Key Takeaways
- Alat bertenaga AI baru dapat membantu sejarawan menguraikan teks kuno.
- Ithaca adalah jaringan saraf dalam pertama yang dapat memulihkan teks yang hilang dari prasasti yang rusak, mengidentifikasi lokasi aslinya, dan membantu menentukan tanggal pembuatannya.
- AI berguna untuk mengisi data yang hilang seperti lokasi dan tanggal teks karena pandai mempelajari pola yang sangat kompleks dengan menganalisis data.
Kemajuan terbaru dalam kecerdasan buatan (AI) memperkuat upaya untuk memahami masa lalu.
Ithaca, model pembelajaran mesin yang dibuat oleh peneliti AI di DeepMind, dapat menebak kata-kata yang hilang dan lokasi serta tanggal bahasa tertulis, menurut sebuah makalah baru. Upaya tersebut dapat membantu sejarawan menguraikan manuskrip kuno.
“Ithaca adalah jaringan saraf yang dalam, dan dengan demikian, ia sangat mampu menemukan pola tersembunyi dalam sejumlah besar data, '' sejarawan Thea Sommerschield, rekan penulis makalah baru-baru ini, mengatakan kepada Lifewire dalam email wawancara. Pola-pola tersebut dapat berupa tekstual (tata bahasa, sintaksis, atau terkait dengan 'rumus' berulang di banyak teks) atau kontekstual (kata-kata tertentu muncul secara konsisten dalam genre teks tertentu: misalnya, dekrit politik dari Athena Klasik yang menyebutkan kata 'aliansi, dewan, majelis…').”
Mengungkap Masa Lalu
Ithaca adalah jaringan saraf dalam pertama yang dapat memulihkan teks yang hilang dari prasasti yang rusak, mengidentifikasi lokasi aslinya, dan membantu menentukan tanggal pembuatannya, kata Sommerschield.
Ithaca dinamai pulau Yunani di Homer's Odyssey. Para peneliti menemukan bahwa Ithaca mencapai akurasi 62% dalam memulihkan teks yang rusak, akurasi 71% dalam mengidentifikasi lokasi aslinya dan dapat memberi tanggal pada teks dalam waktu 30 tahun dari tanggal asalnya.
Alat bantu visualisasi Ithaca dimaksudkan untuk memudahkan peneliti dalam menginterpretasikan hasil. Penulis makalah menulis bahwa sejarawan mencapai akurasi 25% ketika bekerja sendiri untuk memulihkan teks-teks kuno. Namun, kinerja sejarawan meningkat menjadi 72% saat menggunakan Ithaca, melampaui kinerja model dan menunjukkan potensi kerjasama manusia-mesin.
“Ithaca menawarkan keluaran yang dapat ditafsirkan, menunjukkan meningkatnya pentingnya kerja sama antara pakar manusia dan pembelajaran mesin, dan menunjukkan bagaimana mencocokkan pakar manusia dengan arsitektur pembelajaran mendalam untuk menangani tugas secara kolaboratif dapat melampaui kinerja individu (tanpa bantuan) baik manusia maupun model pada tugas yang sama,”kata Sommerschield kepada Lifewire.
Misalnya, para sejarawan saat ini tidak setuju pada tanggal serangkaian keputusan penting Athena yang dibuat pada saat tokoh-tokoh terkenal seperti Socrates dan Pericles hidup, tulis Sommerschield dalam sebuah posting blog. Dekrit tersebut telah lama diperkirakan telah ditulis sebelum tahun 446/445 SM, meskipun bukti baru menunjukkan tanggal pada tahun 420-an SM. “Meskipun mungkin tampak seperti perbedaan kecil, dekrit ini sangat mendasar bagi pemahaman kita tentang sejarah politik Athena Klasik,” tulisnya
Karya yang paling dekat dengan Ithaca adalah alat pembelajaran mesin sebelumnya bernama Pythia yang dirilis Sommerschield dan kolaboratornya pada tahun 2019. Pythia adalah model restorasi teks kuno pertama yang menggunakan jaringan saraf dalam.
“Hari ini, Ithaca adalah model pertama yang menangani tiga tugas utama dalam alur kerja epigrafer secara holistik,” kata Sommerschield dalam email. “Tidak hanya memajukan set canggih sebelumnya oleh Pythia, tetapi juga menggunakan pembelajaran mendalam untuk atribusi geografis dan kronologis untuk pertama kalinya dan dalam skala yang belum pernah terjadi sebelumnya.”
AI untuk Membantu Sejarawan
AI berguna untuk mengisi data yang hilang seperti lokasi dan tanggal teks karena pandai mempelajari pola yang sangat kompleks dengan menganalisis data, kata Brad Quinton, CEO perusahaan AI Singulos Research, kepada Lifewire melalui email.
“Dengan menggunakan teknik pembelajaran mesin, AI dapat melihat sejumlah besar contoh “yang diketahui” untuk menemukan pola antara, misalnya, teks tertentu dan tanggal serta lokasi pembuatannya,” tambah Quinton. “Seringkali, pola-pola ini begitu rumit sehingga tidak terlihat jelas oleh ahli manusia.”
Memprediksi data yang hilang adalah tugas umum untuk AI berbasis pembelajaran mesin. Misalnya, GPT-3 dari OpenAI dapat memprediksi kata-kata yang hilang dalam sebuah kalimat atau bahkan kalimat yang hilang dalam sebuah paragraf. Dan banyak sistem pemrosesan gambar berbasis AI telah digunakan untuk memulihkan video dan gambar dengan memprediksi secara cerdas apa yang hilang dari aslinya.
“Secara konseptual, peneliti dapat menggunakan teknik serupa untuk menentukan tanggal dan asal seni atau alat, atau artefak buatan manusia bersejarah lainnya di mana ada harapan perubahan gaya dan teknik yang mendasari dari waktu ke waktu dan berdasarkan lokasi asal,” kata Quinton.
