機(jī)器學(xué)習(xí)在提供各項(xiàng)新工具的同時(shí)，也可以幫助考古學(xué)家更好的了解過(guò)去，尤其是在破譯古代文字方面。Alphabet 子公司 DeepMind 近日創(chuàng)建了一項(xiàng)新的人工智能模型，它不僅可以幫助恢復(fù)古希臘銘文中缺失的文字，還可以為文字的寫(xiě)作時(shí)間（30年內(nèi)）和可能的地理來(lái)源提供建議。

在一次新聞發(fā)布會(huì)上，幫助創(chuàng)建該模型的歷史學(xué)家和機(jī)器學(xué)習(xí)專家 Thea Sommerschield 表示：“碑文真的很重要，因?yàn)樗鼈兪侵苯拥淖C據(jù)來(lái)源......由古代人自己直接寫(xiě)的。人類真的很難駕馭所有現(xiàn)有的相關(guān)數(shù)據(jù)”。

由于年代久遠(yuǎn)，這些文本往往被損壞，使修復(fù)工作成為一項(xiàng)有意義的挑戰(zhàn)。而且，由于它們經(jīng)常被刻在石頭或金屬等無(wú)機(jī)材料上，這意味著像放射性碳測(cè)年這樣的方法不能用來(lái)找出它們的寫(xiě)作時(shí)間。Sommerschield 說(shuō)：“為了解決這些困難，外文學(xué)家在類似的銘文中尋找文本和背景的相似之處。然而，人類真的很難駕馭所有現(xiàn)有的相關(guān)數(shù)據(jù)并發(fā)現(xiàn)潛在的模式”。

這款名為 Ithaca 的新軟件是在約 78,608 個(gè)古希臘銘文的數(shù)據(jù)集上訓(xùn)練出來(lái)的，每個(gè)銘文都標(biāo)有元數(shù)據(jù)，描述了它的寫(xiě)作地點(diǎn)和時(shí)間（根據(jù)歷史學(xué)家的知識(shí)）。像所有的機(jī)器學(xué)習(xí)系統(tǒng)一樣，Ithaca在這些信息中尋找模式，將這些信息編碼在復(fù)雜的數(shù)學(xué)模型中，并使用這些推斷來(lái)建議文本、日期和起源。

在《自然》雜志上發(fā)表的一篇描述 Ithaca 的論文中，創(chuàng)建該模型的科學(xué)家說(shuō)，在修復(fù)受損文本中的字母時(shí)，它的準(zhǔn)確率達(dá)到62%。它能以71%的準(zhǔn)確率將碑文的地理起源歸于古代世界的84個(gè)地區(qū)之一，并能將文本的日期確定在其已知寫(xiě)作年份的平均30年內(nèi)。

例如，DeepMind強(qiáng)調(diào)的測(cè)試顯示，該模型有助于將歷史學(xué)家恢復(fù)古代碑文中缺失文字的準(zhǔn)確性從25%提高到72%。但迪克指出，那些被測(cè)試的人是學(xué)生，而不是專業(yè)的書(shū)畫(huà)師。她說(shuō)，人工智能模型可能會(huì)被廣泛使用，但這并不意味著它們可以或應(yīng)該取代破譯文本的一小批專業(yè)學(xué)者。