Η Ελλάδα, μια χώρα με τεράστια ιστορία, έχει “αφήσει” πίσω της μια μεγάλη κληρονομιά, στην οποία περιλαμβάνονται χιλιάδες κείμενα χαραγμένα σε πλάκες και επιγραφές. Δυστυχώς, όλοι γνωρίζουμε ότι πολλά από αυτά έχουν διαβρωθεί ή καταστραφεί κατά τη διάρκεια των αιώνων, με αποτέλεσμα να χαθούν τμήματα πολλών κειμένων.
Οι επιστήμονες, εδώ και χρόνια προσπαθούν να “συμπληρώσουν” τα κενά, ένα έργο που αποδεικνύεται πάρα πολύ δύσκολο καθώς η αποτελεσματική “αποκρυπτογράφηση” απαιτεί εξέταση πολλών παρόμοιων κειμένων αλλά και του ίδιου που μελετάται, καθώς σε μια τέτοια διαδικασία είναι σημαντικά τα συμφραζόμενα. Τη λύση στη χρονοβόρα αυτή εργασία μπορεί να προσφέρει, όπως φαίνεται, η τεχνητή νοημοσύνη, η οποία μπορεί να περιορίσει σε ελάχιστο χρόνο τις επιλογές και να βρει τη λέξη που λείπει.
Για το σκοπό αυτό, ο Yannis Assael της DeepMind και οι συνεργάτες του εκπαίδευσαν ένα “νευρικό δίκτυο”, έναν αλγόριθμο AI, ο οποίος “μαντεύει” λέξεις ή χαρακτήρες που λείπουν από κείμενα σε πέτρες, κεραμικά ή μεταλλικά αντικείμενα, ηλικίας 1500-2600 ετών! Συγκεκριμένα, ο αλγόριθμος, που ονομάζεται Pythia (Πυθία) έμαθε να αναγνωρίζει μοτίβα σε 35.000 αρχαιολογικά ευρήματα, που περιλαμβάνουν πάνω από 3 εκατ. λέξεις. Στα μοτίβα που εντοπίζει περιλαμβάνονται τα συμφραζόμενα, η γραμματική αλλά και το σχήμα και η διάταξη των επιγραφών.
Ανάλογα με το κείμενο και τα στοιχεία που λείπουν, η Pythia παρέχει 20 διαφορετικές προτάσεις που θα μπορούσαν να καλύψουν τα κενά, με την ιδέα ότι κάποιος (ειδικός) στη συνέχεια θα επιλέξει την πιο ταιριαστή επιλογή με τη δική του κρίση και υποκειμενική γνώση.
Για να δοκιμάσει το σύστημα, η ομάδα “ανέθεσε” στην Pythia αλλά και σε μια ομάδα ειδικών να γεμίσουν τα κενά σε 2949 κατεστραμμένες επιγραφές. Οι επιστήμονες χρειάστηκαν 2 ώρες για να “διορθώσουν” 50 επιγραφές, η Pythia έδωσε τις απαντήσεις της για όλες τις επιγραφές σε δευτερόλεπτα και έκανε 30% λιγότερα λάθη από τους ειδικούς! Το γεγονός αυτό δείχνει τις (μεγάλες) δυνατότητες της αποκατάσταση που βασίζεται στην τεχνητή νοημοσύνη, σύμφωνα με την Thea Sommerschield του Πανεπιστημίου της Οξφόρδης, που συμμετείχε στην ομάδα.
