraal netwerk trainen om ontbrekende woorden of tekens uit Griekse inscripties te raden.

Deze waren op oppervlakken zoals steen, keramiek en metaal. Ze waren tussen de 1500 en 2600 jaar oud. nieuwe wetenschapper meldde dat AI mensen versloeg bij het ontcijferen van beschadigde tablets.

"Bij een onderlinge test waar de AI probeerde de gaten te vullen in 2949 beschadigde inscripties, menselijke experts maakten 30 procent meer fouten dan de AI. Terwijl de experts er 2 uur over deden om door 50 inscripties te komen, Pythia gaf zijn gissingen voor het hele cohort in seconden."

Beginnen, de auteurs wisten dat het herstellen van tekst een tijdrovende taak was, zelfs voor deskundige epigrafisten. Ze wilden de moeilijkheid van de restauratietaak evalueren - en daarmee de impact van ons werk beoordelen - met de hulp van twee doctoraatsstudenten met epigrafische expertise. De geleerden mochten de trainingsset gebruiken om naar 'parallellen' te zoeken.
.

Gege Li schreef op vrijdag in nieuwe wetenschapper . De AI lijkt beter dan mensen in het invullen van ontbrekende woorden, maar dit is geen wedstrijd tussen team A en team B. Liever, de AI-techniek, zei Li, "kan het nuttigst zijn als een hulpmiddel voor samenwerking, waar onderzoekers het gebruiken om de opties te beperken."

Veel oude inscripties zijn door de eeuwen heen geërodeerd of beschadigd. De auteurs zeiden dat "Slechts een kleine minderheid van de overgebleven inscripties volledig leesbaar en compleet is."

Met tekstsegmenten verloren, hoe zou men kunnen proberen de lege plekken van ontbrekende woorden in te vullen? Zoals Li zei, het zou betekenen dat je naar de rest van de inscriptie moet kijken en naar andere soortgelijke teksten moet kijken.

Overwegen nieuwe wetenschapper 's rapport over wat de AI, genaamd Pythia, kon doen:(1) Pythia leerde patronen herkennen in 35, 000 relikwieën, met meer dan 3 miljoen woorden. (2) Patronen die het oppikt, omvatten de context waarin verschillende woorden voorkomen, de grammatica, en ook de vorm en lay-out van inscripties.

De prestatie wordt weerspiegeld in de titel van hun paper die nu op arXiv staat:"Oude tekst herstellen met behulp van diep leren:een case study over Griekse epigrafie."

Om de epigraphist te helpen, Pythia geeft de geleerde niet zomaar een enkele voorspelling. Liever, het geeft meerdere voorspellingen terug, evenals het betrouwbaarheidsniveau voor elk resultaat.

"Specifiek, we bieden een set van de Top 20-voorspellingen die zijn gedecodeerd met behulp van beam search." Met 20 suggesties om de leemte op te vullen, het is aan de persoon om de beste te selecteren. "Het gaat erom hoe we de experts kunnen helpen, "zei Assael. Om zeker te zijn, hun standpunt is dat Pythia kan dienen als een ondersteunende methode bij digitale epigrafie.

Encyclopaedia Brittanica:Epigrafie is "de studie van geschreven materiaal dat is vastgelegd op hard of duurzaam materiaal. De auteurs hebben op dezelfde manier een definitie gegeven. Ze stelden dat "epigrafie de studie is van documenten, 'inscripties', geschreven op een duurzaam oppervlak (steen, keramiek, metaal) door particulieren, groepen en instellingen uit het verleden."

Het team sprak over het toekomstige potentieel van Pythia, en ze wezen erop dat het de combinatie van machine learning en epigrafie is die het potentieel heeft om een ​​zinvolle impact te hebben op de studie van ingeschreven tekstculturen.

"Door PYTHIA open te sourcen, en de verwerkingspijplijn van PHI-ML, we hopen toekomstig onderzoek te ondersteunen en verder interdisciplinair werk te inspireren."

Waarom hun onderzoek ertoe doet:Pythia, Zij schreven, is "het eerste oude tekstherstelmodel dat ontbrekende tekens herstelt van een beschadigde tekstinvoer met behulp van diepe neurale netwerken." De auteurs zijn van mening dat Pythia "de state-of-the-art in oude tekstrestauratie zet."

Faculteit der Klassieken op de site van de Universiteit van Oxford becommentarieerde op dezelfde manier de sterke punten van Pythia. "De architectuur werkt op zowel karakter- als woordniveau, daardoor effectief omgaan met contextinformatie op de lange termijn, en efficiënt omgaan met onvolledige woordrepresentaties. Dit maakt het toepasbaar op alle disciplines die te maken hebben met oude teksten (filologie, papylogie, codicologie) en is van toepassing op elke taal (oude of moderne)."

De Faculteit der Klassieken aan de Universiteit van Oxford zei dat een online Python-notebook, Pythia, en de verwerkingspijplijn van PHI-ML zijn open source op GitHub.

Met oorsprong in Londen in 2010, DeepMind, In de tussentijd, bevindt zich in de frontlinie van onderzoek naar kunstmatige intelligentie.

© 2019 Wetenschap X Netwerk