AI sprendžia Vatikano paslaptis

Vatikano slaptieji archyvai yra legendų medžiaga. Pranešama, kad Vatikane jie užpildo apie 85 kilometrus lentynų, juose yra privačių praeities popiežių laiškai ir kiti dokumentai, kai kurie iš jų datuojami VIII a.

Archyvai yra akylai saugomi. Tačiau nuo 1881 m. mokslininkai turėjo ribotą prieigą prie kai kurių dokumentų, ir net tai daug atskleidė.

Pavyzdžiui, yra 60 metrų ritinys, kuriame išsamiai aprašomi tamplierių riterių teismai, prasidėję 1307 m. ir trukę keletą metų. Yra Mikelandželo laiškų įvairiems popiežiams; iš Henriko VIII, prašydamas pripažinti santuoką negaliojančia; ir nuo Marijos, Škotijos karalienės, maldaujančios užtarimo prieš nukirsdinant galvą.

Archyve taip pat yra naujesnio susirašinėjimo, pavyzdžiui, Abrahamo Linkolno ir Jeffersono Daviso laiškai, kuriais bandoma įtikinti popiežių Pijų IX pritarti atitinkamai Sąjungai ir Konfederacijai. Taip pat yra įrašai, susiję su popiežiumi Pijumi XII ir jo santykiais su nacių režimu Antrojo pasaulinio karo metais, kurie niekada nebuvo paskelbti. Iš tiesų, visi įrašai nuo 1939 m. yra visiškai slapti.

Nors įrašus skelbti draudžiama, archyvai turi savo fotografijos ir konservavimo studijas. Ir, kaip ir daugelis istorinių archyvų visame pasaulyje, jie pradėjo saugoti tam tikrų dokumentų vaizdus, ​​kad juos išsaugotų ir būtų galima toliau tirti.

Tačiau Vatikano įrašai yra tokie dideli, kad perrašyti juos ranka nepraktiška per bet kokį protingą laikotarpį. Ar mašininis regėjimas galėtų padėti?

Šiandien mes gauname atsakymą Donatella Firmani iš Roma Tre universiteto Italijoje ir kelių kolegų darbo dėka. Šie žmonės pradėjo projektą pavadinimu Kodo santykiu (lot. The Code System), kuria siekiama automatiškai perrašyti dalį Vatikano slaptojo archyvo, vadinamo Vatikano registrais.

Šį korpusą sudaro daugiau nei 18 000 puslapių oficialaus XIII amžiaus Katalikų bažnyčios susirašinėjimo su karaliais, karalienėmis ir politinėmis bei religinėmis institucijomis visoje Europoje. Šie dokumentai, kurie niekada nebuvo perrašyti praeityje, turi precedento neturinčią istorinę reikšmę, sako Firmani ir kt.

Viduramžių tekstai kelia unikalią mašininio regėjimo problemą. Įprasti optinio simbolių atpažinimo algoritmai neveikia gerai, nes rankraščiai parašyti įvairiais stiliais, naudojant skirtingas ligatūras (simbolius, kurie jungia greta esančias raides) ir su savitomis santrumpomis.

Norėdami tai išvengti, mokslininkai sukūrė mašininio matymo sistemas, kurios atpažįsta ištisus žodžius, o ne raides. Tačiau tai toli gražu netenkina, nes dauguma žodžių net ir ilguose dokumentuose pasirodo vos kelis kartus. Taigi sunku sukurti duomenų rinkinius, kad mašinos galėtų mokytis.

Dabar Firmani ir bendradarbiai sugalvojo naują būdą lavinti optinę simbolių atpažinimo sistemą, kuri kiekvieną žodį padalija į eilę potėpių, kurie dera kaip dėlionė. Mūsų tikslas – sukurti visavertę sistemą, kuri perrašytų kuo daugiau iš rankraščių, sako jie.

Kiekvieną žodį padalinusi į brūkšnius, sistema bando juos suderinti, kad sudarytų žinomas raides, o tada analizuoja visas galimas raidžių permutacijas. Galiausiai, tai atmeta visus tuos, kurie nėra gramatiški.

Pavyzdžiui, įprastas potėpių modelis gali būti interpretuojamas kaip iii arba kaip m, tačiau pirmasis gali būti atmestas kaip gramatiškai nepriimtinas. Tie patys potėpiai taip pat gali reikšti in arba ni, ir, kad nuspręstų tarp jų, sistema turi atidžiau ištirti žodį ir jo kontekstą.

Pirmasis Firmani ir co žingsnis buvo sukurti duomenų rinkinį, skirtą treniruoti mašininio matymo sistemą, pagrįstą neuroniniu tinklu. Šis duomenų rinkinys turi būti pažymėtas, kad sistema galėtų sužinoti, kokios raidės yra pavaizduotos skirtingais potėpių deriniais.

Firmani ir bendradarbiai naudojo minios šaltinį, kad užbaigtų šią anotaciją. Jie 120 vidurinės mokyklos mokinių pristatė žodžių dėlionės segmentavimą kaip modelio atpažinimo problemą, o ne kaip „Captcha“ galvosūkius. Mokiniai kartu per porą valandų rankiniu būdu pažymėjo 15 000 simbolių mokymo duomenų rinkinį.

Rezultatai įspūdingi. Mums pavyko sugeneruoti tikslią 65 procentų mūsų duomenų rinkinio žodžių vaizdų transkripciją, tarkime, Firmani ir kt.

Tai svarbus žingsnis į priekį viduramžių tekstų transkripcijai ir istorikams apskritai. Tačiau laukia dar daugiau darbų. Pavyzdžiui, transkripcija veikia su mažosiomis raidėmis, todėl kitas svarbus tikslas yra išplėsti žodyną, įtraukiant didžiąsias raides ir kai kuriuos iš daugelio viduramžių tekste naudojamų santrumpų.

Kol kas neaišku, kaip Vatikano slaptieji archyvai naudos šią technologiją. Taip pat nežinoma, ar Vatikano registrai bus paskelbti juos perrašius.

Tačiau net jei jų nėra, Įmonėni ir bendradarbių kuriamos priemonės turėtų leisti mokslininkams padaryti pažangą. Pavyzdžiui, jie leidžia duomenimis pagrįstą istorinių dokumentų tyrimą, kuriame būtų galima pažvelgti į žodžių ar frazių dažnį ir į tai, kaip jie keičiasi laikui bėgant. Tai gali suteikti svarbių kultūrinių įžvalgų.

Bus įdomu pamatyti, ar Vatikanas nuspręs pasidalinti šiomis žiniomis, ar jas paslėpti.

Nuoroda: arxiv.org/abs/1803.03200 : Vatikano slaptųjų archyvų žinių atradimo link. Kodų santykis – 1 serija: rankraščių mašininė transkripcija.

paslėpti