Künstliche Intelligenz (KI) revolutioniert das Studium antiker Texte, vom Entziffern von Inschriften, die 2.000 Jahre lang unzugänglich waren, bis hin zur Dekodierung unbekannter Hieroglyphen.
Die Untersuchung antiker Texte war lange Zeit eine akribische Aufgabe, die Spezialisten in Paläographie, Linguistik und Geschichte vorbehalten war. Doch KI revolutioniert dieses Feld mit ihrer Fähigkeit, große Datenmengen zu verarbeiten und komplexe Muster zu lernen.
Ein aktueller Artikel in Nature erörtert, wie bestimmte KI-Modelle diese Revolution anführen, ohne Präzedenzfälle in der Interpretation antiker Texte zu erzielen und sich als wichtige Werkzeuge in der Geschichtsforschung zu etablieren.
Obwohl computergestützte Technologien zur Textanalyse nicht neu sind, standen traditionelle Systeme zur optischen Zeichenerkennung (OCR) mit antiken Texten vor erheblichen Herausforderungen aufgrund unregelmäßiger Handschriften, Materialverschleiß und einzigartiger linguistischer Kontexte.
Der Durchbruch kam mit dem maschinellen Lernen, einem Zweig der KI, der es Algorithmen ermöglicht, aus Daten zu lernen, anstatt vordefinierten Regeln zu folgen. Bei diesem Ansatz werden Systeme mit großen Datenmengen trainiert, was ihnen ermöglicht, Muster zu erkennen und Vorhersagen zu treffen. Doch selbst dieser Ansatz hatte Schwierigkeiten mit stark fragmentierten Texten oder Sprachen, die nicht mehr gesprochen werden.
Mit der Entwicklung des tiefen Lernens (Deep Learning) haben sich die Möglichkeiten erheblich erweitert. Diese Technik verwendet künstliche neuronale Netzwerke, die vom menschlichen Gehirn inspiriert sind, um Daten mit einem beispiellosen Komplexitätsgrad zu analysieren. Im Kontext antiker Texte erkennen neuronale Netzwerke nicht nur Buchstaben und Wörter, sondern lernen auch linguistische und kulturelle Kontexte, was ihre Genauigkeit und Vielseitigkeit erhöht.
Ein Beispiel für diese Entwicklung ist das Modell Pythia, das speziell zur Interpretation antiker griechischer Inschriften entwickelt wurde. Pythia wurde mit über 35.000 bereits transkribierten griechischen Inschriften trainiert, was es ihr ermöglichte, die Schreibmuster und sprachlichen Strukturen dieser Sprache zu erlernen.
Die Anwendung von KI auf historische Texte kombiniert mehrere Schlüsseltechnologien und führt zu einem umfassenden und effizienten Werkzeug zur Bearbeitung schwieriger Interpretationen.
Fortschrittliche optische Erkennung und Computer Vision haben die Einschränkungen traditioneller OCR-Systeme überwunden. Diese Werkzeuge erkennen nicht nur Buchstaben und Wörter, sondern analysieren auch physische Merkmale der Texte, wie Tintenart, Pinselstrich oder Abnutzungsmarken, was entscheidend für die Interpretation beschädigter Dokumente oder Inschriften auf unregelmäßigen Materialien wie Stein oder Keramik ist.
Generative Modelle und Generative Adversarial Networks (GANs) sind eine fortschrittliche Technologie, die zwei neuronale Netzwerke nutzt, die zusammenarbeiten: eines generiert Hypothesen (z. B. fehlende Wörter oder Buchstaben), während das andere die Qualität dieser Hypothesen bewertet. Diese Werkzeuge sind besonders nützlich, um unvollständige Texte zu rekonstruieren, da sie mehrere Lösungen basierend auf dem historischen und linguistischen Kontext vorschlagen können.
Im Fall antiker Texte sind auch Modelle zur Verarbeitung natürlicher Sprache (NLP) ein entscheidendes Element. Diese identifizieren nicht nur Wörter, sondern analysieren auch die Bedeutung von Sätzen und deren Beziehung zum kulturellen Kontext, was besonders hilfreich ist, um ausgestorbene oder wenig dokumentierte Sprachen zu übersetzen, wie Phönizisch und Linear A.
Die Kombination all dieser Technologien hat tiefgreifende Auswirkungen auf zahlreiche Bereiche der Archäologie und Geschichte. Eine der am stärksten transformierten Bereiche ist zweifellos die Restaurierung beschädigter Manuskripte. Dokumente, die aufgrund von Verfall zuvor unmöglich zu lesen waren, wie ein verbranntes römisches Manuskript, das seit 2.000 Jahren unzugänglich ist, können jetzt von der KI analysiert werden, die minimale Tintenstriche erkennt und vollständige Rekonstruktionen vorschlägt.
Eine weitere revolutionäre Anwendung, vielleicht eine der interessantesten, ist die Dekodierung toter Sprachen. Traditionell hing dieser Prozess davon ab, zweisprachige Texte (wie den Rosetta-Stein) zu finden, um Bezugspunkte zu schaffen. Jetzt können KI-Modelle direkt unbekannte Texte analysieren und grammatikalische und syntaktische Muster identifizieren, ohne vorherige Übersetzungen.
Im Fall fragmentierter Inschriften, wie sie in archäologischen Stätten gefunden werden, können Algorithmen auch fehlende Wörter mit einer nie dagewesenen Präzision rekonstruieren und neue historische Verbindungen zwischen scheinbar isolierten Kulturen suchen. So haben Algorithmen durch die Analyse großer Datenmengen unerwartete Ähnlichkeiten zwischen Texten verschiedener Zivilisationen identifiziert, was zeigt, dass viele stärker miteinander verbunden waren, als zuvor angenommen.