Risultati sorprendenti sono stati effettuati mediante una tecnica di deep learning nell’ambito del progetto ERC INSCRIBE. Lo studio – avviato da alcuni ricercatori italiani dell’Università di Bologna, cui risultati del lavoro sono stati sulla rivista PLOS ONE (“Unsupervised Deep Learning Supports Reclassification of Bronze Age Cypriot Writing System”) ha così rivelato il contenuto di una lingua cipro-minoica risalente all’età del Bronzo (circa 3.500 anni fa). Ecco come è stato possibile decifrare l’antica lingua morta:
“Le antiche scritture indecifrabili presentano problemi di diversa natura, non solo legati all’identificazione linguistica. L’indecifrabile scrittura cipro-minoica del secondo millennio a.C. Cipro, ad esempio, attualmente non dispone di un inventario dei segni standardizzato e definitivo e, inoltre, stand divisi in tre sottogruppi separati (CM1, CM2, CM3), anch’essi presunto registrare lingue diverse. Tuttavia, questo stato dell’arte non è accettato consensualmente dagli esperti. In questo articolo, miriamo ad applicare un metodo che possa aiutare a fare luce sulla divisione tripartita, per valutare se resiste a un approccio multiforme e multidisciplinare. Ciò comporta considerazioni legate alla paleografia (forme dei segni individuali) e all’epigrafia (stile di scrittura legato al supporto utilizzato) e, soprattutto, strategie basate sul deep learning. Questi metodi automatici, ampiamente adottati in molti campi come la visione artificiale e la linguistica computazionale, ci consentono di guardare da una prospettiva innovativa alle problematiche specifiche presentate dalle scritture antiche e poco conosciute in generale e dal cipro-minoico in particolare” – osservano i ricercatori che, nell’astratto dello studio scientifico – pubblicato online sulla piattaforma scientifica Plos One – aggiungono:
“L’uso di un modello neurale convoluzionale all’avanguardia che non è supervisionato, e quindi non utilizza alcuna conoscenza preliminare della sceneggiatura, è ancora sottorappresentato nello studio dei sistemi di scrittura indecifrabili e aiuta a indagare la divisione tripartita da un punto di vista fresco. Le conclusioni a cui siamo giunti mostrano che: 1. l’uso di diversi media distorce in larga misura l’uniformità delle forme dei segni; 2. l’applicazione di diverse tecniche neurali lo conferma, in quanto evidenziano la vicinanza grafica tra segni inscritti su supporti simili; 3. gli approcci multi-strand si rivelano uno strumento di successo per indagare sui copioni antichi la cui lingua è ancora non identificata. Ancora più cruciale, questi aspetti, insieme, puntano nella stessa direzione, vale a dire la convalida di un’unica scrittura cipro-minoica, piuttosto che l’attuale divisione in tre sottogruppi” – concludono i ricercatori nell’astratto dello studio. La conclusione:
“Nel complesso, l’applicazione di un approccio non supervisionato al CM ha dimostrato che le reti neurali possono essere applicate in modo fruttuoso ad antichi script indecifrabili. In particolare, l’applicazione di Sign2Vec d ha fornito un modo indipendente per testare ipotesi di classificazione dei segni e degli script. Tuttavia, resta il caso che qualsiasi applicazione delle reti neurali a script indecifrabili debba essere sviluppata ad hoc , poiché nessun metodo generale è efficace da solo per raggiungere risultati solidi e convincenti. In futuro, dovrebbero essere studiati altri aspetti di CM, come la sua relazione con la scrittura sillabica lineare A indecifrabile della Creta minoica e la scrittura storicamente sviluppata da essa a Cipro, il sillabario cipro-greco del I millennio a.C.” – concludono i ricercatori.
Fonti:
https://site.unibo.it/inscribe/en/about-1
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0269544
#indecifrabile #scritte #testo #lettere #studio #scienza #scientifico #archeologia #intelligenzaartificiale
