AI giải mã những mảnh giấy cói 2.000 năm tuổi
Mô hình AI Apollo được huấn luyện trên khoảng 600 triệu từ tiếng Hy Lạp lịch sử, giúp các nhà nghiên cứu tìm và phục dựng những phần văn bản bị thất lạc trên giấy cói và văn khắc cổ.
Apollo, mô hình ngôn ngữ lớn do Học viện Khoa học Áo phối hợp với Mistral AI và SAIL Reply phát triển, có thể đề xuất phần chữ bị mất trong các văn bản Hy Lạp cổ. Hệ thống được giới thiệu là mô hình LLM nền tảng đầu tiên dành cho tiếng Hy Lạp cổ.
Các bảo tàng và thư viện trên thế giới đang lưu giữ hơn 1 triệu mảnh giấy cói từ thời cổ đại, bên cạnh hàng trăm nghìn văn bản khắc. Phần lớn trong số này đã hư hỏng, không còn nguyên vẹn hoặc khó đọc. Theo Học viện Khoa học Áo (ÖAW), khoảng 92% giấy cói vẫn chưa được giải đọc. Việc phục dựng những tài liệu này đòi hỏi nhiều thời gian và kiến thức chuyên môn về ngôn ngữ, lịch sử.
Apollo được phát triển để hỗ trợ công việc đó. Đây là dự án hợp tác giữa ÖAW, Mistral AI, SAIL Reply và David Smith từ Đại học Northeastern. Giai đoạn đầu của hệ thống hiện được cung cấp cho cộng đồng khoa học và công chúng.
AI tìm phần chữ bị mất
Apollo có khả năng đề xuất nội dung cho những phần bị thiếu trong một văn bản. Nhà nghiên cứu chỉ cần đưa đoạn văn bản chưa hoàn chỉnh vào giao diện, sau đó hệ thống tạo ra các phương án để người dùng kiểm tra và xác minh.
Mô hình được huấn luyện trên khoảng 600 triệu từ tiếng Hy Lạp. Con số này nhỏ hơn đáng kể so với dữ liệu thường được sử dụng để huấn luyện các mô hình ngôn ngữ lớn nói chung, nhưng Apollo vẫn đạt độ chính xác khoảng 80% khi phục dựng những đoạn văn bị che có chủ ý trong các văn bản gốc trên giấy cói.
Trong một nghiên cứu mù với sự tham gia của các chuyên gia quốc tế, những phần phục dựng của Apollo được đánh giá ít nhất tương đương phương án do con người tạo ra trong 77% trường hợp. Ở 16-20% trường hợp, các chuyên gia đánh giá phương án của AI tốt hơn phương án do con người đưa ra.
Nhận biết nhiều dạng tiếng Hy Lạp cổ
Apollo không xử lý tiếng Hy Lạp cổ như một ngôn ngữ thống nhất. Hệ thống có thể dựa vào cấu trúc câu và từ vựng để nhận biết những giai đoạn, dạng thức ngôn ngữ khác nhau rồi lựa chọn cách phục dựng phù hợp.
Theo Anna Dolganov, nhà nghiên cứu tại Viện Khảo cổ Áo thuộc ÖAW và là người đứng sau dự án, Apollo có thể nhận biết một đoạn văn thuộc Odyssey của Homer và phục dựng phần còn thiếu theo đúng dạng ngôn ngữ tương ứng.
Trong lần giới thiệu đầu tiên, nhóm nghiên cứu đưa ra ba ví dụ từ các tài liệu lịch sử. Apollo đã phục dựng một giấy khai sinh bằng tiếng Hy Lạp thời La Mã, làm rõ những phần quan trọng trong một văn bản triết học bị than hóa do vụ phun trào núi lửa Vesuvius và phục dựng một văn khắc chưa hoàn chỉnh từ khu vực Biển Đen. Trường hợp cuối cung cấp bằng chứng cho thấy luật La Mã từng được áp dụng tại khu vực này, phù hợp với một tài liệu liên quan đến thuế mại dâm thời La Mã.
Từ những mảnh giấy cói đến lịch sử đời thường
Nhóm phát triển cho rằng việc xử lý hàng loạt tài liệu bằng AI có thể giúp các nhà nghiên cứu tìm thêm dữ liệu về đời sống xã hội và kinh tế thời cổ đại.
Những thông tin này không nhất thiết đến từ các tác phẩm văn học nổi tiếng. Các tài liệu như biên lai thuế, giấy tờ hành chính hay những văn bản chưa từng được công bố có thể chứa các chi tiết giúp bổ sung hiểu biết về đời sống của người cổ đại.
Tuy nhiên, Apollo không được thiết kế để thay thế các chuyên gia. Các phương án do hệ thống đưa ra vẫn cần được nhà nghiên cứu xem xét trong bối cảnh lịch sử và ngôn ngữ trước khi sử dụng. Theo Dolganov, AI có thể đưa ra những cách phục dựng mà một nhà nghiên cứu có thể chưa nghĩ tới hoặc phải mất nhiều thời gian mới tìm được.
Sau tiếng Hy Lạp là tiếng Latin
Nhóm phát triển đang tiếp tục mở rộng Apollo. Các phiên bản tiếp theo dự kiến có thể vừa giải đọc vừa phục dựng những mảnh giấy cói hiện chưa thể đọc được. Hệ thống cũng được phát triển để tìm kiếm theo chủ đề và ngữ nghĩa trên toàn bộ kho văn bản Hy Lạp, đồng thời tìm các đoạn văn tương đồng nhằm cung cấp thêm ngữ cảnh cho những đề xuất phục dựng.
Bước tiếp theo là tiếng Latin. Theo ÖAW, khoảng 12 tỉ từ sẽ được sử dụng làm dữ liệu cho quá trình phát triển phiên bản này.
Tên Apollo được lấy theo vị thần Hy Lạp cổ đại gắn với nghệ thuật và khoa học. ÖAW cho biết dự án được tài trợ khoảng 400.000 euro, thuộc sở hữu của Học viện Khoa học Áo và được cung cấp dưới dạng ứng dụng truy cập mở.
