اگرچه آموزش دادن به انسانها درباره تمدنهای باستانیشان ممکن است وظیفهای عجیب برای هوش مصنوعی به نظر برسد، اما این فناوری پتانسیل بالایی دارد. به طور سنتی، بررسیهای باستانشناسی و رمزگشایی متون باستانی بهشدت خستهکننده بودهاند. این فناوری میتواند بخش زیادی از این فرآیند را خودکار یا بهینهسازی کند و به مردم کمک کند تا با سرعتی تصاعدی، اطلاعات بیشتری درباره گذشته کشف کنند.
چرا برای آموزش درباره تمدنهای باستان به هوش مصنوعی نیاز است؟
زبان گفتاری کم و بیش جهانی است. در طول تاریخ، زبان نوشتاری بسیار نادرتر بوده است. اولین سیستم نوشتاری شناخته شده خط میخی است که حدود ۳۱۰۰ پیش از میلاد توسط سومریها اختراع شد. تصاویر حکاکی شده پیش از دوران خط به ۴۴۰۰ پیش از میلاد بازمیگردد، بنابراین دانشگاهیان هزاران سال سابقه برای بررسی و ترجمه دارند.
همچنین گلیفها، سفالها، گورها، سازهها و مجسمهها وجود دارند که هر کدام داستانی منحصر به فرد دارند. قرنهاست که انسانها با زحمت این اشیاء کنجکاویبرانگیز را شناسایی، رمزگشایی و بررسی کردهاند. جستجو، کشف و موفقیت پاداشدهنده – و حتی هیجانانگیز – است. با این حال، پیشرفت کند است. گاهی اوقات، تعداد بسیار کمی از موضوعات موجود است که باعث ایجاد گلوگاه میشود.
چه میشد اگر محققان مجبور نبودند منتظر بمانند؟ چه میشد اگر میتوانستند پیشرفت خود را ده برابر کنند؟ با هوش مصنوعی، این ممکن است امکانپذیر باشد. یک مدل پیشرفته و هدفمند میتواند رازهایی را که هزاران سال پنهان ماندهاند، آشکار کند.
قدرت یک مدل یادگیری ماشین در خودکارسازی و تکامل نهفته است. از آنجایی که با پردازش اطلاعات جدید یاد میگیرد، میتواند همزمان با پیشرفت تحقیقات یا پروژههای باستانشناسی تکامل یابد و عملاً خود را برای آینده آماده کند. علاوه بر این، به حداقل نظارت انسانی نیاز دارد و میتواند به طور مستقل عمل کند، و این امکان را فراهم میکند که وظایف پیچیده چند مرحلهای را به تنهایی انجام دهد.
مورخان با استفاده از هوش مصنوعی چه چیزهایی درباره فرهنگهای پیشامدرن آموختهاند؟
در حالی که هوش مصنوعی مدرن نسبتاً جدید است، دانشمندان و باستانشناسان پیش از این از آن برای کسب اطلاعات بیشتر درباره محل زندگی مردمان پیشامدرن و نحوه ارتباط آنها استفاده کردهاند.
واژگان در زبانهای مرده
یک کلمه بسته به نیت نویسنده و زمینه ترکیب میتواند معانی بیشماری داشته باشد. این امر رمزگشایی را پیچیده میکند. حتی عبارات ساده و بیاهمیت به پازلهای پیچیده تبدیل میشوند. شوخی «ساعت وقتی گرسنه میشود چه کار میکند؟ برای ثانیهها برمیگردد» (It goes back for seconds) نمونهای عالی است زیرا بازی با کلمات است. در زبانی دیگر، ممکن است بیمعنی باشد.
در گذشته، برنامههای کامپیوتری در برابر این تفاوتهای ظریف دچار مشکل میشدند. فناوری پردازش زبان طبیعی (NLP) از برچسبگذاری اجزای کلام، توکنسازی و لماتیسازی برای تشخیص تکواژهای منفرد استفاده میکند. با این چارچوب، یک الگوریتم میتواند پیچیدگیهای زمینه و معنا را، حتی در زبانهای مرده، درک کند.
به طور معمول، رمزگشایی دستی زبانهای باستانی کاری پرزحمت و مستعد خطا بوده است. اکنون، مدلی با قابلیتهای NLP میتواند زبان نوشتاری را در کسری از زمان رمزگشایی کند.
به عنوان مثال، ژئوگلیفهای تصویری – طرحهای پیشاکلمبی حک شده در شنهای بیابان – را در نظر بگیرید. تقریباً یک قرن طول کشید تا ۴۳۰ ژئوگلیف نازکا در اطراف پامپای نازکا کشف شود. با استفاده از هوش مصنوعی، یک تیم تحقیقاتی ۳۰۳ مورد جدید پیدا کرد و تقریباً تعداد کل شناخته شده را تنها در شش ماه بررسی میدانی دو برابر کرد.
محل سایتهای باستانشناسی
اخیراً، یک تیم تحقیقاتی از دانشگاه خلیفه در ابوظبی از هوش مصنوعی برای شناسایی نشانههای یک تمدن ۵۰۰۰ ساله در زیر تپههای شنی ربعالخالی، بزرگترین صحرای جهان، استفاده کرد. از آنجایی که این صحرا بیش از ۲۵۰۰۰۰ مایل مربع وسعت دارد، مطالعه آن بسیار دشوار است. شنهای روان و شرایط سخت، بررسیهای باستانشناسی را پیچیده میکند.
تیم تحقیقاتی از تصاویر ماهوارهای با وضوح بالا و فناوری رادار دهانه ترکیبی (SAR) برای شناسایی آثار باستانی مدفون از فضا استفاده کرد. این نتایج به یک مدل یادگیری ماشین برای پردازش تصویر و تحلیل مکانی داده شد و تحقیقات را خودکار کرد. این رویکرد در محدوده ۵۰ سانتیمتر دقیق بود و پتانسیل خود را نشان داد.
راههایی که هوش مصنوعی درک دوران گذشته را بهبود میبخشد
هوش مصنوعی همچنین به دانشمندان کمک میکند تا درک بیشتری از نحوه عملکرد تمدنهای باستانی به دست آورند و پنجرهای واضحتر به گذشته برای آنها باز میکند.
شبیهسازی نگرشهای فرهنگی باستانی
مایکل وارنوم، رئیس بخش روانشناسی اجتماعی و دانشیار دانشگاه ایالتی آریزونا، اخیراً در نوشتن یک مقاله نظری مشارکت داشت که استفاده از هوش مصنوعی مولد را برای شبیهسازی نگرشهای فرهنگی باستانی پیشنهاد میکرد.
روشهای موجود در کشف ذهنیت یا رفتارهای فرهنگهای مرده با مشکل مواجه هستند. وارنوم میگوید افراد در حوزه او معمولاً از شاخصهای غیرمستقیم مانند دادههای آرشیوی در مورد سطح جرم و جنایت یا نرخ طلاق برای استنباط ارزشها و احساسات مردم استفاده میکنند. با این حال، این رویکرد غیرمستقیم و نادرست است. راهحل او آموزش یک هوش مصنوعی برای تجزیه و تحلیل متون تاریخی است.
با این حال، در حالی که هوش مصنوعی میتواند نظرات و احساسات مردم را از سوابق نوشتاری استنباط کند، بینشهای آن جانبدارانه خواهد بود. از نظر تاریخی، توانایی خواندن و نوشتن نادر بوده است. وارنوم اذعان میکند که هرگونه بینش تولید شده توسط هوش مصنوعی احتمالاً از افراد تحصیلکرده و طبقه بالا ناشی میشود. از آنجایی که طبقه اجتماعی بر روانشناسی تأثیر میگذارد، این تحلیل نگاهی کاملاً دقیق به گذشته ارائه نمیدهد.
بازسازی آداب و رسوم پیشامدرن
هرگاه باستانشناسان اشیایی را از گورستانهای باستانی یا شهرهای نیمه مدفون کشف میکنند، حدس و گمان دخیل است. حتی اگر دقیقاً بدانند چیزی برای چه کاری استفاده میشده است، ممکن است نتوانند نحوه عملکرد آن را تعیین کنند.
در دهه ۱۹۷۰، محققان قبری را در گورستانی مربوط به عصر برنز در ایران کشف کردند. آنها قدیمیترین بازی تختهای سالم کشف شده را پیدا کردند که قدمت آن به ۴۵۰۰ سال پیش میرسد. این بازی شامل ۲۷ قطعه هندسی، ۲۰ فضای دایرهای و چهار تاس بود. هیچ کتابچه قانونی دفن نشده بود، بنابراین آنها فقط میتوانستند حدس بزنند که چگونه بازی کنند.
هوش مصنوعی میتواند قوانین را بازسازی کند و بازیهای تختهای فراموش شده را بازگرداند. پروژه Digital Ludeme دقیقاً همین کار را انجام میدهد. این پروژه تاکنون سه دوره زمانی و نه منطقه را پوشش داده است و نزدیک به ۱۰۰۰ بازی را دوباره قابل بازی کرده است. امروزه، این بازسازیها به صورت آنلاین برای بازی همه در دسترس هستند.
چه چیزهای بیشتری میتوان از این فرهنگهای باستانی آموخت؟
هنوز چیزهای زیادی برای یادگیری از هوش مصنوعی باقی مانده است. خط میخی یکی از جالبترینهاست. امروزه، دانشگاهیان به حدود ۵ میلیون کلمه سومری دسترسی دارند، میلیونها کلمه بیشتر از آنچه رومیها به زبان لاتین از خود به جای گذاشتهاند. بسیاری از لوحهای گلی متعددی که در منطقه کشف شدهاند هنوز رمزگشایی نشدهاند و تقریباً هر روز موارد بیشتری کشف میشوند.
برای بهینهسازی فرآیند، تیم تحقیقاتی از هوش مصنوعی برای اتصال قطعات لوحها استفاده میکند و بخشها را برای تسریع رمزگشایی کنار هم قرار میدهد. آنها همچنین در حال آموزش آن برای رمزگشایی خط میخی هستند، کاری که تنها تعداد انگشتشماری از متخصصان قادر به انجام آن هستند. سرعت پردازش الگوریتمی میتواند این فناوری را بینهایت سریعتر از انسانها کند.
این دانش جدید میتواند شکافهای موجود در کتابهای تاریخ را پر کند. اگرچه انسانها تاریخ فرهنگی گستردهای دارند، بسیاری از مناطق به دلیل نداشتن فناوری، ناشناخته باقی ماندهاند. با تکنیکهای یادگیری ماشین و مدلهای مولد، آنها میتوانند درک عمیقتری از جهان داشته باشند و دیدگاه جدیدی نسبت به تاریخ به دست آورند.
با کمک هوش مصنوعی در کشف سایتهای باستانشناسی، رمزگشایی زبانهای مرده و ترجمه متون باستانی، متخصصان این صنعت میتوانند کتابها، گزارشهای تاریخی، آثار هنری و گنجینههای جدیدی پیدا کنند. این یافتهها میتوانند در موزهها به نمایش گذاشته شوند یا به نوادگان کمک کنند تا با اجداد خود ارتباط برقرار کنند.
چشمانداز آینده راهحلهای هوش مصنوعی به عنوان ابزارهای باستانشناسی
هوش مصنوعی میتواند زبانهای مرده را رمزگشایی کند، محل دفنهای باستانی را بیابد و شیوههای باستانی را شبیهسازی کند. یافتههای آن میتواند در کتابهای تاریخ یا موزهها جای گیرد. البته، دانشگاهیان باید با احتیاط قدم بردارند. در حالی که این فناوری قدرتمند است، سوگیری، نادرستی و توهمات غیرمعمول نیستند. رویکرد «انسان در حلقه» (human-in-the-loop) میتواند به آنها در کاهش این مشکلات کمک کند.