INTELLIGENZA ARTIFICIALE PER RICOSTRUIRE TAVOLETTE BABILONESI DANNEGGIATE

Comprendere antichi testi scritti in un sistema linguistico sconosciuto o in una lingua morta da migliaia di anni è una vera sfida. Ricostruire i frammenti mancanti di un testo su antiche tavolette babilonesi è ancora più difficile.

Un team israeliano guidato da Shai Gordin, dell’Università di Ariel, in Cisgiordania, ha strutturato una sorta di traduttore digitale che aiuti a comprendere e a colmare le lacune di una serie di tavolette cuneiformi frammentate in accadico. I risultati della ricerca sono stati pubblicati sulla rivista del PNAS della National Academy of Sciences.

“Neural networks” è il software ispirato ai sistemi nervosi biologici e il concetto risale a più di 70 anni fa il cui concetto di base è insegnare alle macchine ad imparare, pensare e prendere decisioni. Nel caso delle tavolette di argilla inscritte, il computer decide il miglior completamento plausibile del testo mancante.

Ovviamente il computer e la sua intelligenza artificiale non sono in grado di leggere i caratteri cuneiformi ma Gordin e il team, fornendo le traslitterazioni di tavolette babilonesi esistenti, agendo su una serie di variabili di tipo matematico e statistico basata sulla conoscenza acquisita finora, hanno elaborato un buon punto di partenza per decifrare ed esaminare le tavolette a disposizione.

Approfondire le lingue morte  richiede molta materia prima, le tavolette babilonesi inscritte, appunto. Il cuneiforme e il suo studio erano diventati la mania occidentale a partire del XIX secolo, quando giunsero in Europa grandi quantità di iscrizioni, più o meno legalmente, dalle grandi biblioteche palaziali del Medio oriente di Ninive, Mari, Sippar, per citare alcune delle località più significative.

Nel corso dei decenni, i linguisti hanno interpretato lentamente le lingue di Babilonia e Assiria ed è occorso tempo per rendersi conto che alcuni segni erano sillabe e altri erano parole intere: interpretare una lingua morta, secondo Gordin, è un gioco matematico e le “Neural networks” sono un modello computerizzato in grado di comprendere il testo trasformano ogni simbolo o parola in un numero.

I diversi elementi di questa “Neural networks” elettronica comunicano tra loro in numeri e creano un modello del linguaggio. Quando gli “studiosi” umani ricostruiscono il testo mancante, la loro interpretazione può essere soggettiva, commettendo errori e quantificare l’accuratezza delle lacune delle iscrizioni è impossibile.

Il team di studiosi ha scelto, dunque, di cercare il metodo di “traduzione” attraverso l’ausilio di testi tardo babilonesi del periodo achemenide durante il quale vi è un’abbondanza di testi stereotipati. Il modello matematico è stato “addestrato” su circa 2.000 di questi testi e poi gli è stato chiesto di completare frasi che prima non conosceva.

Gordin ritiene che la macchina con il suo software si sono dimostrati in grado di identificare le strutture delle frasi e, spesso, hanno fatto meglio del previsto nell’identificare semantiche sulla base dell’inferenza statistica basata sul contesto.

L’apprendimento dell’intelligenza artificiale è stato completato progettando un test  in cui il modello di apprendimento automatico ha risposto a domande a scelta multipla o quale parola si inserisca nello spazio vuoto di una determinata frase. Il tipo di risposte corrette o l’ordine delle scelte nel test ha permesso al team di calibrare ulteriormente il modello sui suoi errori.

Potrà funzionare da solo? Secondo il team, l’intelligenza artificiale può validamente collaborare con linguisti e archeologi per ripristinare le numerose lacune delle migliaia di tavolette babilonesi frammentarie che sono ancora da colmare.

Tradotto e rielaborato da Daniele Mancini

Per ulteriori info: PNAS

Mari