Inskrypcje, teksty pisane na trwałych materiałach, mogą być bardzo dobrym źródłem poznania życia i społeczeństwa danej epoki. Jednym z problemów, z jakim borykają się historycy, jest to, że te inskrypcje są czasami niekompletne lub zostały przeniesione z miejsca, w którym powstały.
W 2017 r. Yannis Assael, naukowiec zajmujący się sztuczną inteligencją i obecny badacz Google DeepMind, oraz Thea Sommerschield, historyczka i stypendystka Marie Curie na Uniwersytecie Weneckim, omawiali te trudne zadania dla historyków i doszli do wniosku, że istnieje ogromny potencjał współpracy między ich dyscyplinami. Tak oto narodziła się Ithaca, głęboka sieć neuronowa do przywracania tekstu oraz geograficznego i chronologicznego przypisywania starożytnych greckich inskrypcji. To narzędzie jest przeznaczone do współpracy z profesjonalistami od historii: samo w sobie osiąga dokładność 62% w celu przywrócenia uszkodzonych tekstów, ale wraz z pracą historyków udaje mu się poprawić dokładność profesjonalistów z 25% do 72%. Procent dokładności lokalizacji wynosi 71%, a ponadto umożliwia datowanie napisów z dokładnością do 30 lat.
Aby zmaksymalizować współpracę między historykami i głębokim uczeniem, to narzędzie oferuje wiele hipotez. Do przywracania Ithaca dostarcza 20 prognoz zdekodowanych i uszeregowanych według prawdopodobieństwa. W ten sposób historykom łatwiej jest wybierać między propozycjami narzędzia, biorąc pod uwagę ich wiedzę. Jeśli chodzi o przypisanie geograficzne, instrument klasyfikuje wyniki wśród 84 regionów; lista regionów kandydujących jest zaimplementowana na mapie i wykresie słupkowym. Wreszcie, zamiast podawać wartość dla chronologii, przewiduje kategoryczny rozkład dat, które są pogrupowane w 10-letnie przedziały, między 800 r. p.n.e. a 800 r. n.e.
„Naszym celem było zbadanie, w jaki sposób uczenie maszynowe może pomóc historykom lepiej interpretować te inskrypcje, zapewniając głębsze zrozumienie starożytnej historii” – komentują Assael i Sommerschield. Nazwa narzędzia została wybrana, ponieważ odnosi się do greckiej wyspy w Odysei Homera. „Pomyśleliśmy, że byłoby to dobre imię, ponieważ oznacza przywrócenie czegoś lub kogoś do ich pochodzenia” – wyjaśniają.
Ithaca to rodzaj sztucznej inteligencji zwanej modelem głębokiego uczenia (deep learning model). Według naukowców opiera się na sieci neuronowej, inspirowanej sieciami neuronowymi znajdującymi się w ludzkim mózgu. „Nauczyliśmy komputery, aby używały tych sieci neuronowych do przetwarzania dużych ilości danych, aby mogły zastosować to, czego się nauczyły, do nowych danych, których wcześniej nie widziały. Są wyszkolone na największym zbiorze danych ze starożytnych greckich inskrypcji. Innym aspektem, który się wyróżnia, jest to, że dzięki architekturze narzędzia można je łatwo zastosować w każdym starożytnym języku, „od łaciny po Majów i akadyjski”, oraz każdego medium pisanego, „od papirusów po rękopisy”. Ithaca, owoc multidyscyplinarnych badań przeprowadzonych przez różne podmioty i firmy, został zaprezentowany w niedawno opublikowanym badaniu w Nature i jest publicznie dostępny na jego stronie internetowej.
Fernando Notario, doktor historii, profesor geografii i historii, którego kierunkiem badań jest m.in. historiografia starożytności klasycznej, podsumowuje, że główne problemy, jakie mają profesjonaliści w tej konkretnej dyscyplinie, to źródła, ponieważ zachowana jest minimalna część dokumentów ze świata antycznego. „To nie jest magiczne rozwiązanie, ale sposób na usprawnienie i „zobiektywizowanie” rzeczy, które ostatnio zrobiliśmy – mówi. Nerea Luis, doktor Sztucznej Inteligencji, broni, że robienie tego we współpracy ze sztuczną inteligencją ma „dużo sensu” i że ten model współpracy „będzie często widywany”. „To również prowadzi do tego, żebyś nie zapominał”.
Aby zapobiec zapomnieniu niektórych języków, Massachusetts Institute of Technology (MIT) zaprezentował w 2020 r. system opracowany przez naukowców Computer Science and Artificial Intelligence (CSAIL) z MIT, który jest w stanie automatycznie odszyfrować utracony język, bez potrzeby zaawansowanej znajomości jego związku z innymi językami. Ponadto może samodzielnie określać relacje między językami. Ostatecznym celem jest, aby system mógł pomóc językoznawcom w odszyfrowaniu języków, które zaginęły w historii.
