Curation of a Palaeohispanic Dataset for Machine Learning
تتناول هذه الورقة ندرة الموارد المناسبة لدراسة لغات شبه الجزيرة الإيبيرية القديمة (Palaeohispanic) من خلال بناء مجموعة بيانات مهيكلة مصممة خصيصاً لتمكين تطبيق تقنيات تعلم الآلة في هذا المجال الذي لم ينل حقه من البحث.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك علية ضخمة ومتربة مليئة بآلاف الرسائل القديمة المكتوبة بلغة لم يعد يتحدث بها أحد. هذه الرسائل مبعثرة في جميع أنحاء إسبانيا وفرنسا، منحوتة في الحجر، أو مرسومة على الفخار، أو محفورة في المعدن. إنها تروي قصص أشخاص عاشوا قبل أكثر من 2000 عام، لكن الحروف غير مرتبة: بعضها مكسور، وبعضها مكتوب بشكل معكوس، وبعض الحبر باهت.
هذا هو عالم اللغات الإيبيرية القديمة (Palaeohispanic languages) — تلك اللغات القديمة التي كانت تُتحدث في شبه الجزيرة الإيبيرية قبل وصول الرومان. لعقود من الزمن، كان المؤرخون وعلماء اللغويات هم "المحققون" الذين يحاولون حل لغز هذه الحروف. لقد قاموا بعمل رائع، لكنهم كانوا يعملون في الغالب باستخدام ملاحظات ورقية وجداول بيانات يصعب على الحواسيب قراءتها.
المشكلة: مكتبة بلغة أجنبية
تخيل البيانات الموجودة حالياً مثل مكتبة حيث كل كتاب مكتوب بخط يد مختلف، وبعض الصفحات ممزقة، والكتب مكدسة في كومة فوضوية. إذا أردت استخدام روبوت فائق الذكاء (ذكاء اصطناعي) لقراءة هذه الكتب وإيجاد الأنماط، فسوف يرتبك الروبوت. فهو لا يستطيع فهم "الملاحظات المكتوبة بخط اليد" أو "الكومات الفوضوية". إنه يحتاج إلى قائمة منظمة من الأرقام وفئات واضحة.
الحل: مشروع التنظيم العظيم
يتحدث هذا البحث عن فريق من الباحثين الذين قرروا بناء جسر رقمي بين هذه الأطلال القديمة وعلوم الحاسوب الحديثة. لم يكتفوا بمجرد مسح الحروف ضوئياً؛ بل قاموا بتنظيف وفرز وترجمة المعلومات إلى تنسيق يمكن لتعلم الآلة (الذكاء الاصطناعي) استخدامه بالفعل.
إليك كيف فعلوا ذلك، باستخدام بعض التشبيهات من الحياة اليومية:
1. جمع الأدلة (جمع البيانات)
بدأ الفريق بـ "بنك بيانات هيسپيريا" (Hesperia Data Bank)، وهو يشبه أرشيف متحف مركزي ضخم. كان يحتوي على آلاف السجلات، لكنها كانت فوضوية.
- المصفاة: كان عليهم تجاهل الرسائل "المزيفة" (المزورة) والتركيز فقط على الرسائل الحقيقية.
- الهدف: أرادوا تحويل كتالوج المتحف المغبر إلى جدول بيانات رقمي نظيف.
2. تنظيف الفوضى (تحويل البيانات)
هذا هو الجزء الأصعب. تخيل أن لديك قائمة عناوين تقول: "المنزل الكبير بالقرب من النهر في البلدة الزرقاء". الحاسوب لا يعرف معنى هذا الكلام. كان على الباحثين ترجمة هذا إلى إحداثيات نظام تحديد المواقع العالمي (خطوط الطول والعرض).
- الموقع: بدلاً من كتابة "فالنسيا"، قاموا بتحويلها إلى أرقام مثل
39.48و-0.38. هذا يسمح للذكاء الاصطناعي بفهم أن مدينتين قريبتان من بعضهما البعض، تماماً كما يفعل تطبيق الخرائط. - الزمن: كانت التواريخ مكتوبة بعبارات مثل "بداية القرن الثالث قبل الميلاد". قام الفريق بتحويلها إلى نطاقات رياضية (على سبيل المثال: "بين -300 و -200") حتى يتمكن الحاسوب من حساب الفجوات الزمنية.
- النص: كانت النقوش القديمة تحتوي على الكثير من "الضجيج" — ملاحظات العلماء، وحروف مفقودة موضوعة بين أقواس، ورموز غريبة. قام الفريق بإنشاء "روبوت تنظيف" يقوم بإزالة ملاحظات العلماء وإصلاح الحروف المكسورة، تاركاً النص القديم الخام فقط.
3. النتيجة: أداة جديدة للمسافرين عبر الزمن
النتيجة النهائية هي مجموعة بيانات (جدول رقمي ضخم) يحتوي على 1,751 مدخلاً.
- قبل: كان على المؤرخ قراءة ملف PDF، وتخمين التاريخ، وكتابة الموقع يدوياً في خريطة.
- الآن: يمكن للحاسوب النظر فوراً في 1,751 مدخلاً، ورؤية الأنماط في كيفية كتابة الكلمات، وتخمين مصدر النص بناءً على موقعه، أو حتى محاولة ترجمة كلمة لم يسبق له رؤيتها من قبل.
لماذا يهم هذا الأمر؟
فكر في مجموعة البيانات هذه كأنها إعطاء نظارات لروبوت كفيف.
- قبل: كان الروبوت أعمى تجاه هذه اللغات القديمة. لم يكن بإمكانه التعلم منها لأن البيانات كانت فوضوية للغاية.
- الآن: يمكن للروبوت "رؤية" الأنماط. قد يكتشف أن نوعاً معيناً من الفخار يحمل دائماً نوعاً معيناً من الكتابة، أو أن كلمة معينة تظهر غالباً في الشمال أكثر من الجنوب.
هذا لا يعني أن اللغات قد حُلّت بالكامل بعد. الأمر يشبه العثدات خريطة منظمة تماماً لمستكشف. لا يزال على المستكشف (الذكاء الاصطناعي) اكتشاف المنطقة، لكن لديهم الآن أفضل الأدوات الممكنة للقيام بذلك.
باخت اختصار: لقد أخذ المؤلفون كومة فوضوية من الرسائل القديمة والمكسورة وحولوها إلى دليل تعليمات مرتب وصديق للحاسوب. هذا يفتح الباب أمام الذكاء الاصطناعي للمساعدة في فهم أصوات الأشخاص الذين عاشوا قبل 2000 عام أخيراً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.