人工智能正在帮助学者们恢复石碑上的古希腊文字

 
机器学习和AI可能部署在寻找系外行星和创建逼真的人这样的宏伟任务上，但是相同的技术在学术界也有一些令人惊讶的应用：DeepMind创建了一个AI系统，该系统可以帮助学者们理解和重建碎石上的古希腊文字片段平板电脑。
这些刻有2700年前的粘土，石料或金属片是历史，文学和人类学的宝贵重要来源。自然地，它们被字母覆盖，但千年来通常并不友好，不仅有裂缝和碎屑，而且整个缺失的碎片可能包含许多符号。
这样的差距有时很容易实现：如果我写了“ sp_der抓住了fl_”，那么任何人都可以告诉你，它实际上是“ spider抓住了苍蝇”。但是，如果它缺少更多的字母又怎么办呢?死语，要启动吗?填补空白并不是那么容易。
这样做是一门称为题词学的科学(和艺术)，它既涉及对这些文本的直观理解，也涉及对其他文本的添加，以增加语境。人们可以根据在别处幸存的内容对曾经写过的内容做出有根据的猜测。但这是艰苦而艰巨的工作-这就是为什么我们将它提供给应届毕业生，贫穷的事物的原因。
为了挽救他们，是由DeepMind研究人员创建的一个名为Pythia的新系统，此系统是在Delphi的甲骨文为人类的利益翻译了阿波罗神语之后形成的。
该团队首先创建了一个“重要的”管道，将世界上最大的古希腊铭文数字集转换为机器学习系统可以理解的文本。从那里开始，只需创建一个算法即可准确猜测字母序列，就像您对蜘蛛和苍蝇所做的那样。
博士生和毕生都得到了真实的文本，上面有人工切除的部分。学生们以大约43%的准确度完成了课文-不太热，但这是一项艰巨的工作，通常不会像这样进行测试。但是Pythia的准确率达到了大约70%，远胜于学生-而且，正确的解释是在73%的时间里，它对前20条建议的正确解释。
(更新：上一段最初误以为是经过测试的准确性;我误认为错误率是准确率，从本质上使结果反转。完全是我的错误。我感谢DeepMind的Yannis Assael提醒我这一点，并向他的共同作者道歉基本上说腐霉病还不到它的一半。)
希腊过程
该系统不足以完全自己完成这项工作，但是并不需要这样做。它是基于人类的努力(如何对这些差距进行培训?)，它将扩大而不是取代它们。听起来研究生似乎仍可以使用一只手。
Pythia的建议不一定每次都能准确地达到目标，但是它可以通过为他们提供一些工作选择来轻松地帮助陷入困境的人。减轻这些人的认知负担可能会导致处理剩余未还原文本的速度和准确性提高。
该项目是牛津大学和DeepMind的共同努力，由Assael，Thea Sommerschield和Jonathan Prag共同完成。他们有关Pythia的论文可在此处阅读，他们开发的一些软件创建于GitHub存储库中。