Συνήθως στο άκουσμα της φράσης «Τεχνητή Νοημοσύνη» αυτό που έρχεται στο μυαλό είναι κλάδοι τεχνολογικοί και εφαρμογές που φαίνονται περίπλοκες ή δυσνόητες. Ωστόσο, καθώς πρόκειται για μια τεχνολογία που εξελίσσεται διαρκώς, που εκπαιδεύεται και μαθαίνει γρήγορα, ανάλογα με τα δεδομένα που την «ταΐζουν» οι δημιουργοί της, σιγά σιγά αποκαλύπτεται το εύρος των δυνατοτήτων της.
Ένα χαρακτηριστικό παράδειγμα αποτελεί το εργαλείο της Ithaca, ενός μοντέλου μηχανικής μάθησης που δημιούργησε η DeepMind, το οποίο χρησιμοποιείται στην αποκατάσταση αρχαιοελληνικών κειμένων.
Τα αρχικά κείμενα από τα οποία παίρνουμε τα αρχαία κείμενα είναι τις περισσότερες φορές κατεστραμμένα από τον χρόνο, με τμήματά τους να λείπουν, γεγονός που καθιστά δύσκολη τη σωστή χρονολόγηση και αποκατάστασή τους, με τρόπο όσο πιστότερο γίνεται στο πρωτότυπο. Η διεπιστημονική προσέγγιση της κλασικής φιλολογίας απαιτεί πολύ χρόνο και διέρχεται μεθόδους που προσπαθούν να είναι όσο πιο αποτελεσματικές και αντικειμενικές γίνεται, ώστε να αποκαλυφθεί η αληθινή φύση ενός κειμένου· πρόκειται για ένα αποσπασματικά σωσμένο χαμένο αριστούργημα της αρχαιοελληνικκής γραμματείας ή για λογιστική καταγραφή μιας επιχείρησης;
Διαβάστε ακόμα: Έρευνα | Οι Έλληνες και η Τεχνητή Νοημοσύνη
To εργαλείο τεχνητής νοημοσύνης της Ithaca δεν έρχεται να δώσει τη λύση, κάνοντας τη δουλειά των φιλολόγων, αλλά να τους εξοπλίσει με ένα αξιόπιστο εργαλείο που θα τους διευκολύνει, θα τους βοηθήσει να κερδίσουν χρόνο και να ανακαλύψουν λεπτομέρειες που ίσως τους διέφευγαν.
Σε δημοσίευση που έγινε στην επιθεώρηση Nature, παρουσιάζεται ένα παράδειγμα χρήσης του εργαλείου αυτού και της αποτελεσματικότητάς του, πάνω σε ένα κείμενο προερχόμενο από την κλασική Αθήνα. Οι ερευνητές είχαν χρονολογήσει το χειρόγραφο στο 445 π.Χ., αλλά η Ithaca με τις αναλύσεις που έκανε το τοποθέτησε περίπου στο 420 π.Χ. Όσο για το ίδιο το κείμενο, οι ερευνητές είχαν πετύχει στις πρώτες τους προσπάθειες να το αποκατατήσουν σωστά κατά 25%, κάτι που σημαίνει ότι θα είχαν πολύ δρόμο και κόπο μπροστά τους για να πετύχουν καλύτερο αποτέλεσμα. Όταν όμως χρησιμοποίησαν το εργαλείο της Ithaca, σύντομα έφτασαν το 72%.
Το ενδιαφέρον εδώ δεν είναι μονο το γεγονός ότι ένα τέτοιο προηγμένο τεχνολογικό εργαλείο χρησιμοποιείται σε μια ανθρωπιστική επιστήμη, αλλά ο τρόπος που γίνεται: η Τεχνητή Νοημοσύνη επιταχύνει τη διαδικασία της έρευνας, εφιστά την προσοχή σε δεδομένα και λεπτομέρειες που οι επιστήμονες μπορεί να μην έχουν δει, συγκεντρώνει εν ολίγοις τα δεδομένα που χρειάζονται οι άνθρωποι για να εξελίξουν την έρευνά τους και να πάρουν τις σωστές αποφάσεις.
Η χρησιμότητα ενός τέτοιου εργαλείου θα μπορούσε, για παράδειγμα, να αποδειχθεί εξίσου στην ιατρική, όπου στην ανάγνωση συμπτωμάτων και δεδομένων, η Τεχητή Νοημοσύνη θα μπορούσε να εντοπίσει πιο γρήγορα κάποια σημαντική λεπτομέρεια ή ανωμαλία. Από κει και πέρα, η ανθρώπινη εξειδίκευση είναι που θα αποφασίσει για τη λύση και τα επόμενα βήματα.
Η Ithaca, που στόχος είναι να εκπαιδευτεί και σε άλλες αρχαίες γλώσσες για ανάλογη χρήση, είναι η απόδειξη του πόσο μεγάλες προοπτικές έχει η μηχανική μάθηση και πόσα μπορεί να προσφέρει στις ανθρωπιστικές επιστήμες. Χάρη σε αυτές τις προοπτικές και προκειμένου να αξιοποιηθούν, ένας νέος διεπιστημονικός τομέας φαίνεται ότι αρχίζει να αναπτύσσεται, με τους επιστήμονές του να εκπαιδεύονται ώστε να κατανοούν και να δρουν τόσο στο πεδίο των θεωρητικών επιστημών του ανθρωπιστικού πεδίου, όσο και στον χώρο των εφαρμογών και των μεθόδων της Τεχνητής Νοημοσύνης.
Προς το παρόν, πάντως, μπορεί κανείς στο site της Ithaca της DeepMind να ξεναγηθεί μέσα από παραδείγματα στη χρήση αυτού του εργαλείου – ή να δοκιμάσει να αποκαταστήσει το σπάνιο χειρόγραφό του.
ή αποκτήστε ετήσια συνδρομή εδώ.
