Njia Muhimu za Kuchukua
- Zana mpya inayoendeshwa na AI inaweza kuwasaidia wanahistoria kubainisha maandishi ya kale.
- Ithaca ndio mtandao wa kwanza wa kina wa neva unaoweza kurejesha maandishi yaliyokosekana ya maandishi yaliyoharibiwa, kutambua eneo yalipo asili, na kusaidia kubainisha tarehe ambayo yaliundwa.
- AI ni muhimu kwa kujaza data inayokosekana kama vile eneo na tarehe ya maandishi kwa sababu ni mzuri katika kujifunza ruwaza changamano kwa kuchanganua data.
Maendeleo ya hivi majuzi katika akili bandia (AI) yanaimarisha juhudi za kuelewa yaliyopita.
Ithaca, modeli ya kujifunza kwa mashine iliyoundwa na watafiti wa AI katika DeepMind, inaweza kukisia maneno yanayokosekana na mahali na tarehe ya lugha iliyoandikwa, kulingana na karatasi mpya. Juhudi hizo zinaweza kuwasaidia wanahistoria kubainisha maandishi ya kale.
“Ithaca ni mtandao wa kina wa neva, na kwa hivyo, ina uwezo wa ajabu wa kupata mifumo iliyofichwa katika idadi kubwa ya data,'' mwanahistoria Thea Sommerschield, mwandishi mwenza wa jarida la hivi majuzi, aliiambia Lifewire katika barua pepe. mahojiano. Mifumo kama hiyo inaweza kuwa ya kimaandishi (kisarufi, kisintaksia, au kuunganishwa na 'formula' inayorudiwa katika maandishi mengi) au ya muktadha (maneno fulani yanaonekana kwa uthabiti katika aina fulani za matini: k.m., amri ya kisiasa kutoka Athens ya Kawaida inayotaja maneno 'muungano, baraza, baraza…').”
Kufichua Yaliyopita
Ithaca ndio mtandao wa kwanza wa kina wa neva unaoweza kurejesha maandishi yaliyokosekana ya maandishi yaliyoharibiwa, kutambua eneo yalipo asili, na kusaidia kubainisha tarehe ambayo yaliundwa, Sommerschield alisema.
Ithaca imepewa jina la kisiwa cha Ugiriki huko Homer's Odyssey. Watafiti waligundua kuwa Ithaca inafanikisha usahihi wa 62% katika kurejesha maandishi yaliyoharibiwa, usahihi wa 71% katika kutambua mahali yalipo asili na inaweza kuweka maandishi katika kipindi cha miaka 30 baada ya tarehe ya asili.
Vielelezo vya usaidizi vya Ithaca vinakusudiwa kurahisisha watafiti kutafsiri matokeo. Waandishi wa karatasi hiyo waliandika kwamba wanahistoria walipata usahihi wa 25% wakati wa kufanya kazi peke yao kurejesha maandiko ya kale. Lakini, utendakazi wa mwanahistoria huongezeka hadi 72% anapotumia Ithaca, na kupita utendakazi wa kielelezo na kuonyesha uwezekano wa ushirikiano wa mashine za binadamu.
“Ithaca inatoa matokeo yanayoweza kufasirika, inayoonyesha kuongezeka kwa umuhimu wa ushirikiano kati ya wataalamu wa binadamu na kujifunza kwa mashine, na inaonyesha jinsi kulinganisha wataalam wa kibinadamu na usanifu wa kina wa kujifunza ili kushughulikia kazi kwa ushirikiano kunaweza kushinda utendakazi wa kibinafsi (bila kusaidiwa) wa wanadamu na mfano wa kazi zile zile, Sommerschield aliiambia Lifewire.
Kwa mfano, wanahistoria kwa sasa hawakubaliani juu ya tarehe ya mfululizo wa amri muhimu za Waathene zilizotolewa wakati ambapo watu mashuhuri kama Socrates na Pericles waliishi, Sommerschield aliandika katika chapisho la blogu. Amri hizo zimefikiriwa kwa muda mrefu kuwa ziliandikwa kabla ya 446/445 KK, ingawa ushahidi mpya unapendekeza tarehe ya miaka ya 420 KK. "Ingawa inaweza kuonekana kama tofauti ndogo, amri hizi ni za msingi kwa uelewa wetu wa historia ya kisiasa ya Athene ya Zamani," aliandika
Kazi iliyo karibu zaidi na Ithaca ni zana ya awali ya kujifunza mashine iitwayo Pythia ambayo Sommerschield na washirika wake walitoa mwaka wa 2019. Pythia ilikuwa muundo wa kwanza wa zamani wa kurejesha maandishi kutumia mitandao ya kina ya neva.
“Leo, Ithaca ndiye kielelezo cha kwanza kushughulikia kazi tatu kuu katika utendakazi wa mpiga picha kwa ujumla,” Sommerschield alisema katika barua pepe. Siyo tu kwamba inaendeleza hali ya hali ya juu iliyowekwa na Pythia, lakini pia hutumia ujifunzaji wa kina kwa maelezo ya kijiografia na mpangilio kwa mara ya kwanza na kwa kiwango ambacho hakijawahi kutokea.”
AI kusaidia Wanahistoria
AI ni muhimu kwa kujaza data inayokosekana kama vile mahali na tarehe ya maandishi kwa sababu ni nzuri katika kujifunza ruwaza changamano kwa kuchanganua data, Brad Quinton, Mkurugenzi Mtendaji wa kampuni ya AI ya Singulos Research, aliiambia Lifewire kupitia barua pepe.
“Kwa kutumia mbinu za mashine za kujifunza, AI inaweza kuangalia idadi kubwa ya mifano “mizuri inayojulikana” ili kupata ruwaza kati ya, kwa mfano, maandishi fulani na tarehe na eneo lilipoundwa,” Quinton aliongeza. "Mara nyingi, mifumo hii ni ngumu sana hivi kwamba haiwezi kuonekana wazi kwa mtaalamu wa kibinadamu."
Kutabiri data inayokosekana ni kazi ya kawaida kwa AI inayotegemea mashine kujifunza. Kwa mfano, GPT-3 kutoka OpenAI inaweza kutabiri maneno yanayokosekana katika sentensi au hata sentensi zinazokosekana katika aya. Na mifumo mingi ya usindikaji wa picha inayotokana na AI imetumiwa kurejesha video na picha kwa kutabiri kwa akili kile kilichopotea kutoka kwa asili.
“Kidhana, watafiti wanaweza kutumia mbinu zinazofanana kubainisha tarehe na asili ya sanaa au zana, au vizalia vingine vya kihistoria vilivyoundwa na binadamu ambapo kuna matarajio ya mabadiliko katika mtindo na mbinu ya msingi baada ya muda na kwa eneo la asili,” Quinton alisema.
