AI risina Vatikāna noslēpumus

Vatikāna slepenie arhīvi ir leģendu saturs. Tiek ziņots, ka tie aizpilda aptuveni 85 kilometrus plauktu Vatikānā, un tajos ir privātas vēstules un citi pagātnes pāvestu dokumenti, daži no tiem ir datēti ar astoto gadsimtu.

Arhīvi tiek stingri apsargāti. Tomēr kopš 1881. gada zinātniekiem ir bijusi ierobežota piekļuve dažiem dokumentiem, un pat tas ir atklājis daudz.

Piemēram, tur ir 60 metru rullītis, kurā sīki aprakstīti templiešu bruņinieku izmēģinājumi, kas sākās 1307. gadā un ilga vairākus gadus. Ir vēstules dažādiem pāvestiem no Mikelandželo; no Henrija VIII, pieprasot laulības atzīšanu par neesošu; un no Mērijas, Skotijas karalienes, kas lūdz aizlūgumu pirms galvas nociršanas.

Arhīvos ir arī jaunāka sarakste, piemēram, Ābrahama Linkolna un Džefersona Deivisa vēstules, ar kurām mēģināts pārliecināt pāvestu Piju IX dot priekšroku attiecīgi Savienībai un Konfederācijai. Vēl ir ieraksti par pāvestu Piju XII un viņa attiecībām ar nacistu režīmu Otrā pasaules kara laikā, kas nekad nav publicēti. Patiešām, visi ieraksti no 1939. gada ir pilnībā slepeni.

Kamēr ierakstu publicēšana ir aizliegta, arhīvam ir savas foto un konservācijas studijas. Un tāpat kā daudzi vēsturiski arhīvi visā pasaulē, tie ir sākuši saglabāt noteiktu dokumentu attēlus, lai tos saglabātu un ļautu turpināt pētīt.

Taču Vatikāna ieraksti ir tik apjomīgi, ka tos ar roku pārrakstīt nav praktiski jebkurā saprātīgā laika periodā. Vai mašīnredze varētu palīdzēt?

Šodien mēs saņemam atbildi, pateicoties Donatella Firmani darbam Roma Tre Universitātē Itālijā un dažiem kolēģiem. Šie cilvēki ir uzsākuši projektu ar nosaukumu Koda proporcijā (latīņu valodā The Code System), kuras mērķis ir automātiski pārrakstīt daļu no Vatikāna slepenā arhīva, ko sauc par Vatikāna reģistriem.

Šis korpuss sastāv no vairāk nekā 18 000 lappušu oficiālās 13. gadsimta sarakstes starp katoļu baznīcu un karaļiem, karalienēm un politiskajām un reliģiskajām iestādēm visā Eiropā. Šie dokumenti, kas nekad nav bijuši transkribēti, ir bezprecedenta vēsturiski nozīmīgi, saka Firmani un co.

Viduslaiku teksti rada unikālu problēmu mašīnredzei. Tradicionālie optiskie rakstzīmju atpazīšanas algoritmi nedarbojas labi, jo manuskripti ir rakstīti dažādos stilos ar dažādām ligatūrām (rakstzīmēm, kas apvieno blakus esošos burtus) un ar savdabīgiem saīsinājumiem.

Lai to apietu, zinātnieki ir izstrādājuši mašīnredzes sistēmas, kas atpazīst veselus vārdus, nevis burtus. Bet tas nebūt nav apmierinošs, jo lielākā daļa vārdu pat garos dokumentos parādās tikai dažas reizes. Tāpēc ir grūti izveidot datu kopas mašīnām, no kurām mācīties.

Tagad Firmani un co ir izstrādājuši jaunu veidu, kā apmācīt optisko rakstzīmju atpazīšanas sistēmu, kas katru vārdu sadala virknē sitienu, kas sader kopā kā mozaīka. Mūsu mērķis ir izstrādāt pilnvērtīgu sistēmu, kas pēc iespējas vairāk pārraksta no manuskriptiem, viņi saka.

Sadalot katru vārdu triepienos, sistēma mēģina tos savietot kopā, veidojot zināmus burtus, un pēc tam analizē visas iespējamās burtu permutācijas. Visbeidzot, tas izslēdz visus tos, kas nav gramatiski.

Piemēram, izplatītu triepienu modeli var interpretēt kā iii vai kā m, bet pirmo var izslēgt kā gramatiski nepieņemamu. Tie paši triepieni var apzīmēt arī in vai ni, un, lai izlemtu starp tiem, sistēmai ir tuvāk jāizpēta vārds un tā konteksts.

Firmani un co pirmais solis bija izveidot datu kopu, lai apmācītu mašīnredzes sistēmu, kuras pamatā ir neironu tīkls. Šai datu kopai jābūt marķētai, lai sistēma varētu uzzināt, kādus burtus attēlo dažādas triepienu kombinācijas.

Firmani un co izmantoja pūļa avotus, lai pabeigtu šo anotāciju. Viņi 120 vidusskolēniem iepazīstināja ar vārdu finierzāģa segmentēšanu kā rakstu atpazīšanas problēmu, gluži kā Captcha puzles. Studenti kopā manuāli iezīmēja 15 000 rakstzīmju apmācības datu kopu pāris stundu laikā.

Rezultāti ir iespaidīgi. Mēs varējām ģenerēt precīzu transkripciju 65 procentiem mūsu datu kopas vārdu attēlu, piemēram, Firmani un co.

Tas ir nozīmīgs solis uz priekšu viduslaiku tekstu transkripcijā un vēsturniekiem kopumā. Tomēr priekšā vēl vairāk darba. Piemēram, transkripcija darbojas ar mazajiem burtiem, tāpēc svarīgs nākamais mērķis ir paplašināt vārdu krājumu, iekļaujot lielos burtus un dažus no daudzajiem viduslaiku tekstā izmantotajiem saīsinājumiem.

Tas, kā Vatikāna Slepenais arhīvs izmantos šo tehnoloģiju, vēl nav skaidrs. Nav arī zināms, vai Vatikāna reģistri tiks publicēti, kad tie tiks pārrakstīti.

Bet pat ja tā nav, rīkiem, ko Firmani un co izstrādā, vajadzētu ļaut zinātniekiem gūt panākumus. Piemēram, tie ļauj veikt uz datiem balstītu vēsturisku dokumentu izpēti, kas varētu aplūkot, piemēram, vārdu vai frāžu biežumu un to, kā tie mainās laika gaitā. Tas var sniegt svarīgu kultūras ieskatu.

Būs aizraujoši redzēt, vai Vatikāns nolemj dalīties ar šīm zināšanām vai tās slēpt.

Atsauce: arxiv.org/abs/1803.03200 : Ceļā uz zināšanu atklāšanu no Vatikāna slepenā arhīva. In Code Ratio — 1. sērija: manuskriptu mašīntranskripcija.

paslēpties