Google DeepMind uczy Gemini rozmawiać ze starożytnością

Historycy zajmujący się starożytnym Rzymem i Grecją dostali narzędzie, które do tej pory wymagało zespołu badaczy, miesięcy pracy i inżyniera baz danych. Google DeepMind wspólnie z Uniwersytetem w Durham uruchomił funkcję Predicting the Past w systemie Antigravity, która pozwala jedną rozmową w naturalnym języku uzyskać odpowiedzi wymagające wcześniej ręcznego przeszukiwania tysięcy zapisów epigraficznych.

Do tej pory analiza fragmentarycznych inskrypcji polegała na ręcznym porównywaniu tekstu z tysiącami innych zapisów, żeby znaleźć językowe i historyczne paralele. Taka praca zajmowała epigrafom tygodnie, a czasem miesiące, i wymagała dostępu do rozproszonych baz danych prowadzonych przez różne instytucje w Europie.

Jak działa narzędzie

Predicting the Past nie generuje odpowiedzi z pamięci modelu językowego. Gemini zostaje w tym przypadku "zakotwiczony" w wynikach dwóch wyspecjalizowanych modeli, Aeneas i Ithaca, które od lat trenowano wyłącznie na korpusach starożytnych napisów. Dzięki temu historyk może zadać pytanie w stylu rozmowy z kolegą po fachu, a system odtworzy brakujące fragmenty tekstu, oszacuje miejsce i czas powstania inskrypcji oraz wskaże wzorce powtarzające się w setkach podobnych zapisów.

Wynikiem takiej konwersacji bywa gotowa wizualizacja, na przykład mapa rozprzestrzeniania się konkretnej formuły wotywnej w danej prowincji, przygotowana w kilka minut zamiast tygodni pracy zespołu.

Skąd biorą się dane

Modele trenowano na danych z otwartych baz epigraficznych: Epigraphic Database Roma, Epigraphic Database Heidelberg oraz repozytorium EDCS, udostępnianych na licencjach Creative Commons. To właśnie te bazy od dekad gromadzą transkrypcje i zdjęcia inskrypcji z całego obszaru dawnego Cesarstwa Rzymskiego oraz greckiego świata starożytnego.

Aeneas, model przypisujący i odtwarzający teksty łacińskie, rozwinął wcześniejszy projekt Ithaca, skupiony na inskrypcjach greckich. W nowej funkcji oba modele pracują razem, a Gemini pełni rolę warstwy konwersacyjnej, która tłumaczy techniczne wyniki modeli na zrozumiały dla badacza język i pozwala zadawać pytania łączące źródła z różnych korpusów.

Testy na prawdziwych zabytkach

Zespół przeprowadził trzy studia przypadków na rzeczywistych obiektach, we współpracy z dr Theą Sommerschield. Wśród testowanych artefaktów znalazły się łacińska tabliczka odnaleziona w Bath w Wielkiej Brytanii, ołtarz z Moguncji w Niemczech oraz mocno zniszczone tabliczki z wyroczni w Dodonie w Grecji, jednego z najstarszych miejsc kultowych starożytnej Grecji.

Wybór akurat tych obiektów nie jest przypadkowy. Wszystkie trzy reprezentują typowe wyzwania epigrafiki: fragmentaryczność tekstu, niepewne datowanie i brak jasnego kontekstu geograficznego, czyli dokładnie te problemy, które Predicting the Past ma pomóc rozwiązywać.

Znaczenie dla nauki

Dla środowiska akademickiego to sygnał, że duże modele językowe zaczynają wchodzić w wąskie, wysoko specjalistyczne nisze badawcze, gdzie liczy się nie tyle ogólna wiedza, ile zdolność do precyzyjnego rozumowania na małych, dobrze zdefiniowanych zbiorach danych. Historycy bez doświadczenia w programowaniu zyskują dostęp do analiz, które wcześniej wymagały angażowania informatyków.

Narzędzie jest dostępne dla badaczy przez stronę antigravity.google w sekcji zastosowań naukowych. Google DeepMind zapowiada rozwijanie kolejnych takich wyspecjalizowanych funkcji w ramach programu badawczego Science Workflows, obejmującego też inne dziedziny poza historią starożytną.

Źródła: AI Tool Helps Historians Converse With Ancient World (miragenews.com), Conversing with antiquity (deepmind.google), Aeneas transforms how historians connect the past (deepmind.google)