«Αινείας»: Ένα μοντέλο «μελετά» λατινικά και ανασυνθέτει το Ρωμαϊκό κόσμο

Το πρόγραμμα προτείνει λέξεις για την κάλυψη των αναπόφευκτων κενών σε φθαρμένα και κατεστραμμένα αντικείμενα. [Credit: Μητροπολιτικό Μουσεί...

Το πρόγραμμα προτείνει λέξεις για την κάλυψη των αναπόφευκτων κενών σε φθαρμένα και κατεστραμμένα αντικείμενα. [Credit: Μητροπολιτικό Μουσείο Τέχνης]

Το νέο μοντέλο Τεχνητής Νοημοσύνης της Google DeepMind γίνεται βοηθός των ιστορικών αποκαθιστώντας κείμενα και παρέχοντας το εννοιολογικό πλαίσιο στο οποίο αυτά ανήκουν.

Φανταστείτε να προσπαθείτε να συμπληρώσετε ένα παζλ με πολλές χιλιάδες κομμάτια. Είναι προφανές ότι η διαδικασία θα είναι απαιτητική και χρονοβόρος. Πολλώ δε μάλλον, όταν τα περισσότερα κομμάτια έχουν υποστεί τη φθορά του χρόνου. Έτσι θα μπορούσε κανείς να περιγράψει –υπεραπλουστευμένα βεβαίως- τις δυσκολίες που αντιμετωπίζουν οι ιστορικοί οι οποίοι προσπαθούν να συνθέσουν το παρελθόν βγάζοντας νόημα από σπαράγματα κειμένων. Πόσο πιο εύκολη θα γινόταν όμως η συμπλήρωση του παζλ, αν κάποιος μπορούσε να εντοπίσει στα κομμάτια ανεπαίσθητες ομοιότητες και σχέσεις και έτσι να υποδείξει εκείνα που γειτνιάζουν μεταξύ τους! Ομοίως, και η εργασία των ιστορικών στην αποκατάσταση και απόδοση των αρχαίων κειμένων θα γινόταν ευκολότερη αν κάποιος τους βοηθούσε παρέχοντάς τους το εννοιολογικό πλαίσιο στο οποίο αυτά εντάσσονται.

Διεπιστημονική συνεργασία

Αυτό ακριβώς κάνει το μοντέλο Τεχνητής Νοημοσύνης (ΤΝ) «Αινείας», της Google DeepMind. Tο μοντέλο παρουσιάστηκε την περασμένη Δευτέρα σε μια μικρή ομάδα δημοσιογράφων εν όψει της χθεσινής δημοσίευσης στην έγκριτη επιστημονική επιθεώρηση Nature μελέτης η οποία καταδεικνύει την δυνατότητα του «Αινεία» να αποκαθιστά λατινικά κείμενα αλλά και να τα εντάσσει στο ιστορικό πλαίσιο στο οποίο ανήκουν. Επικεφαλής της ευρείας επιστημονικής ομάδας που πραγματοποίησε τη μελέτη ήταν ο έλληνας ερευνητής της Google DeepMind Γιάννης Ασσαέλ, και η Thea Sommerschield, ιστορικός του Πανεπιστημίου του Νότινγκαμ με ειδίκευση στους πολιτισμούς της Μεσογείου.

«Ο Αινείας είναι το πρώτο μοντέλο τεχνητής νοημοσύνης που έχει σχεδιαστεί για να αναλύει τις αρχαίες επιγραφές», λέει στην The Art Newspaper η Thea Sommerschield του Πανεπιστημίου του Νότιγχαμ στο Ηνωμένο Βασίλειο.

«Ο Αινείας βοηθά τους ιστορικούς να ερμηνεύσουν, να αποδώσουν και να αποκαταστήσουν αποσπασματικά λατινικά κείμενα», προσθέτει.

Η ιδέα για τη δημιουργία του «Αινεία» προέκυψε από τη συνεργασία των δύο νεαρών επιστημόνων και στην πραγματικότητα αποτελεί τον δεύτερο καρπό της. Είχε προηγηθεί το μοντέλο «Ιθάκη» το οποίο αποκαθιστά αρχαία ελληνικά κείμενα και όπως εξήγησε μιλώντας στο vima.gr ο Γιάννης Ασσαέλ ο Αινείας «πατά» πάνω στην Ιθάκη «πρόκειται ωστόσο για μια εξελιγμένη έκδοση, στην οποία έχουμε προσθέσει τη σημαντική δυνατότητα της ιστορικής πλαισίωσης των ευρημάτων».

Διεξοδικές αναλύσεις

Αλλά ας πάρουμε τα πράγματα από την αρχή. Οι Ρωμαίοι κυριάρχησαν στον αρχαίο κόσμο για πολλούς αιώνες και στο απόγειό τους οι κατακτήσεις τους εκτείνονταν σε ένα τεράστιο γεωγραφικό εύρος. Από τις σωζόμενες επιγραφές- οι οποίες μπορούν να αφορούν τόσο τον δημόσιο όσο και τον ιδιωτικό βίο- οι ιστορικοί προσπαθούν να ανασυνθέσουν τον ρωμαϊκό κόσμο. Όπως εξηγείται στο σχετικό ενημερωτικό υλικό της Google DeepMind «Η αποκατάσταση, η χρονολόγηση και ο γεωγραφικός προσδιορισμός των επιγραφών είναι σχεδόν αδύνατος χωρίς πληροφορίες για το ιστορικό τους πλαίσιο, και ειδικά χωρίς τη σύγκριση με παρόμοιες επιγραφές».

Κατά την επεξεργασία αρχαίων επιγραφών, οι ιστορικοί παραδοσιακά βασίζονται στην εμπειρογνωμοσύνη τους και σε εξειδικευμένες πηγές για τον εντοπισμό «παραλλήλων», δηλαδή κειμένων που μοιράζονται ομοιότητες στη διατύπωση, στην σύνταξη, σε τυποποιημένες φράσεις ή στην προέλευση». Αυτό που κάνει ο «Αινείας» είναι να επιταχύνει σημαντικά αυτή την πολύπλοκη και χρονοβόρα διαδικασία. Ειδικότερα, «αναλύει εκατοντάδες χιλιάδες λατινικές επιγραφές, ανακτώντας κειμενικά και εννοιολογικά «παράλληλα» μέσα σε δευτερόλεπτα, επιτρέποντας στους ιστορικούς να ερμηνεύσουν και να αξιοποιήσουν τα ευρήματα του μοντέλου» ενώ παράλληλα έχει τη δυνατότητα αποκατάστασης του αρχικού κειμένου -σε περίπτωση που αυτό είναι ελλιπές- αλλά και χρονολόγησής του.

Εκπαίδευση σε «Παράλληλα»

Εκτός από την εύρεση «παραλλήλων» ο «Αινείας» είναι το πρώτο μοντέλο ΤΝ που προσδιορίζει τη γεωγραφική προέλευση ενός κειμένου χρησιμοποιώντας εκτός από το ίδιο το κείμενο και οπτικές πληροφορίες, όπως είναι οι φωτογραφίες μιας επιγραφής. Επίσης για πρώτη φορά, το μοντέλο συμπληρώνει κενά σε κείμενα όπου το μήκος των ελλειπόντων κατεστραμμένων τμημάτων είναι άγνωστο, πράγμα ιδιαίτερα χρήσιμο όταν πρόκειται για επιγραφές που φέρουν εκτεταμένες φθορές.

Οι δημιουργοί του περιγράφουν τον «Αινεία» ως «ένα πολυτροπικό παραγωγικό νευρωνικό δίκτυο για την εκπαίδευση του οποίου αξιοποιήθηκε η μεγαλύτερη βάση δεδομένων Λατινικών επιγραφών». Ειδικότερα, αντλήθηκαν στοιχεία από τις παρακάτω ψηφιακές συλλογές: Epigraphic Database Roma (EDR), Epigraphic Database Heidelberg (EDH) και Epigraphic Database Clauss Slaby (EDCS) οι οποίες αφού εναρμονίσθηκαν, συνδέθηκαν σε ένα «μηχανικά αξιοποιήσιμο σύνολο δεδομένων, το οποίο ονομάζουμε Latin Epigraphic Dataset (LED), που περιλαμβάνει πάνω από 176.000 λατινικές επιγραφές από ολόκληρο τον Ρωμαϊκό κόσμο».

Επιστημονικό και εκπαιδευτικό «εργαλείο»

Όπως περιγράφεται στη μελέτη του Nature, ο «Αινείας» χρησιμοποιήθηκε δοκιμαστικά από 23 ιστορικούς –από διδακτορικούς φοιτητές μέχρι καθηγητές- προκειμένου να εκτιμηθεί η συμβολή του στην ιστορική έρευνα. Μακράν, του να υποκαταστήσει το έργο τους -κοινός φόβος όταν πρόκειται για την ΤΝ- το μοντέλο αποδίδει τα μέγιστα όταν λειτουργεί σαν εφαλτήριο επιταχύνοντας την έρευνα, ενώ παράλληλα αυξάνει την εμπιστοσύνη των ερευνητών στα συμπεράσματά τους. Χαρακτηριστική είναι η δήλωση του καθηγητή Τζόναθαν Πραγκ, από το Τμήμα Κλασικών Σπουδών του Πανεπιστημίου της Οξφόρδης. «Ο Αινείας παρέχει στις ανθρωπιστικές επιστήμες υποστήριξη την οποία μόνο να ονειρευτούμε μπορούσαμε πριν λίγο καιρό». Επισήμανε, ότι ο Αινείας θα μπορούσε να εφαρμοστεί στο υπάρχον σώμα επιγραφών για να διαπιστωθεί αν οι ερμηνείες μπορούν να βελτιωθούν. Πρόσθεσε ότι το Αινείας θα δώσει τη δυνατότητα σε ένα ευρύτερο φάσμα ανθρώπων να εργαστούν πάνω στα κείμενα.

«Ο μόνος τρόπος για να το κάνεις χωρίς ένα τέτοιο εργαλείο είναι να δημιουργήσεις μια τεράστια προσωπική γνώση ή να έχεις πρόσβαση σε μια τεράστια βιβλιοθήκη», είπε. «Αλλά πρέπει να είσαι σε θέση να το χρησιμοποιείς κριτικά».

Αξίζει να σημειωθεί ότι η ερευνητική ομάδα ανέπτυξε μια διαδραστική έκδοση του «Αινεία» δωρεάν για ερευνητές, φοιτητές, εκπαιδευτικούς, επαγγελματίες μουσείων και άλλους η οποία είναι διαθέσιμη στην ηλεκτρονική διεύθυνση predictingthepast.com, ενώ για τους μελετητές παρέχεται και ελεύθερη πρόσβαση στον κώδικα και το σύνολο δεδομένων. Επιπροσθέτως, σε συνεργασία με ειδικούς, έχει σχεδιάσει ένα νέο εκπαιδευτικό πρόγραμμα «για τη γεφύρωση των τεχνικών δεξιοτήτων με την ιστορική σκέψη στην τάξη». Το πρόγραμμα διδασκαλίας έχει σχεδιαστεί σύμφωνα με το Πλαίσιο Ψηφιακών Ικανοτήτων για τους Πολίτες (DigComp 2.2) της Ε.Ε., το Πλαίσιο Δεξιοτήτων ΤΝ για Μαθητές της UNESCO και το προσχέδιο του Πλαισίου AILit της ΕΕ και του ΟΟΣΑ.

Η έμφαση στη διεπιστημονικότητα και τον κοινωνικό αντίκτυπο της επιστήμης αντικατοπτρίζεται και στα λόγια του Γιάννη Ασσαέλ στο vima.gr :«Είναι χρέος μας, ως επιστήμονες, να καινοτομούμε υπεύθυνα και με θετικό κοινωνικό αντίκτυπο, και η χρήση της Τεχνητής Νοημοσύνης για τον πολιτισμό είναι ένα υπέροχο παράδειγμα. Θέλουμε να πιστεύουμε ότι με την έρευνά μας δείχνουμε πως οι Ανθρωπιστικές και οι Φυσικές επιστήμες είναι αλληλένδετες».

Σημείωση

Η ερευνητική ομάδα και οι συνεργάτες της

Επικεφαλής της έρευνας ήταν ο Γιάννης Ασσαέλ και η Thea Sommerschield.

Στην έρευνα συνέβαλαν οι: Alison Cooley, Brendan Shillingford, Ιωάννης Παυλόπουλος, Priyanka Suresh, Bailey Herms, Jonathan Prag, Alex Mullen και Shakir Mohamed.

Ο διαδραστικός ιστοχώρος του «Αινεία» αναπτύχθηκε από τους Justin Grayston, Benjamin Maynard και Nicholas Dietrich, και λειτουργεί στο Google Cloud.

Το εκπαιδευτικό πρόγραμμα αναπτύχθηκε από τον Robbe Wulgaert.

Διαβάστε εδώ τη σχετική επιστημονική δημοσίευση.

Assael, Y., Sommerschield, T., Cooley, A. et al. Contextualizing ancient texts with generative neural networks. Nature (2025). https://doi.org/10.1038/s41586-025-09292-5

Πηγή: Ι. Σουφλέρη, Το Βήμα, Ι. Μπέη-Κωνσταντινίδη, in.gr