시카고 대학의 과학자들은 최근 수천년 된 점토판에서 발견된 고대 텍스트를 현대 언어로 분석하고 컴파일할 수 있는 기계 학습 기술을 기반으로 하는 인공 지능 시스템을 성공적으로 개발하고 있습니다.
DeepScribe라고 불리는 이 기계 학습 모델은 설형 문자 체계(고대 이란 역사의 아케메네스 왕조 시대(기원전 550~330년)에 일반적으로 사용되는 문자 유형)를 읽고 이해할 수 있도록 훈련되었습니다. 시카고 대학교.
설형 문자 쓰기는 문자 레이아웃의 복잡성과 문자를 구성하는 개별 문자로 인해 숙련된 필기 분석가에게도 어려운 작업입니다. 이 경우에는 설형 문자 텍스트를 평소처럼 종이에 쓰지 않고 고대 점토판에 새겨서 단어 인식에 시간이 많이 걸리기 때문에 훨씬 더 어렵습니다. 이것이 연구자들이 DeepScribe와 같은 기계 학습 시스템의 도움이 필요한 이유입니다.

이 고급 필기 분석 AI 모델을 구축하기 위해 연구팀은 유물 영역에서 수집된 설형 문자에 대한 고대 문서의 주석이 달린 이미지 6,000개가 포함된 거대한 훈련 데이터 창고를 사용해야 했습니다. 주, 이란. 연구팀은 DeepScribe가 고대 페르시아(이란) 역사, 사회 및 언어에 대한 새로운 비밀을 밝히는 데 도움이 될 수 있다고 믿습니다.
그런 다음 연구원들이 개발한 언어 사전과 설형 문자를 구성하는 100,000개 이상의 개별 문자 데이터베이스를 기반으로 훈련 데이터를 편집했습니다. 초기 결과에 따르면 DeepScribe는 약 80%의 정확도로 고대 텍스트를 번역할 수 있으며, 이는 "수동" 필기 분석 전문가보다 나쁘지만 시간은 크게 향상됩니다. 또한 훈련 데이터가 증가함에 따라 시간이 지남에 따라 이러한 정확도 수준이 향상될 수 있습니다.
앞으로는 DeepScribe를 사용하여 중요한 고고학 유적지에서 발견된 유물의 출처를 확인함으로써 고고학자들이 자주 직면하는 어려움을 크게 줄일 수 있습니다.