💻 computer science

A Quantitative Confirmation of the Currier Language Distinction

Questo articolo fornisce prove quantitative a sostegno della validità della distinzione linguistica A/B di Currier nel manoscritto Voynich, dimostrando che un modello di miscela Beta-Binomiale può recuperare la divisione senza etichette preliminari e che un classificatore supervisionato può prevedere le identità dei fogli con un'accuratezza del 89,2%.

Autori originali: Christophe Parisel

Pubblicato 2026-04-30

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Christophe Parisel

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate il Manoscritto Voynich come un misterioso, antico libro scritto in un codice che nessuno è mai riuscito a decifrare. Per decenni, un crittografo di nome Prescott Currier ebbe un'intuizione: questo libro non è scritto in una sola "lingua". Egli pensava che fosse in realtà una miscela di due dialetti distinti, che chiamò Lingua A e Lingua B.

Per anni, questa fu solo una teoria basata su un presentimento riguardo ai modelli delle parole. Ma in questo nuovo articolo, l'autore, Christophe Parisel, decide di mettere alla prova quell'intuizione utilizzando la matematica, non solo congetture. Pensate a questo studio come a un audit forense del DNA del libro.

Ecco la spiegazione di ciò che hanno fatto e di ciò che hanno scoperto, utilizzando semplici analogie:

1. Lo Strumento del Detective: "Coppie di Caratteri"

Invece di cercare di leggere le parole (il che è impossibile), i ricercatori hanno esaminato come l'autore sceglieva tra lettere visivamente simili.

L'Analogia: Immaginate di scrivere una storia. A volte usate la parola "colore" e a volte "colur". Se cambiate in modo casuale, è solo una stranezza. Ma se usate sempre "colore" nella prima metà del libro e sempre "colur" nella seconda metà, ciò suggerisce due scrittori diversi o due regole diverse.
Lo Studio: Hanno selezionato 11 coppie di lettere che si assomigliano nella scrittura Voynich (come d vs l, o or vs ar). Hanno contato quanto spesso ciascuna lettera della coppia veniva utilizzata su ogni singola pagina (foglio).

2. La Grande Domanda: È Reale o Solo una Coincidenza?

I ricercatori hanno posto tre domande difficili:

È solo rumore casuale? Potrebbero le differenze verificarsi per caso in una singola lingua?
È un trucco della rilegatura? La divisione originale di Currier coincideva casualmente con il punto in cui il libro era fisicamente cucito insieme (i "fascicoli"). Forse il libro cambiava stile perché cambiava lo scriba, non perché cambiava la lingua.
Possiamo prevederlo? Se nascondiamo le etichette (A o B) e lasciamo che un computer indovini, può capire in quale "lingua" si trova una pagina guardando solo i conteggi delle lettere?

3. I Risultati: La Teoria della "Doppia Lingua" Si Conferma

Lo studio ha utilizzato un modello statistico sofisticato (una miscela Beta-Binomiale) che agisce come un ordinatore intelligente. Ha esaminato i numeri grezzi senza sapere quale pagina fosse A o B.

L'Ordinamento "Magico": Anche senza essere informati delle risposte, il computer ha ordinato naturalmente le pagine in due gruppi distinti. Ha corrisposto alla divisione originale A/B di Currier con una precisione di circa 38% (che è una cosa enorme in statistica per questo tipo di dati) ed era confidente al 90% su oltre 100 pagine.
Il Test "Cieco": Quando hanno addestrato un computer a riconoscere i modelli su metà del libro e poi gli hanno chiesto di indovinare la lingua dell'altra metà, ha indovinato correttamente nell'89,2% dei casi.
Escludere la Teoria della "Rilegatura": Hanno scoperto che quando la lingua cambiava all'interno di un singolo sezione cucita (un fascicolo), i modelli delle lettere cambiavano bruscamente. Ciò dimostra che il cambiamento non riguarda solo chi ha cucito il libro; riguarda il testo stesso.

4. I Tre "Tipi di Personalità" delle Lettere

Lo studio ha scoperto che le coppie di lettere non si comportano tutte allo stesso modo. Si dividono in tre gruppi, come diversi tipi di dipendenti in un'azienda:

Gli "Interruttori" (Categorici): Queste lettere sono rigide. Se la pagina è Lingua A, usano una lettera. Se è Lingua B, passano all'altra. Sono le "carte d'identità" che provano l'esistenza delle due lingue.
Gli "Inclinati" (Intermedi): Queste lettere hanno una preferenza ma non sono rigide. Si inclinano verso uno stile o l'altro, agendo come un segnale sottile.
Gli "Spiriti Liberi" (Variazione Libera): Queste lettere non si curano affatto della lingua. Cambiano in modo casuale, indipendentemente dal fatto che si tratti della pagina A o B.

5. L'Anomalia "Sorprendente"

Una coppia di lettere (e/ch) era strana. Non aiutava a ordinare le pagine in A o B, ma era la migliore nel rilevare l'esatto momento in cui la lingua passava dall'una all'altra. È come un rilevatore di fumo che non ti dice in quale stanza c'è l'incendio, ma urla nel secondo esatto in cui l'incendio inizia.

Il Punto Fondamentale

L'articolo conclude che Currier aveva ragione. Il Manoscritto Voynich non è un testo singolo e uniforme. Contiene una divisione genuina e strutturale tra due distinte "lingue" (o regimi di scrittura).

Non è casuale: I modelli sono troppo forti per essere un caso.
Non è un trucco fisico: Il cambiamento avviene anche all'interno della stessa sezione fisica del libro.
È prevedibile: Un computer può guardare le statistiche delle lettere e indovinare la lingua con alta precisione.

Tuttavia, lo studio nota anche che la divisione "A vs B" spiega solo circa il 29% delle differenze nel testo. Ciò significa che c'è ancora molta complessità e struttura nascosta nel libro che non abbiamo ancora capito, ma la teoria della "Doppia Lingua" è decisamente un fatto reale e misurabile, non solo un mito.

1. Enunciato del Problema

Il paper affronta la validità dell'ipotesi del 1976 di Prescott Currier secondo cui il Manoscritto Voynich contiene due "lingue" distinte (designate Currier A e Currier B). Sebbene ampiamente citata, questa distinzione ha storicamente mancato di una validazione quantitativa rigorosa contro ipotesi nulle esplicite. Lo studio mira a risolvere tre sfide specifiche:

Fluttuazione Statistica: Determinare se le differenze osservate siano semplicemente rumore casuale all'interno di un unico testo omogeneo.
Confondenti Codicologici: Verificare se la distinzione sia una proprietà linguistica genuina o un artefatto della struttura fisica del manoscritto (ad esempio, i confini dei quaderni), dato che l'assegnazione originale di Currier correla con queste divisioni fisiche.
Prevedibilità Intrinseca: Stabilire se la distinzione A/B sia una proprietà statistica intrinseca, scopribile senza etichette preliminari e capace di prevedere il comportamento di testi non visti.

2. Metodologia

Gli autori hanno adottato un approccio quantitativo multiforme utilizzando la trascrizione Takahashi EVA (32.693 token di parole su 185 fogli).

Rappresentazione dei Dati: Lo studio si è concentrato su 11 coppie di caratteri EVA visivamente simili (ad esempio, k/t, d/l, or/ar). Per ogni foglio, è stato calcolato il rapporto $r = \frac{\text{conteggio}(a)}{\text{conteggio}(a) + \text{conteggio}(b)}$ per ogni coppia, a condizione che fosse soddisfatto una soglia minima di 20 occorrenze combinate.
Linee di Base di Simulazione: Per testare le ipotesi nulle, sono stati generati tre modelli:
- Mescolamento delle Etichette: Testo reale con etichette A/B casualizzate.
- Markov Singolo: Testo sintetico da un unico modello Markov omogeneo.
- Markov Diviso: Testo sintetico da modelli Markov separati per A e B (controllo positivo).
Recupero Non Supervisionato: Algoritmi di clustering (K-means, GMM, ecc.) sono stati applicati alla matrice foglio $\times$ rapporto di coppia senza accesso alle etichette di Currier per verificare se i dati si partizionano naturalmente in due gruppi.
Modellazione Generativa: È stato adattato un modello di mistura Beta-Binomial ai conteggi grezzi dei caratteri. Questo modello assume che i conteggi dei fogli siano estratti da una distribuzione binomiale in cui la probabilità di successo segue una distribuzione Beta specifica per un regime latente. Il modello è stato adattato tramite Massimizzazione dell'Aspettazione (EM) per determinare il numero ottimale di regimi ( $k$ ).
Validazione Predittiva: Un classificatore Beta-Binomial supervisionato è stato addestrato su un sottoinsieme di fogli per prevedere l'identità A/B dei fogli tenuti da parte. La validazione ha incluso la validazione incrociata, divisioni spaziali (inizio vs. fine del manoscritto) e test di permutazione.
Analisi dei Confini: Le transizioni tra i fogli sono state categorizzate (Stesso, Solo Quaderno, Solo Lingua, Entrambi) per misurare l'entità dei salti di rapporto ai confini linguistici rispetto ai confini fisici del libro.

3. Contributi Chiave

Scoperta Non Supervisionata: Ha dimostrato che un modello generativo adattato ai conteggi grezzi senza accesso alle etichette di Currier recupera indipendentemente la divisione A/B (ARI = 0,383), dimostrando che la distinzione è intrinseca alla struttura dei dati.
Tassonomia Funzionale: Ha identificato che le coppie di caratteri non si comportano in modo uniforme ma si separano in tre regimi funzionali distinti: Categorico, Intermedio e Variazione Libera.
Disaccoppiamento dalla Codicologia: Ha fornito prove statistiche che le transizioni linguistiche all'interno dello stesso quaderno producono salti statistici significativamente maggiori rispetto ai confini fisici dei quaderni, escludendo la struttura fisica come causa primaria della variazione.
Potere Predittivo: Ha stabilito che la conoscenza dell'etichetta A/B permette di prevedere le statistiche delle coppie di caratteri su fogli non visti con alta accuratezza, passando dalla mera descrizione alla previsione.

4. Risultati Chiave

Robustezza Statistica

V di Cramér: Sei delle undici coppie di caratteri hanno mostrato valori di V di Cramér superiori a tutte le 1.000 permutazioni casuali delle etichette. Il V di Cramér medio (0,136) è stato significativamente più alto della linea di base mescolata (0,025).
Rigetto della Simulazione:
- Il modello Markov Singolo non è riuscito a riprodurre la varianza inter-foglio osservata o gli effetti di confine (0/200 simulazioni corrispondenti).
- Il modello Markov Diviso ha corrisposto alle statistiche aggregate ma non è riuscito a riprodurre l'alta varianza a livello di foglio e la nitidezza dei confini del manoscritto reale.

Recupero Non Supervisionato e Generativo

Clustering: Il clustering K-means sulla matrice dei rapporti ha prodotto un Adjusted Rand Index (ARI) di 0,208 (significativo, $p < 0,001$ ). Rimuovendo le coppie "rumorose", l'ARI è aumentato a 0,456.
Mistura Beta-Binomial: Il modello ha selezionato $k=2$ come numero ottimale di componenti basato sul Criterio di Informazione Bayesiano (BIC).
- Il modello ha assegnato 113 dei 185 fogli (61%) con una confidenza posteriore >90% a uno dei due regimi.
- La partizione recuperata si allineava con l'assegnazione manuale di Currier (ARI = 0,383).

Validazione Predittiva

Accuratezza: Il classificatore supervisionato ha raggiunto un'accuratezza dell'89,2% nella previsione delle etichette dei fogli tenuti da parte (Validazione Incrociata).
Significatività: Zero su 500 permutazioni di etichette ha raggiunto un'accuratezza comparabile ( $p < 0,002$ ).
Varianza Spiegata: L'etichetta A/B ha spiegato il 29,3% della varianza nei rapporti delle coppie di caratteri su fogli non visti ( $R^2 = 0,293$ ).
Asimmetria Spaziale: Le divisioni spaziali in avanti (inizio $\to$ fine) hanno funzionato bene (79,6%), mentre le divisioni all'indietro (fine $\to$ inizio) hanno fallito (41,3%) a causa dello squilibrio delle classi (i fogli finali sono prevalentemente B), confermando che il segnale è reale ma sensibile alla composizione del set di addestramento.

Regimi delle Coppie di Caratteri

Lo studio ha categorizzato le 11 coppie in tre regimi:

Categorico (es. d/l, or/ar): Interruzioni quasi binarie tra i regimi; essenziali per il clustering.
Intermedio (es. ol/al, k/t): Spostamenti moderati di preferenza; trasportano segnali di confine.
Variazione Libera (es. o/a, ch/sh): Dipendenza quasi nulla dal regime A/B; probabilmente rappresentano variazione allografica.

Nota sull'Anomalia: La coppia e/ch aveva una correlazione globale quasi nulla ma l'effetto di confine locale più forte, suggerendo che la sua variazione è condizionata da fattori diversi dal regime binario (ad esempio, la posizione della parola).

5. Significato

Questo paper fornisce la prima conferma rigorosa e quantitativa che la distinzione Currier A/B è una proprietà genuina, intrinseca e predittiva del Manoscritto Voynich, piuttosto che un artefatto della struttura fisica o del rumore casuale.

Implicazioni per la Decifrazione: Qualsiasi teoria del sistema di scrittura Voynich deve tenere conto di una struttura a doppio regime in cui specifiche coppie di caratteri cambiano in modo categorico tra i regimi mentre altre variano liberamente.
Natura del Testo: I risultati suggeriscono che il manoscritto non è un unico testo omogeneo ma contiene una struttura complessa in cui la divisione binaria A/B è l'asse principale di variazione, sebbene spieghi solo circa il 29% della varianza totale, implicando l'esistenza di ulteriori sottoregimi o gradienti.
Avanzamento Metodologico: Lo studio dimostra l'efficacia dei modelli di mistura Beta-Binomial e dell'apprendimento non supervisionato nella crittanalisi, offrendo un quadro per validare ipotesi linguistiche in script indecifrati senza fare affidamento su etichettature manuali.