Yapay Zeka, tarihçilerin geçmişimizi daha iyi anlamalarına nasıl yardımcı oluyor?

Şimdiye kadar, proje bazı şaşırtıcı sonuçlar verdi. Verilerde bulunan bir model, araştırmacıların Avrupa’nın Protestan Reformu’ndan sonra dini hatlarda parçalanırken bilimsel bilginin birleştiğini görmelerini sağladı. Reformcu bilim adamlarının çalışmaları sayesinde bilimsel yeniliklerin merkezi haline gelen Protestan şehri Wittenberg gibi yerlerde basılan bilimsel metinler, kıtaya yayılmadan önce Paris ve Venedik gibi merkezlerde taklit ediliyordu. Valleriani, Protestan Reformu’nun tam olarak yeterince çalışılmamış bir konu olmadığını, ancak makine aracılı bir bakış açısının araştırmacıların yeni bir şey görmesine izin verdiğini söylüyor: “Bu daha önce kesinlikle net değildi.” Tablolara ve görsellere uygulanan modeller benzer kalıpları döndürmeye başladı.

Bilgisayarlar genellikle daha uzun bir geçmişi olan nesnelerin yalnızca çağdaş yinelemelerini tanır – santraller ve Model T’ler yerine iPhone’ları ve Tesla’ları düşünün.

Valleriani, bu araçların 10.000 tabloyu takip etmekten daha önemli olanaklar sunduğunu söylüyor. Bunun yerine, araştırmacıların, yalnızca bir avuç dolusu belgeyi fiilen incelemiş olsalar bile, kayıt kümelerindeki kalıplardan bilginin evrimi hakkında çıkarımlar yapmasına izin verirler. “İki tabloya bakarak şimdiden yaklaşık 200 yıl hakkında büyük bir sonuca varabilirim” diyor.

Derin sinir ağları, daha da eski tarihin incelenmesinde de rol oynuyor. Yazıtların şifresini çözmek (epografi olarak bilinir) ve hasarlı örnekleri geri yüklemek, özellikle yazılı nesneler taşındığında veya bağlamsal ipuçları eksik olduğunda, zahmetli görevlerdir. Uzman tarihçilerin eğitimli tahminler yapması gerekir. DeepMind’de araştırma bilimcisi olan Yannis Assael ve Venedik’teki Ca’ Foscari Üniversitesi’nde doktora sonrası araştırmacı olan Thea Sommerschield, yardımcı olmak için, yazıtların eksik kısımlarını yeniden yapılandırabilen ve metinlere tarih ve konum atfedebilen Ithaca adında bir sinir ağı geliştirdi. Araştırmacılar, 78.000’den fazla kayıttan oluşan bir veri seti üzerinde eğitimi içeren derin öğrenme yaklaşımının, büyük miktarda veriden öğrenme yoluyla restorasyon ve ilişkilendirmeyi ortaklaşa ele alan ilk yaklaşım olduğunu söylüyor.

Assael ve Sommerschield, şimdiye kadar yaklaşımın, klasik Atina’daki önemli bir döneme ait, uzun süredir MÖ 446 ve 445’e atfedilen -bazı tarihçilerin tartıştığı bir tarih- ferman yazıtlarına ışık tuttuğunu söylüyor. Araştırmacılar, bir test olarak modeli söz konusu yazıyı içermeyen bir veri seti üzerinde eğitti ve ardından kararname metnini incelemesini istedi. Bu farklı bir tarih üretti. “Ithaca’nın kararnameler için ortalama tahmin tarihi MÖ 421’dir, bu da en son tarihleme atılımlarıyla uyumludur ve makine öğreniminin Yunan tarihinin en önemli anlarından biri hakkındaki tartışmalara nasıl katkıda bulunabileceğini göstermektedir.”

zaman makineleri

Diğer projeler, geçmiş hakkında daha geniş çıkarımlar yapmak için makine öğrenimini kullanmayı önerir. Bu, yerel tarihi sayısallaştırılmış kayıtlardan yeniden oluşturmak için kurulmuş olan Avrupa genelindeki birkaç yerel “zaman makinesinden” biri olan Venedik Zaman Makinesi’nin ardındaki motivasyondu. Venedik devlet arşivleri, 80 kilometrelik raflara yayılmış 1.000 yıllık tarihi kapsar; araştırmacıların amacı, çoğu modern tarihçiler tarafından hiç incelenmemiş olan bu kayıtları dijital ortama aktarmaktı. Bilgi çıkarmak için derin öğrenme ağlarını kullanacaklar ve aynı belgede diğer belgelerde geçen adları izleyerek bir zamanlar Venediklileri birbirine bağlayan bağları yeniden inşa edeceklerdi.

Time Machine Organizasyonu başkanı Frédéric Kaplan, projenin artık şehrin idari belgelerini, şehrin geçmiş yüzyıllardaki dokusunu yakalamaya yetecek kadar dijitalleştirdiğini ve bina bina gidip orada farklı zamanlarda yaşayan aileleri tanımlamayı mümkün kıldığını söylüyor. zamanda noktalar. Kaplan, “Bunlar, bu tür bir esnekliğe ulaşmak için dijitalleştirilmesi gereken yüzbinlerce belgedir” diyor. “Bu daha önce hiç yapılmamıştı.”

Yine de, projenin nihai vaadi söz konusu olduğunda – yapay zeka tarafından yeniden oluşturulan ağlar aracılığıyla mahalle düzeyine kadar Orta Çağ Venedik’inin dijital simülasyonundan daha az değil – Avusturya Bilimler Akademisi profesörü Johannes Preiser-Kapeller gibi tarihçiler çalışmayı yürüttü. Bizans piskoposlarının çoğu, modelin hangi bağlantıların anlamlı olduğunu anlayamaması nedeniyle projenin gerçekleştirilemediğini söylüyor.