深度学习启发了学者对古代文本感到困惑

深度学习可以帮助学者恢复古希腊文字。具体来说，牛津大学的研究人员(Thea Sommerschield和乔纳森·普拉格教授)和DeepMind的研究人员(Yannis Assael)构建了Pythia，训练了神经网络来猜测希腊铭文中缺少的单词或字符。

它们在包括石材，陶瓷和金属的表面上。他们年龄在1500至2600年之间。据《新科学家》 报道，人工智能在破译受损药片方面击败了人类。

“在面对面的测试中，人工智能试图填补2949个受损铭文中的空白，人类专家所犯的错误比人工智能多30%。尽管专家花了2个小时来获得50个铭文，但Pythia给出了猜测在几秒钟内整个队列。”

从一开始，作者就知道恢复文本是一项耗时的任务，甚至对于专家级的碑文学家也是如此。他们着手在两名具有表象专业知识的博士生的帮助下，评估手头修复任务的难度，从而判断我们工作的影响。允许学者使用训练集搜索“相似”。

。

李格格周五在“新科学家”杂志上发表文章。在填充遗漏的单词方面，人工智能似乎比人类更好，但这不是A队与B队的竞争。李说，相反，人工智能技术“可能是最有用的协作工具，研究人员可以使用它来缩小选择范围。”

几个世纪以来，许多古老的禁忌已经被侵蚀或破坏。作者说：“只有一小部分尚存的铭文是完全清晰和完整的。”

随着文本片段的丢失，人们如何尝试填补遗漏单词的空白?正如李所说，这意味着要看其余的铭文并看其他类似的文字。

请看《新科学家》关于AI称为Pythia的功能的报告：(1)Pythia学会了识别35,000个文物中的模式，超过300万个单词。(2)它选择的模式包括出现不同单词的上下文，语法以及铭文的形状和布局。

他们的论文的成就反映在他们的论文标题上，该论文标题现在位于arXiv上：“使用深度学习恢复古代文本：关于希腊墓志的案例研究”。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！