۶ راز باستانی که «هوش مصنوعی» به حل آنها پشتیبانی کرد_صبح سریع

این روزها زیاد تر مردم هوش مصنوعی را با مدل‌های زبانی همانند  چت‌جی‌پی‌تی (ChatGPT)  می‌شناسند. با این حال، یادگیری ماشینی چیزی بیشتر از تشکیل متن است. در عرصه‌های باستان‌شناسی و زبان‌شناسی از هوش مصنوعی برای تحلیل داده‌هایی منفعت گیری می‌شود که انسان‌ها قادر به پردازش آن‌ها نیستند. 

در نتیجه در چند سال تازه ناظر پیشرفت‌های بی‌سابقه بسیاری بوده‌ایم، از ابزارهای مبتنی بر هوش مصنوعی که طومارهای باستانی صدمه‌دیده از فوران کوه وزوو را باز کرده و می‌خوانند تا الگوریتم‌هایی که به جستوجو هندسه‌های زمین‌نما در بیابان گسترده نازکا در پرو می‌گردند، فناوری‌های نوین به حل برخی معماهای پیچیده تاریخ بشر پشتیبانی کرده‌اند.

در حالی که برخی متخصصان هشدار خواهند داد وابستگی بیشتر از حد به هوش مصنوعی می‌تواند به نتایج غیرقابل‌مطمعن منجر شود، دیگران یادگیری ماشینی را ابزار مفیدی می‌دانند که می‌تواند کمبودهای مغز انسان را جبران کند. در ادامه مثالهای برجسته از پتانسیل علمی هوش مصنوعی را می‌خوانید:

سال ۲۰۲۴، تیمی از محققان دانشگاه خلیفه ابوظبی یک الگوریتم هوش مصنوعی گسترش دادند که می‌توانست  بیابان ربع الخالی ؛ بیابان ۲۵۰.۰۰۰ مایل مربعی در شبه‌جزیره عربستان را در جستجوی مکان‌های احتمالی حفاری بازدید کند. روشن شد که یکی از معروف‌ترین مکان‌های بیابان به نام  ساروق الحدید  در دوران مس سنگی مسکونی بوده است. 

الگوریتم پیشنهادی، جانشین مناسبی برای نظرسنجی‌های زمینی سنتی است که هزینه‌بر و دشوار است و در محیط‌های بیابانی ایزوله، جایی که طوفان‌های شن و تحول الگوهای تپه‌های شنی به تصویربرداری ماهواره‌ای صدمه می‌زنند، انجام می‌شود. الگوریتم تازه این مشکلات را ندارد و با منفعت گیری از رادار نفوذی مصنوعی، قادر خواهد می بود از بین شن و گیاهان عبور کرده و ساختارهای زیرزمینی را شناسایی کند. 

یکی از خطوط نازکای تازه

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، بازدید‌های هوایی تبدیل شناسایی ۴۳۰ هندسه زمین‌نما شده، اما اندازه گسترده 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 امکان پذیر با راه حلهای سنتی قابل‌شناسایی نباشند، گسترش دادند. نتایج پژوهش‌های آن‌ها که اواخر سال ۲۰۲۴ انتشار شد، ۳۰۳ هندسه زمین‌نما می بود که زیاد تر آن‌ها تصاویر انسان‌نما و حیواناتی همانند 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 تشکیل نسخه‌های سخت‌افزاری و نرم‌افزاری که زیاد تر ما امروز با آن آشنا هستیم، پژوهشگران باید هر خط از این نوشته‌های باستانی را رمزگشایی و قیاس می‌کردند. با این حال، تعداد بسیاری از قسمت‌های داستان هم چنان 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 گسترش دادند تا کار رمزگشایی را به مسئولیت گرفته و آن را با شتاب انجام دهد. پروژه آن‌ها که هم چنان در حال پیشرفت است،  فرَگمِنتاریوم  نام دارد و تا بحال چندین قسمت 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، همان گونه 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 گسترش 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 علت که محافظان میانه بازسازی نقش‌برجسته را پوشاندند، این عکس تنها عکس شناخته‌شده از نقش‌برجسته است. به علت کیفیت پایین عکاسی قرن نوزدهم، شناسایی این عکس سیاه‌وسفید دشوار می بود و برای پژوهشگران هنر آسیای شرقی بی‌منفعت به نظر می‌رسید. هوش مصنوعی از «شناسایی لبه نرم» برای شناسایی تغییرات کوچک در انحنا منفعت گیری کرد تا دقت عکس را افزایش دهد و عکس 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 صدمه دیده بودند. نزدیک به یک سال سپس، 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 منفعت گیری کردند. بعد از بازدید دقیق‌تر، به نظر می‌رسید قسمت‌های نیمه-رمزگشایی‌شده بخشی از یک رساله فلسفی درمورد لذت‌های موسیقی و غذا باشند.

تکه‌های استخوانی که رازهای آتش باستانی را در خود دارند

شواهد مربوط به آتش می‌توانند به روشن شدن روال تکامل تمدن‌های ماقبل‌تاریخی پشتیبانی کنند. با این حال، یافتن ردپاهای آتش به‌اختصاصی آتش‌هایی که صدها هزار سال پیش افروخته شده‌اند، با چشم غیرمسلح زیاد دشوار است. 

برای تسلط بر این چالش، فیلیپه ناتالیو، باستان‌شناس، یک برنامه هوش مصنوعی طراحی کرده که با منفعت گیری از نور فرابنفش، ابزارهای سنگ چخماق کشف‌شده در دهه ۱۹۷۰ از معدن اورون در شمال‌غربی فلسطین را بازدید 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.