این روزها بیشتر مردم هوش مصنوعی را با مدلهای زبانی مانند چتجیپیتی (ChatGPT) میشناسند. با این حال، یادگیری ماشینی چیزی بیش از تولید متن است. در زمینههای باستانشناسی و زبانشناسی از هوش مصنوعی برای تحلیل دادههایی استفاده میشود که انسانها قادر به پردازش آنها نیستند.
به گزارش فرادید، در نتیجه در چند سال اخیر شاهد پیشرفتهای بیسابقه زیادی بودهایم، از ابزارهای مبتنی بر هوش مصنوعی که طومارهای باستانی آسیبدیده از فوران کوه وزوو را باز کرده و میخوانند تا الگوریتمهایی که به دنبال هندسههای زمیننما در بیابان گسترده نازکا در پرو میگردند، فناوریهای نوین به حل برخی معماهای پیچیده تاریخ بشر کمک کردهاند!
در حالی که برخی متخصصان هشدار میدهند وابستگی بیش از حد به هوش مصنوعی میتواند به نتایج غیرقابلاعتماد منجر شود، دیگران یادگیری ماشینی را ابزار مفیدی میدانند که میتواند کمبودهای مغز انسان را جبران کند. در ادامه نمونههای برجسته از پتانسیل علمی هوش مصنوعی را میخوانید:
بیابان ربعالخالی، ربعالخالی، خُباش، عربستان سعودی
سال ۲۰۲۴، تیمی از محققان دانشگاه خلیفه ابوظبی یک الگوریتم هوش مصنوعی توسعه دادند که میتوانست بیابان ربع الخالی؛ بیابان ۲۵۰.۰۰۰ مایل مربعی در شبهجزیره عربستان را در جستجوی مکانهای احتمالی حفاری بررسی کند. روشن شد که یکی از معروفترین مکانهای بیابان به نام ساروق الحدید در دوران مس سنگی مسکونی بوده است.
الگوریتم پیشنهادی، جایگزین مناسبی برای نظرسنجیهای زمینی سنتی است که هزینهبر و دشوار است و در محیطهای بیابانی ایزوله، جایی که طوفانهای شن و تغییر الگوهای تپههای شنی به تصویربرداری ماهوارهای آسیب میزنند، انجام میشود. الگوریتم جدید این مشکلات را ندارد و با استفاده از رادار نفوذی مصنوعی، قادر خواهد بود از میان شن و گیاهان عبور کرده و ساختارهای زیرزمینی را شناسایی کند.
یکی از خطوط نازکای جدید
خطوط نازکا، مجموعهای از هندسههای زمیننمای پیشکلمبی در سطح بیابان نازکای جنوبی پرو را نخستین بار باستانشناس پرویی، توریبیس ماجیا زسپی در سال ۱۹۲۷ کشف کرد. از آن زمان، بررسیهای هوایی منجر به شناسایی ۴۳۰ هندسه زمیننما شده، اما اندازه وسیع بیابان (کم و بیش ۴۵۳ متر مربع) نظارت دستی را دشوار میکند.
برای مقابله با این چالش، پژوهشگران دانشگاه یاماگاتا، مرکز تحقیقاتی IBM توماس جِی. واتسون و دانشگاه پاریس، یک الگوریتم هوش مصنوعی برای شناسایی هندسههایی که ممکن است با روشهای سنتی قابلشناسایی نباشند، توسعه دادند. نتایج پژوهشهای آنها که اواخر سال ۲۰۲۴ منتشر شد، ۳۰۳ هندسه زمیننما بود که بیشتر آنها تصاویر انساننما و حیواناتی مانند لاما، نهنگهای قاتل و حتی مارهای دو سر بودند.
پروفسور انریکه خیمنز از موسسه زبانشناسی آشوری
حماسه گیلگامش، یک حماسه ۴۰۰۰ ساله که ماجراهای حکمران نامدار اوروک را روایت میکند، ابتدا روی لوحهای میخی از بینالنهرین ثبت شد. برای تولید نسخههای سختافزاری و نرمافزاری که بیشتر ما امروز با آن آشنا هستیم، پژوهشگران باید هر خط از این نوشتههای باستانی را رمزگشایی و مقایسه میکردند. با این حال، بسیاری از بخشهای داستان همچنان در پردهای از رمز و راز باقی مانده است.
برای حل این معماها، پژوهشگران موسسه زبانشناسی آشوری دانشگاه لوئیجی ماکسی میلیان در مونیخ آلمان، الگوریتمی توسعه دادند تا کار رمزگشایی را به عهده گرفته و آن را با شتاب انجام دهد. پروژه آنها که همچنان در حال پیشرفت است، فرَگمِنتاریوم نام دارد و تاکنون چندین بخش به داستان افزوده شده، از جمله صحنهای که در آن اِنکیدو، دوست گیلگامش او را از کشتن هامبابا، نگهبان جنگل سرو منصرف میکند.
نقش برجسته کمعمق از سرهای زنانه، همانطور که در نمای خارجی معبد بودایی بوروبودور دیده میشود، قرن ۸ تا ۹ میلادی
سال ۲۰۲۴، تیمی از محققان دانشگاه ریتسومیکان ژاپن و دانشگاه علم و فناوری پکن شبکهای عصبی توسعه دادند تا عکسی از یک نقشبرجسته سنگی قرنها قدیمی که در معبد بوروبودور در اندونزی واقع شده را بزرگنمایی کنند.
این عکس ۱۳۴ سال پیش در جریان پروژه بازسازی گرفته شد. به این دلیل که محافظان حین بازسازی نقشبرجسته را پوشاندند، این عکس تنها تصویر شناختهشده از نقشبرجسته است. به دلیل کیفیت پایین عکاسی قرن نوزدهم، شناسایی این تصویر سیاهوسفید دشوار بود و برای پژوهشگران هنر آسیای شرقی بیفایده به نظر میرسید. هوش مصنوعی از «شناسایی لبه نرم» برای شناسایی تغییرات کوچک در انحنا استفاده کرد تا دقت تصویر را افزایش دهد و تصویر دوبعدی را به مدل سهبعدی با دقت بالا تبدیل کند.
اسکن اشعه ایکس از بخشی از طومار پاپیروس PHerc. ۱۷۲.
ماه مارس ۲۰۲۳، استاد علوم کامپیوتر دانشگاه کنتاکی، برِنت سیلز با مدیرعاملGitHub، نَت فریدمن برای راهاندازی چالش وزوو همکاری کردند: یک مسابقه عمومی برای بازسازی مجموعهای از طومارهای باستانی که در جریان فوران کوه وزوو در سال ۷۹ میلادی آسیب دیده بودند. حدود یک سال بعد، جایزه بزرگ این چالش به سه نفر اول که توانستند قطعات قابلخواندن طومارها را شناسایی کنند، اهدا شد.
شرکتکنندگان که همه دانشآموز بودند از هوش مصنوعی و ابزارهای بینایی کامپیوتری برای باز کردن مجازی طومارهای شکننده و شناسایی آثار جوهر استفاده کردند. پس از بررسی دقیقتر، به نظر میرسید بخشهای نیمه-رمزگشاییشده بخشی از یک رساله فلسفی درباره لذتهای موسیقی و غذا باشند.
تکههای استخوانی که رازهای آتش باستانی را در خود دارند
شواهد مربوط به آتش میتوانند به روشن شدن روند تکامل تمدنهای ماقبلتاریخی کمک کنند. با این حال، یافتن ردپاهای آتش بهویژه آتشهایی که صدها هزار سال پیش افروخته شدهاند، با چشم غیرمسلح بسیار دشوار است.
برای غلبه بر این چالش، فیلیپه ناتالیو، باستانشناس، یک برنامه هوش مصنوعی طراحی کرده که با استفاده از نور فرابنفش، ابزارهای سنگ چخماق کشفشده در دهه ۱۹۷۰ از معدن اورون در شمالغربی فلسطین را بررسی میکند. این روش به ناتالیو و تیمش امکان داد تشخیص دهند محلی که این ابزارها از آن به دست آمده، باید بین ۸۰۰ هزار تا یک میلیون سال پیش سکونتگاه انسان بوده باشد.