Decifrare lingue ancora sconosciute grazie all’intelligenza artificiale
Un gruppo di ricerca dell’Università di Bologna ha testato con successo un sistema di deep learning su una scrittura di Cipro risalente a circa 3.500 anni fa.
L’intelligenza artificiale corre verso il passato. Potremmo riassumere così il lavoro svolto da un gruppo di ricerca dell’Università di Bologna guidato da Silvia Ferrara, professoressa al Dipartimento di Filologia Classica e Italianistica dell’Alma Mater Studiorum, con la collaborazione di Michele Corazza, Fabio Tamburini e Miguel Valério. Per la prima volta è stato infatti utilizzato un sistema di deep learning per decifrare una scrittura antica, il cipro-minoico, risalente a circa 3.500 anni fa.
Nel corso del tempo gli studiosi non hanno mai trovato un accordo sul numero di segni che compongono la lingua, diffusa sull’isola di Cipro nella tarda Età del bronzo (3400 a.C. – 600 a.C. circa), ma per Silvia Ferrara, i risultati ottenuti “supportano decisamente l’ipotesi che questi sottogruppi siano composti da varianti legati ai diversi supporti sui quali i segni venivano inscritti”.
Lo studio, che fa parte del progetto ERC INSCRIBE, è stato realizzato con tecniche di apprendimento senza supervisione, nel quale il modello sviluppa ipotesi e conclusioni senza conoscenze pregresse sulla lingua e sui segni da analizzare. È nato così Sign2Vecd, modello ad hoc che può delineare rappresentazioni vettoriali sia per scandagliare e catalogare i diversi segni del cipro-minoico ma anche intere sequenze di segni. Grazie a questo lavoro è possibile così individuare anche eventuali errori nella trascrizione dei segni e relazioni fra essi.
Come sottolinea Ferrara, “il sistema che abbiamo messo a punto ci ha permesso di separare i segni tracciati su tavolette di argilla dagli altri. In questo modo abbiamo potuto tracciare delle corrispondenze tra i segni presenti su supporti come sfere di argilla e oggetti di metallo e quelli presenti sulle tavolette d’argilla: siamo così riusciti a ricostruire quasi il 70% di corrispondenze tra segni che finora erano solo stati ipotizzati come possibili varianti”.
Lo studio è stato pubblicato sulla rivista PLOS ONE con il titolo “Unsupervised Deep Learning Supports Reclassification of Bronze Age Cypriot Writing System”.
