AI rozwiązuje tajemnice Watykanu

Tajne Archiwa Watykanu to legenda. Podobno zajmują około 85 kilometrów półek w Watykanie, zawierają prywatne listy i inne dokumenty byłych papieży, niektóre z nich pochodzą z VIII wieku.

Archiwa są pilnie strzeżone. Jednak od 1881 r. uczeni mieli ograniczony dostęp do niektórych dokumentów, a nawet to wiele ujawniło.

Na przykład 60-metrowy zwój opisujący próby templariuszy, które rozpoczęły się w 1307 roku i trwały kilka lat. Są listy od Michała Anioła do różnych papieży; od Henryka VIII z prośbą o unieważnienie małżeństwa; i od Maryi, Królowej Szkotów, błagającej o wstawiennictwo przed jej ścięciem.

Archiwa zawierają także nowszą korespondencję, taką jak listy od Abrahama Lincolna i Jeffersona Davisa, które próbują przekonać papieża Piusa IX do faworyzowania, odpowiednio, Unii i Konfederacji. Są też zapisy dotyczące papieża Piusa XII i jego stosunków z reżimem nazistowskim podczas II wojny światowej, które nigdy nie zostały opublikowane. Rzeczywiście, wszystkie zapisy od 1939 r. są całkowicie tajne.

Wprawdzie publikacja akt jest zabroniona, ale archiwa posiadają własne pracownie fotograficzne i konserwatorskie. I podobnie jak wiele archiwów historycznych na całym świecie, zaczęli zapisywać obrazy niektórych dokumentów, aby je zachować i umożliwić dalsze badania.

Ale akta Watykanu są tak obszerne, że ręczne ich przepisywanie jest niepraktyczne w jakimkolwiek rozsądnym czasie. Czy widzenie maszynowe może pomóc?

Dziś otrzymujemy odpowiedź dzięki pracy Donatelli Firmani z Uniwersytetu Roma Tre we Włoszech i kilku współpracownikom. Ci ludzie rozpoczęli projekt o nazwie W stosunku kodowym (łac. The Code System), którego celem jest automatyczna transkrypcja części Tajnych Archiwów Watykańskich zwanych Rejestrami Watykańskimi.

Korpus ten zawiera ponad 18 000 stron oficjalnej XIII-wiecznej korespondencji między Kościołem katolickim a królami, królowymi oraz instytucjami politycznymi i religijnymi w całej Europie. Dokumenty te, które nigdy nie były transkrybowane w przeszłości, mają bezprecedensowe znaczenie historyczne, mówią Firmani i spółka.

Teksty średniowieczne stanowią wyjątkowy problem dla widzenia maszynowego. Konwencjonalne algorytmy optycznego rozpoznawania znaków nie działają dobrze, ponieważ rękopisy są pisane różnymi stylami, z różnymi ligaturami (znakami, które łączą sąsiednie litery) i idiosynkratycznymi skrótami.

Aby obejść ten problem, naukowcy opracowali systemy widzenia maszynowego, które rozpoznają całe słowa, a nie litery. Nie jest to jednak zadowalające, ponieważ większość słów pojawia się tylko kilka razy, nawet w długich dokumentach. Dlatego tworzenie zestawów danych, z których komputery mogą się uczyć, jest trudne.

Teraz Firmani i spółka wymyślili nowy sposób trenowania systemu optycznego rozpoznawania znaków, który dzieli każde słowo na serię pociągnięć, które pasują do siebie jak puzzle. Naszym celem jest opracowanie pełnoprawnego systemu, który jak najwięcej transkrypcji z rękopisów - mówią.

Po podzieleniu każdego słowa na obrysy, system próbuje dopasować je do siebie, tworząc znane litery, a następnie analizuje wszystkie potencjalne kombinacje liter. Wreszcie wyklucza wszystkie te, które są niegramatyczne.

Na przykład, typowy wzór kresek może być interpretowany jako iii lub jako m, ale ten pierwszy można wykluczyć jako gramatycznie niedopuszczalny. Te same kreski mogą również reprezentować in lub ni, a aby zdecydować między nimi, system musi dokładniej przestudiować słowo i jego kontekst.

Pierwszym krokiem Firmani and co było stworzenie zestawu danych do trenowania systemu widzenia maszynowego opartego na sieci neuronowej. Ten zestaw danych musi być oznaczony, aby system mógł dowiedzieć się, jakie litery są reprezentowane przez różne kombinacje pociągnięć.

Firmani i wsp. wykorzystali crowdsourcing, aby uzupełnić tę adnotację. Przedstawili segmentację słów w układance jako problem z rozpoznawaniem wzorców 120 uczniom szkół średnich, podobnie jak puzzle Captcha. Uczniowie wspólnie ręcznie oznaczyli 15 000 znaków w zestawie danych treningowych w ciągu kilku godzin.

Wyniki są imponujące. Udało nam się wygenerować dokładną transkrypcję dla 65 procent obrazów słownych naszego zbioru danych, powiedzmy Firmani i spółka.

To ważny krok naprzód dla transkrypcji tekstów średniowiecznych i ogólnie dla historyków. Jednak przed nami jeszcze więcej pracy. Na przykład transkrypcja działa z małymi literami, więc ważnym następnym celem jest rozszerzenie słownictwa o duże litery i niektóre z wielu skrótów używanych w tekście średniowiecznym.

To, w jaki sposób Tajne Archiwa Watykanu wykorzysta tę technologię, nie jest jeszcze jasne. Nie wiadomo też, czy Księgi Watykańskie zostaną opublikowane podczas ich transkrypcji.

Ale nawet jeśli tak nie jest, narzędzia, które opracowują Firmani i spółka, powinny umożliwiać naukowcom postęp. Umożliwiają na przykład oparte na danych badanie dokumentów historycznych, które mogą na przykład przyjrzeć się częstości występowania słów lub fraz oraz ich zmianom w czasie. To może dostarczyć ważnych informacji kulturowych.

To będzie fascynujące zobaczyć, czy Watykan zdecyduje się podzielić tą wiedzą – czy ją ukryć.

Nr ref.: arxiv.org/abs/1803.03200 : W kierunku odkrywania wiedzy z Tajnych Archiwów Watykańskich. W Codice Ratio – Odcinek 1: Maszynowa transkrypcja rękopisów.

ukryć