The Cretogram Dataset for Isolated Character Recognition in Archaic and Classical Crete

प्राचीन लेखन का अध्ययन अक्सर एक ऐसी किताब को पढ़ने की कोशिश करने जैसा लगता है जिसके पन्ने फाड़ दिए गए हों, जिसकी स्याही फीकी पड़ गई हो, और जिसके अक्षर सदियों के क्षरण से अपना आकार बदल चुके हों। एपिग्राफी (epigraphy) के क्षेत्र में, जो पत्थर पर उकेरे गए या धातु में ढले हुए शिलालेखों के अध्ययन का विज्ञान है, विद्वान इन निशानों को समझने के लिए लंबे समय से अपनी आँखों पर निर्भर रहे हैं। वे एक ग्रीक शहर में उकेरे गए किसी अक्षर के घुमाव की तुलना दूसरे शहर में उकेरे गए उसी अक्षर से करते हैं, ताकि उन सूक्ष्म अंतरों को खोजा जा सके जो यह प्रकट करते हैं कि कोई पत्थर कहाँ बनाया गया था या कब लिखा गया था। क्रीट (Crete) द्वीप के लिए, यह कार्य विशेष रूप से जटिल है। आर्किक (Archaic) और क्लासिकल काल के दौरान, यह द्वीप एक एकल, एकीकृत लेखन संस्कृति नहीं था, बल्कि स्थानीय परंपराओं का एक संग्रह था। प्रत्येक नगर-राज्य ने अपने वर्णमाला को लिखने के तरीके में अपने स्वयं के मामूली बदलाव विकसित किए थे। एक अक्षर जो एक शहर में मानक "A" जैसा दिखता है, वह पड़ोसी घाटी में एक अलग आकार का हो सकता है। ये छोटे बदलाव प्राचीन दुनिया के इतिहास और भूगोल को समझने की कुंजी हैं, लेकिन वे कंप्यूटर के लिए सीखना भी अविश्वसनीय रूप से कठिन हैं, क्योंकि कंप्यूटर को शैली में वास्तविक अंतर और पत्थर के एक साधारण धब्बे या टूटे हुए टुकड़े के बीच अंतर करना होता है।

एरिस्टोटल यूनिवर्सिटी ऑफ थेसालोनिकी के शोधकर्ताओं की एक टीम ने 'क्रीटोग्राम' (Cretogram) नामक एक नया डिजिटल संसाधन बनाकर इस चुनौती का सामना किया है। उनका लक्ष्य कंप्यूटर को इन प्राचीन क्रीट के अक्षरों को अकेले पहचानने के लिए प्रशिक्षित करना था, बिना उन आसपास के शब्दों की सहायता के जो आमतौर पर एक मानव पाठक को संदर्भ प्रदान करते हैं। ऐसा करने के लिए, उन्होंने केवल पुरानी तस्वीरों को स्कैन नहीं किया; बल्कि वे उन विद्वानों के रेखाचित्रों और लिपियों (transcriptions) तक वापस गए जिन्हें विशेषज्ञों ने दशकों तक परिष्कृत किया है। 187 विशिष्ट शिलालेखों से, उन्होंने सावधानीपूर्वक 11,611 व्यक्तिगत वर्णों को निकाला। प्रत्येक वर्ण को साफ किया गया, एक समान आकार में व्यवस्थित किया गया, और उसकी सही पहचान के साथ लेबल किया गया, लेकिन महत्वपूर्ण रूप से, शोधकर्ताओं ने मूल पत्थर के साथ एक डिजिटल लिंक बनाए रखा। यह संबंध अत्यंत महत्वपूर्ण है क्योंकि यह कंप्यूटर को एक यथार्थवादी तरीके से परीक्षण करने की अनुमति देता है: शोधकर्ताओं ने सिस्टम को कुछ शिलालेखों पर प्रशिक्षित किया और फिर इसे पूरी तरह से अलग शिलालेखों से अक्षरों को पहचानने के लिए कहा जिन्हें इसने पहले कभी नहीं देखा था। यह विधि सुनिश्चित करती है कि कंप्यूटर अक्षरों के वास्तविक आकार को सीख रहा है, न कि केवल एक विशिष्ट पत्थर काटने वाले की विशिष्ट शैली को याद कर रहा है।

इस प्रयोग के परिणाम दर्शाते हैं कि आधुनिक कृत्रिम बुद्धिमत्ता वास्तव में इन प्राचीन रूपों में महारत हासिल कर सकती है, हालांकि इसे विशिष्ट बाधाओं का सामना करना पड़ता है। शोधकर्ताओं ने इस समस्या के तीन अलग-अलग दृष्टिकोणों का परीक्षण किया। एक विधि ने पारंपरिक तकनीक का उपयोग किया जो आकृतियों के किनारों और कोणों को देखती है। दूसरी विधि ने एक संक्षिप्त, कस्टम-निर्मित न्यूरल नेटवर्क का उपयोग किया, जो एक प्रकार का कंप्यूटर प्रोग्राम है जिसे मस्तिष्क द्वारा दृश्य पैटर्न को संसाधित करने के तरीके की नकल करने के लिए डिज़ाइन किया गया है। तीसरी विधि ने एक बहुत बड़े, पूर्व-प्रशिक्षित सिस्टम का उपयोग किया जिसने इन प्राचीन अक्षरों के अनुकूल होने से पहले बिल्लियों और कारों जैसी लाखों रोजमर्रा की छवियों को पहचानना पहले से ही सीख लिया था। सबसे बड़े सिस्टम ने सबसे अच्छा प्रदर्शन किया, जिसने लगभग 98 प्रतिशत परीक्षण मामलों में अक्षर को सही ढंग से पहचाना। इसने क्रीट की वर्णमाला के कई स्थानीय विविधताओं के बीच सफलतापूर्वक अंतर किया, यह सिद्ध करते हुए कि एक मशीन उन सूक्ष्म अंतरों को देख सकती है जो इन प्राचीन लेखन परंपराओं को परिभाषित करते हैं।

हालाँकि, अध्ययन ने यह भी उजागर किया कि मशीन कहाँ संघर्ष करती है, जो एक अकेले अक्षर को शून्य में देखने की सीमाओं को रेखांकित करता है। कंप्यूटर अक्सर कुछ अक्षरों के जोड़ों के बीच भ्रमित हो जाता है, जैसे कि एप्सिलॉन (epsilon) और डिगामा (digamma), या गामा (gamma) और लैम्ब्डा (lambda)। इनमें से कई मामलों में, भ्रम सॉफ्टवेयर की विफलता नहीं थी, बल्कि स्वयं स्रोत सामग्री की अस्पष्टता का प्रतिबिंब था। कभी-कभी एक अक्षर एक धुंधले या टूटे हुए स्ट्रोक के साथ उकेरा जाता है, या उसका आकार पूरी तरह से अर्थ बनाने के लिए उसके बगल वाले अक्षरों पर निर्भर करता है। पूर्ण शब्द के संदर्भ के बिना, एक मानव विशेषज्ञ भी संशय में पड़ सकता है। शोधकर्ताओं ने पाया कि जब उन्होंने कंप्यूटर को अपने प्रशिक्षण और परीक्षण दोनों चरणों के दौरान एक ही शिलालेख के अक्षर देखने की अनुमति दी, तो इसके प्रदर्शन में थोड़ा सुधार हुआ। यह सुझाव देता है कि कंप्यूटर एक ही पत्थर काटने वाले की सुसंगत शैली को देखकर लाभान्वित होता है, लेकिन पूरी तरह से नए पत्थर से अक्षर को पहचानने की सख्त परीक्षा सबसे कठिन और सबसे महत्वपूर्ण चुनौती बनी हुई है।

इस कार्य का महत्व स्वयं इसके डेटासेट में निहित है। इन 11,611 छवियों को कोड के साथ अन्य शोधकर्ताओं के लिए उपलब्ध कराकर, लेखकों ने भविष्य के अध्ययनों के लिए एक साझा आधार प्रदान किया है। उन्होंने दिखाया है कि जबकि कंप्यूटर अब इन प्राचीन अक्षरों को उच्च सटीकता के साथ पढ़ सकते हैं, सबसे कठिन मामलों के लिए उस ऐतिहासिक संदर्भ की आवश्यकता होती है जो केवल एक मानव विद्वान ही प्रदान कर सकता है। यह परियोजना प्राचीन क्रीट के लेखन के रहस्य को सुलझाने का दावा नहीं करती है, बल्कि इसने इसके परीक्षण के लिए एक शक्तिशाली नया उपकरण बनाया है। शोधकर्ताओं ने प्रदर्शित किया है कि सावधानीपूर्वक ऐतिहासिक विद्वत्ता के साथ आधुनिक मशीन लर्निंग को जोड़कर, स्थानीय वर्णमालाओं के अद्वितीय दृश्य पदचिह्नों को संरक्षित और विश्लेषित करना संभव है जो दो हजार से अधिक वर्षों से जीवित हैं। यह दृष्टिकोण डिजिटल दुनिया को अतीत की जटिलता का सम्मान करने की अनुमति देता है, यह स्वीकार करते हुए कि कुछ उत्तर केवल एक अकेले अक्षर के आकार में नहीं, बल्कि उस पत्थर की कहानी में निहित हैं जिस पर उसे उकेरा गया था।