مستقبل الآثار: الذكاء الصناعي يفك ألغاز النصوص القديمة

تزداد استغلال الذكاء الصناعي لفك ألغاز النصوص القديمة، ويقدم نهجًا جديدًا لقراءة وتفسير الوثائق التاريخية التي كانت غير قابلة للفهم سابقًا.

من تفكيك اللفائف الرومانية المحترقة إلى قراءة الألواح الكتابية القديمة المتلاشية، تُفتح تقنيات الذكاء الصناعي الأبواب أمام الأرشيفات القديمة، مما قد يعيد كتابة أجزاء من التاريخ. يسلط مراجعة حديثة في Nature الضوء على تحدي فيزوف، وهو مشروع يستخدم الذكاء الصناعي لقراءة اللفائف من فيلا رومانية قديمة في هركولانيوم، التي دفنت بسبب ثورة جبل فيزوف في عام 79 م.

لقد تحمصت الأدوات الكتابية، بفعل الانفجار، وأصبح من المستحيل فتحها دون التسبب في تلفها. على مدى قرون، اضطر العلماء إلى التخلي عن محاولات قراءة العديد من هذه النصوص.

ومع ذلك، يتيح الذكاء الاصطناعي الآن للباحثين النظر إلى ما وراء التلف. في أكتوبر 2023، تم إرسال صورة لفدريكا نيكولاردي، خبيرة البردي، تظهر جزءًا من بكرة بردي يحتوي على حروف يونانية واضحة، وهو اكتشاف يكشف عن أسطر كاملة من النص كانت غير قابلة للوصول لمدة 2000 عام.

“كان أمرًا مدهشًا”، تقول نيكولاردي. “فكرت، ‘إذاً هذا يحدث حقًا'”. أدركت في تلك اللحظة أن علم البرديات قد تغير إلى الأبد. “في تلك اللحظة، تفكر حقًا ‘الآن أنا أعيش شيئًا سيكون لحظة تاريخية لمجالي'”، كما ذكرت مجلة Nature.

هذا الاختراق جزء من اتجاه أوسع حيث يتم تطبيق الشبكات العصبية الصناعية على مجموعة من النصوص القديمة، بما في ذلك الإغريقية، واللاتينية، ونصوص عظام الأوراكل الصينية.

تشرح الطبيعة أن هذه الشبكات تتدرب على التعرف على الأنماط في الصور المأخوذة من الكتابات القديمة، مما يساعد الباحثين على ملء الفراغات حيث تكون الحروف مفقودة أو تالفة. يمكن للذكاء الاصطناعي تحليل النصوص بشكل أسرع وأكثر دقة من البشر، مما يتيح للعلماء معالجة كميات كبيرة من المستندات القديمة وربما تحديد أنماط لم يتم ملاحظتها في السابق.

تشرح الطبيعة أن التكنولوجيا تعتمد على نماذج التعلم العميق، وبخاصة الشبكات العصبية التلافيفية (CNNs) والشبكات العصبية المتكررة (RNNs).

تتمكن الشبكات العصبية التلافيفية (CNN) من استخلاص البيانات المشكلة على شكل شبكات من الصور، لتسهيل التعرف على الأحرف بصريا، بينما تعالج الشبكات العصبية العودية (RNN) البيانات المتسلسلة، مما يجعلها مثالية لإعادة تشكيل النصوص المنقولة. تستخدم CNN لتحليل البيانات البصرية مثل الرسائل المتآكلة، في حين تقترح RNN الأحرف المفقودة في الوثائق التاريخية.

ومن الأمور الرئيسية التي تطورت هي خلق أدوات مثل إيثاكا، وهو نموذج للتعلم الآلي مصمم لاقتراح الأجزاء المفقودة من النقوش القديمة. تمكنت إيثاكا من استعادة الفجوات في النصوص بدقة أكبر من المختصين البشر بمفردهم.

أفادت مجلة Nature أنه عندما يتم تزويد الخبرة البشرية بالنماذج المقترحة، يتحسن عملية الترميم بشكل أكبر. يعتقد خالقو Ithaca أن مثل هذه النماذج الذكاء الصناعي قد تغير طريقة تعامل العلماء مع دراسة النصوص القديمة.

توضح الطبيعة أن الذكاء الاصطناعي يُستخدم أيضًا للتعامل مع أرشيفات ضخمة من البيانات التاريخية بما يتجاوز المشاريع الفردية.

في كوريا الجنوبية ، على سبيل المثال ، يستخدم الباحثون الذكاء الاصطناعي لترجمة السجلات من سلالة جوسون ، التي كتبت بالهانجا ، نظام الكتابة القديم. أثبتت ترجمات الذكاء الاصطناعي أنها أكثر دقة من الجهود السابقة ، مما يسلط الضوء على الإمكانيات الكبيرة للذكاء الاصطناعي في تحويل البحث التاريخي.

تذكر “نيتشر” أيضاً أن الذكاء الصناعي يُطبق الآن على اللغات التي لديها سجلات مجزأة فقط. في كريت، على سبيل المثال، يُستخدم الذكاء الصناعي لاستعادة النصوص المفقودة من الأقراص الميكينية المكتوبة بالخط الخطي B. ويأمل الباحثون في توسيع هذا النهج لفك شفرة الخط الخطي A، وهو خط ذو صلة لكنه لا يزال غير مُفكَك.

استخدام الذكاء الصناعي لقراءة النصوص القديمة لا يزال في مراحله الأولى، لكنه يبشر بأن يكون أداة قوية في كشف التاريخ المنسي. مع استمرار التقدم التكنولوجي، قد يتيح الذكاء الصناعي قريبًا للباحثين الوصول إلى أجزاء ضخمة من البيانات التاريخية التي كانت سابقًا خارج نطاق الوصول، مما يغير فهمنا للعالم القديم.