প্রধান টেকওয়ে
- একটি নতুন এআই-চালিত টুল ঐতিহাসিকদের প্রাচীন পাঠের পাঠোদ্ধার করতে সাহায্য করতে পারে।
- ইথাকা হল প্রথম গভীর নিউরাল নেটওয়ার্ক যা ক্ষতিগ্রস্ত শিলালিপির অনুপস্থিত পাঠ পুনরুদ্ধার করতে পারে, তাদের আসল অবস্থান শনাক্ত করতে পারে এবং সেগুলি যে তারিখে তৈরি হয়েছিল তা নির্ধারণ করতে সাহায্য করতে পারে৷
- এআই অনুপস্থিত ডেটা পূরণ করার জন্য উপযোগী যেমন পাঠ্যের অবস্থান এবং তারিখ কারণ এটি ডেটা বিশ্লেষণ করে খুব জটিল প্যাটার্ন শিখতে ভাল৷
কৃত্রিম বুদ্ধিমত্তার (AI) সাম্প্রতিক অগ্রগতি অতীতকে বোঝার প্রচেষ্টাকে শক্তিশালী করছে।
ইথাকা, ডিপমাইন্ডের এআই গবেষকদের দ্বারা তৈরি একটি মেশিন লার্নিং মডেল, একটি নতুন কাগজ অনুসারে, অনুপস্থিত শব্দ এবং লিখিত ভাষার অবস্থান এবং তারিখ অনুমান করতে পারে। এই প্রচেষ্টা ঐতিহাসিকদের প্রাচীন পাণ্ডুলিপির পাঠোদ্ধার করতে সাহায্য করতে পারে৷
"ইথাকা একটি গভীর নিউরাল নেটওয়ার্ক, এবং তাই এটি বিপুল পরিমাণ ডেটাতে লুকানো নিদর্শনগুলি খুঁজে পেতে অবিশ্বাস্যভাবে সক্ষম," সাম্প্রতিক গবেষণাপত্রের সহ-লেখক ইতিহাসবিদ থিয়া সোমারশিল্ড একটি ইমেলে লাইফওয়্যারকে বলেছেন সাক্ষাৎকার "এই ধরনের নিদর্শনগুলি পাঠ্য হতে পারে (ব্যাকরণগত, সিনট্যাকটিক, বা অনেক পাঠ্য জুড়ে একটি পুনরাবৃত্তি 'সূত্র'-এর সাথে যুক্ত) বা প্রাসঙ্গিক (কিছু শব্দ নির্দিষ্ট ধরণের পাঠ্যগুলিতে ধারাবাহিকভাবে প্রদর্শিত হয়: যেমন, ক্লাসিক্যাল এথেন্সের একটি রাজনৈতিক ডিক্রি 'জোট' শব্দটি উল্লেখ করে, পরিষদ, সমাবেশ…')।"
অতীতের উন্মোচন
ইথাকা হল প্রথম গভীর নিউরাল নেটওয়ার্ক যা ক্ষতিগ্রস্থ শিলালিপিগুলির অনুপস্থিত পাঠ্য পুনরুদ্ধার করতে পারে, তাদের আসল অবস্থান সনাক্ত করতে পারে এবং সেগুলি যে তারিখে তৈরি হয়েছিল তা নির্ধারণ করতে সহায়তা করতে পারে, সোমারশিল্ড বলেছেন৷
ইথাকা হোমারের ওডিসির গ্রীক দ্বীপের নামানুসারে নামকরণ করা হয়েছে। গবেষকরা দেখেছেন যে ইথাকা ক্ষতিগ্রস্ত পাঠ্য পুনরুদ্ধারে 62% নির্ভুলতা অর্জন করে, তাদের আসল অবস্থান শনাক্ত করার ক্ষেত্রে 71% নির্ভুলতা অর্জন করে এবং পাঠ্যগুলিকে তাদের উত্সের তারিখের 30 বছরের মধ্যে তারিখ দিতে পারে৷
Ithaca-এর ভিজ্যুয়ালাইজেশন এইডগুলি গবেষকদের ফলাফল ব্যাখ্যা করা সহজ করার উদ্দেশ্যে তৈরি করা হয়েছে৷ কাগজের লেখকরা লিখেছেন যে প্রাচীন গ্রন্থগুলি পুনরুদ্ধার করার জন্য একা কাজ করার সময় ঐতিহাসিকরা 25% নির্ভুলতা অর্জন করেছিলেন। কিন্তু, ইথাকা ব্যবহার করার সময় ঐতিহাসিকের কর্মক্ষমতা 72% বেড়ে যায়, মডেলের কর্মক্ষমতাকে ছাড়িয়ে যায় এবং মানব-মেশিন সহযোগিতার সম্ভাবনা দেখায়।
“ইথাকা ব্যাখ্যাযোগ্য আউটপুট অফার করে, মানব বিশেষজ্ঞ এবং মেশিন লার্নিংয়ের মধ্যে সহযোগিতার ক্রমবর্ধমান গুরুত্ব প্রদর্শন করে এবং দেখায় যে কীভাবে মানব বিশেষজ্ঞদের সাথে মিলেমিশে গভীর শিক্ষার আর্কিটেকচারের সাথে কাজগুলিকে সহযোগিতামূলকভাবে মোকাবেলা করা উভয়েরই ব্যক্তিগত (অসহায়তাবিহীন) কর্মক্ষমতাকে ছাড়িয়ে যেতে পারে। একই কাজের মডেল,”সোমারশিল্ড লাইফওয়্যারকে বলেছেন।
উদাহরণস্বরূপ, ইতিহাসবিদরা বর্তমানে সক্রেটিস এবং পেরিক্লিসের মতো উল্লেখযোগ্য ব্যক্তিত্বের বসবাসের সময়ে তৈরি করা গুরুত্বপূর্ণ এথেনিয়ান ডিক্রির একটি সিরিজের তারিখ নিয়ে একমত নন, সোমারশিল্ড একটি ব্লগ পোস্টে লিখেছেন। ডিক্রিগুলিকে 446/445 খ্রিস্টপূর্বাব্দের আগে লেখা হয়েছে বলে মনে করা হয়, যদিও নতুন প্রমাণগুলি খ্রিস্টপূর্ব 420 এর একটি তারিখ নির্দেশ করে। "যদিও এটি একটি ছোট পার্থক্য বলে মনে হতে পারে, এই ডিক্রিগুলি ক্লাসিক্যাল এথেন্সের রাজনৈতিক ইতিহাস সম্পর্কে আমাদের বোঝার জন্য মৌলিক," তিনি লিখেছেন
ইথাকার সবচেয়ে কাছের কাজ হল Pythia নামক একটি পূর্ববর্তী মেশিন লার্নিং টুল যা Sommerschield এবং তার সহযোগীরা 2019 সালে প্রকাশ করেছিল। Pythia ছিল গভীর নিউরাল নেটওয়ার্ক ব্যবহার করার জন্য প্রথম প্রাচীন পাঠ্য পুনরুদ্ধার মডেল।
"আজ, ইথাকা হল প্রথম মডেল যা এপিগ্রাফারের কার্যপ্রবাহের তিনটি কেন্দ্রীয় কাজ সামগ্রিকভাবে মোকাবেলা করে," সোমারশিল্ড একটি ইমেলে বলেছে। "এটি শুধুমাত্র Pythia দ্বারা পূর্ববর্তী অত্যাধুনিক সেটকে অগ্রসর করে না, তবে এটি প্রথমবারের জন্য এবং একটি অভূতপূর্ব স্কেলে ভৌগলিক এবং কালানুক্রমিক বৈশিষ্ট্যের জন্য গভীর শিক্ষাও ব্যবহার করে৷”
এআই ঐতিহাসিকদের সাহায্য করতে
এআই টেক্সটের অবস্থান এবং তারিখের মতো অনুপস্থিত ডেটা পূরণের জন্য দরকারী কারণ এটি ডেটা বিশ্লেষণ করে খুব জটিল প্যাটার্ন শিখতে ভাল, এআই কোম্পানি সিঙ্গুলস রিসার্চের সিইও ব্র্যাড কুইন্টন লাইফওয়্যারকে ইমেলের মাধ্যমে বলেছেন।
“মেশিন লার্নিং কৌশল ব্যবহার করে, AI একটি প্রদত্ত টেক্সট এবং তার তারিখ এবং সৃষ্টির অবস্থানের মধ্যে প্যাটার্ন খুঁজে পেতে প্রচুর সংখ্যক "জানা ভালো" উদাহরণ দেখতে পারে,” কুইন্টন যোগ করেছেন। "প্রায়শই, এই নিদর্শনগুলি এত জটিল যে সেগুলি কোনও মানব বিশেষজ্ঞের কাছে স্পষ্ট হয় না।"
অনুপস্থিত ডেটা ভবিষ্যদ্বাণী করা মেশিন লার্নিং-ভিত্তিক AI-এর জন্য একটি সাধারণ কাজ। উদাহরণস্বরূপ, OpenAI থেকে GPT-3 একটি বাক্যে অনুপস্থিত শব্দ বা অনুচ্ছেদে অনুপস্থিত বাক্যগুলির পূর্বাভাস দিতে পারে। এবং অনেক AI-ভিত্তিক ইমেজ প্রসেসিং সিস্টেম ব্যবহার করা হয়েছে ভিডিও এবং ছবি পুনরুদ্ধার করতে বুদ্ধিমত্তার সাথে ভবিষ্যদ্বাণী করে যা আসল থেকে হারিয়ে গেছে।
"ধারণাগতভাবে, গবেষকরা শিল্প বা সরঞ্জামের তারিখ এবং উত্স, বা অন্যান্য ঐতিহাসিক মনুষ্যসৃষ্ট নিদর্শনগুলি নির্ধারণ করতে অনুরূপ কৌশল ব্যবহার করতে পারেন যেখানে সময়ের সাথে এবং অবস্থান অনুসারে অন্তর্নিহিত শৈলী এবং কৌশলে পরিবর্তনের প্রত্যাশা থাকে উত্স, "কুইন্টন বলেছেন৷
