Ῥωτῆστε τὸν Ἀπόλλωνα: Τεχνητὴ νοημοσύνη γιὰ τὰ ἀρχαῖα ἑλληνικὰ διαβάζει τὰ πάντα

Πρόκειται γιὰ τὸ πρῶτο μεγάλο γλωσσικὸ μοντέλο τεχνητῆς νοημοσύνης στὸν κόσμο ποὺ κατασκευάστηκε εἰδικὰ γιὰ τὰ ἀρχαῖα ἑλληνικά

Μαρία Θερμοῦ

Ἐξαιρετικὴ ἀξιολόγηση

Ἡ ἐπιτάχυνση τῆς μελέτης

Ἐκπαιδεύτηκε σὲ περίπου 600 ἑκατομμύρια λέξεις τῆς ἀρχαίας ἑλληνικῆς καὶ εἶναι τὸ νέο ἐργαλεῖο γιὰ τὴν ἀνάγνωση κατεστραμμένων παπύρων, κειμένων ἀπὸ τὰ ὁποῖα λείπουν σημαντικὰ μέρη, ἀκόμη καὶ γιὰ τὴν ἀναγνώριση τῶν δημιουργῶν πίσω ἀπὸ αὐτά. Πρόκειται γιὰ τὸ πρῶτο μεγάλο γλωσσικὸ μοντέλο τεχνητῆς νοημοσύνης στὸν κόσμο ποὺ κατασκευάστηκε εἰδικὰ γιὰ τὰ ἀρχαῖα ἑλληνικὰ καὶ μόλις παρουσιάστηκε ἀπὸ τὴν Αὐστριακὴ Ἀκαδημία Ἐπιστημῶν μὲ τὴν ὀνομασία «Ἀπόλλων» (Apollo).

Ἡ κύρια δουλειά του εἶναι νὰ συμπληρώνει τὰ κενὰ σὲ παλιὰ ἔγγραφα, ὅπου οἱ διακεκομμένες γραμμές, οἱ λέξεις ποὺ λείπουν καὶ τὰ κατεστραμμένα τμήματα εἶναι συνηθισμένα. Ἐκεῖ ὁ «Ἀπόλλων» μπορεῖ νὰ προτείνει πιθανὲς ἀναγνώσεις μέσα σὲ δευτερόλεπτα μὲ ἐπιτυχία ποὺ χαρακτηρίζεται ὡς ἐξαιρετική. Κι αὐτό, παρ΄ότι οἱ λέξεις στὶς ὁποῖες ἔχει ἐκπαιδευτεῖ ὑπολείπονται κατὰ πολὺ τῶν δεκάδων δισεκατομμυρίων ποὺ χρησιμοποιοῦνται συχνὰ γιὰ τὴν ἐκπαίδευση σύγχρονων γλωσσικῶν μοντέλων.

Μουσεῖα καὶ χιλιάδες βιβλιοθῆκες σὲ ὅλο τὸν κόσμο διατηροῦν ὅπως εἶναι γνωστό, ἑκατοντάδες ἀρχαῖες ἐπιγραφὲς καὶ περισσότερα ἀπὸ ἕνα ἑκατομμύριο θραύσματα παπύρων, ἀλλὰ ἀπὸ αὐτὰ οἱ μελετητὲς ἔχουν ἀποκρυπτογραφήσει πλήρως μόνο τὸ 8% περίπου. Ἡ ἀνάγνωση κατεστραμμένων κειμένων ἀρχαίων ἑλληνικῶν ἀπαιτεῖ μεγάλη ἐμπειρία καὶ τεράστιο χρόνο, ἀλλὰ ἐδῶ ἀκριβῶς στοχεύει νὰ βοηθήσει ὁ «Ἀπόλλων».

Ἐξαιρετικὴ ἀξιολόγηση

Οἱ ἐρευνητὲς δοκίμασαν τὸ «Apollo» σὲ πραγματικοὺς παπύρους συγκρίνοντας τὰ ἀποτελέσματα ποὺ ἔδωσε μὲ ἐκεῖνα ποὺ εἶχαν μελετήσει ἤδη καὶ ἀναδημιουργήσει οἱ μελετητές. Ἡ ἐπιτυχία του βαθμολογήθηκε περίπου στὸ 80% ποσοστὸ ποὺ χαρακτηρίζεται ὡς πολὺ σημαντικό. Σὲ ἄλλο εἶδος ἀξιολόγησης εἴκοσι ἐπιστήμονες, εἰδικοὶ στὴν παπυρολογία, τὴν ἐπιγραφικὴ καὶ τὴ φιλολογία συνέκριναν τὶς προτάσεις τοῦ «Ἀπόλλωνα» μὲ δημοσιευμένες ἀκαδημαϊκὲς ἀναγνώσεις.

Ὅπως ἀποδείχθηκε, ὅσον ἀφορᾶ τοὺς παπύρους τεκμηρίωσης, οἱ ἐρευνητὲς ἐκτίμησαν ὅτι ἡ ἀνάγνωση τοῦ «Ἀπόλλωνα» ἦταν τόσο καλὴ ὅσο ἡ δημοσιευμένη ἔκδοση σὲ περίπου 77% τῶν περιπτώσεων. Ἐνῷ ὅταν ὁ «Ἀπόλλων» καὶ ἡ δημοσιευμένη ἀνάγνωση διαφώνησαν, οἱ εἰδικοὶ τὸν προτίμησαν στὸ 16% τῶν περιπτώσεων προκειμένου γιὰ τοὺς παπύρους καὶ σὲ περίπου 20% γιὰ τὶς ἐπιγραφές.

Ἡ ἐπιτάχυνση τῆς μελέτης

Τὸ μοντέλο, τὸ ὁποῖο δημιουργήθηκε σὲ συνεργασία μὲ τὸ γαλλικὸ ἐργαστήριο τεχνητῆς νοημοσύνης Mistral, τὴν ἑταιρεία τεχνολογικῶν ὑπηρεσιῶν Sail Reply καὶ τὸ Πανεπιστήμιο Northeastern ἔχει ἤδη δοκιμαστεῖ ἐξάλλου, σὲ πολλὰ πραγματικὰ ἀρχαῖα κείμενα. Σὲ δημόσιες παρουσιάσεις ὁλοκλήρωσε ἕνα ἀρχαῖο πιστοποιητικὸ γέννησης, ἀνέκτησε σημαντικὰ ἀποσπάσματα ἀπὸ ἕναν πάπυρο ποὺ εἶχε ὑποστεῖ ζημιὰ ἀπὸ τὴν ἔκρηξη τοῦ Βεζούβιου καὶ βοήθησε τοὺς ἐρευνητὲς νὰ ἐντοπίσουν στοιχεῖα τοῦ ῥωμαϊκοῦ δικαίου σὲ μιὰ πόλη στὴ Μαύρη Θάλασσα, ἐν μέρει μέσῳ μιᾶς ἀναφορᾶς σὲ ἕναν ῥωμαϊκὸ φόρο ποὺ συνδεόταν μὲ τὴν πορνεία.

Ὁ «Ἀπόλλων» μπορεῖ ἐπίσης καὶ νὰ ἀναγνωρίσει διαφορετικὲς περιόδους καὶ στὺλ γραφῆς. Ὅπως λένε τὰ μέλη τὴ ὁμάδας κατασκευῆς του μπορεῖ νὰ ἀναγνωρίσει πότε ἕνα ἀπόσπασμα ταιριάζει μὲ τὴ δομὴ καὶ τὸ λεξιλόγιο ἔργων, ὅπως ἡ Ὀδύσσεια τοῦ Ὁμήρου καὶ στὴ συνέχεια νὰ προτείνει ἕνα κείμενο ποὺ λείπει, σὲ παρόμοιο ὕφος.

Ἐν τέλει τὸ μοντέλο θὰ μποροῦσε νὰ ἐπιταχύνει τὴ μελέτη ἀρχαίων κειμένων, παρέχοντας στοὺς ἐρευνητὲς πιθανὲς ἀναγνώσεις γιὰ τὰ κατεστραμμένα ἀποσπάσματα. Γεγονὸς ποὺ θὰ μποροῦσε νὰ ἀνοίξει χιλιάδες μὴ ἀναγνωσμένους παπύρους γιὰ πιὸ προσεκτικὴ μελέτη καὶ νὰ ἀποκαλύψει νέες λεπτομέρειες ἄγνωστες σχετικὰ μὲ τὴν ἀρχαία ζωή, τὸ δίκαιο, τὴ λογοτεχνία καὶ τὴν ἱστορία.

https://l.facebook.com/l.php?u=https%3A%2F%2Fwww.mononews.gr%2Fpolitismos%2Frotiste-ton-apollona-techniti-noimosyni-gia-ta-archaia-ellinika-diavazei-ta-panta%3Ffbclid%3DIwZXh0bgNhZW0CMTEAcGRvZgFzcnRjBmFwcF9pZBAyMjIwMzkxNzg4MjAwODkyAAEeb-D27v9xp89tE6pl-kZYLnrib1iG8Uqt4Iqmh0pgrczDell5iU2r8SLotQU_aem_cMTR_Ijwov7VUoOyZkm0ug&h=AUCCBVvy_qdPV6jZHZkuP4lmJdVlm8pIKQ_nnZotIus4Ka6kxqmfZ82z23b0HQnVIvNdfsAO9XLo68rlNINZZQM9QAfiAVaV_2KauvoSNLvu56xNMwwrCmYy16L5Ewa40SX5PcLDJDhOcic_9TrVXX-LST1OnShBLw&__tn__=%2CmH-R&c[0]=AUBMW4ol_2tL4pPtOsJy4tkiXN4TabctWDDP9cz0HjllXTO6iAvRCRkVOIOEx3-eF7iwXhSzQtzNUWWiwVsrfpq9YlLNqoxkm2KBgi_b5iNnCz2ea2CazxL7SoE-H30CS4nG79RuqGWqb1GlaoonoUbeZrGxv92PqKXHHzZNQaqjlCy--1LC