Wetenschappers van de Universiteit van Chicago zijn onlangs met succes bezig met de ontwikkeling van een systeem voor kunstmatige intelligentie, gebaseerd op machinale leertechnologie, dat eeuwenoude teksten, gevonden op duizenden jaren oude kleitabletten, kan analyseren en compileren naar moderne taal.
Dit machine learning-model, DeepScribe genaamd, is getraind om het spijkerschriftsysteem te kunnen lezen en begrijpen – een schrijfwijze die veel werd gebruikt tijdens de periode van het Achaemenidische rijk in de oude Iraanse geschiedenis (550-330 v.Chr.). de Universiteit van Chicago.
Spijkerschrift is voor zelfs ervaren handschriftanalisten echt een uitdaging, vanwege de complexiteit van de letterindeling en de individuele karakters waaruit de brief bestaat. In dit geval is het zelfs nog moeilijker omdat de spijkerschriftteksten op oude kleitabletten zijn gegraveerd in plaats van zoals gebruikelijk op papier te zijn geschreven, waardoor woordherkenning uiterst tijdrovend is. Daarom hebben onderzoekers hulp nodig van een machine learning-systeem als DeepScribe.

Om dit geavanceerde AI-model voor handschriftanalyse te bouwen, moest het onderzoeksteam een enorm trainingsdatawarehouse gebruiken, met 6000 geannoteerde afbeeldingen uit oude documenten over spijkerschrift, verzameld in het relikwiegebied.Persepolis, 60 km ten noordoosten van de moderne stad Shiraz, in Fars Provincie, Iran. Het onderzoeksteam gelooft dat DeepScribe kan helpen nieuwe geheimen over de oude Perzische (Iraanse) geschiedenis, samenleving en taal te ontdekken.
De trainingsgegevens werden vervolgens samengesteld op basis van een door de onderzoekers ontwikkeld taalkundig woordenboek en een database met meer dan 100.000 individuele karakters waaruit spijkerschriftletters bestaan. Uit de eerste resultaten blijkt dat DeepScribe oude teksten kan vertalen met een nauwkeurigheid van ongeveer 80% - slechter dan experts op het gebied van "handmatige" handschriftanalyse, maar de tijd is aanzienlijk verbeterd. Bovendien kan dit nauwkeurigheidsniveau in de loop van de tijd worden verbeterd naarmate de trainingsgegevens toenemen.
In de toekomst zou DeepScribe zelfs kunnen worden gebruikt om de oorsprong van artefacten op belangrijke archeologische vindplaatsen te bepalen, waardoor de problemen waarmee archeologen vaak worden geconfronteerd aanzienlijk worden geëlimineerd.