Determinative Detection in Egyptian Hieroglyphic Sequences: A Sequence-Labelling Benchmark and Multi-Agent LLM Baseline

三千年以上にわたり、古代エジプト人は、現代の目には鳥や脚、幾何学的な図形のギャラリーのように見える絵文字の体系を用いて、その歴史、祈り、そして法律を記してきました。しかし、この文字体系は単なる音のリストをはるかに超えたものでした。それは、一つの絵が一度に三つの異なる役割を果たすことができるハイブリッドなコードでした。それは音を表すこともできれば、一つの単語全体を象徴することもでき、あるいは「決定符（デターミナティブ）」と呼ばれる記号として、静かなラベルとして機能することもできました。この第三の役割を担う決定符こそが、テキストを理解するための鍵となります。決定符とは、単語の末尾に置かれる静かなマーカーであり、その単語がどのような種類の事柄を指しているのかを読者に伝えるものです。それは、その単語が人間、動物、神、あるいはある種の動作に言及していることを示すかもしれません。これらの記号は音が出ず、文中の他の絵と見た目が似ていることが多いため、どれが単なる音であり、どれが静かなラベルであるかを見分けることは難しいパズルとなります。このパズルを解かなければ、コンピュータは古代エジプト語を適切に翻訳することはできません。なぜなら、コンピュータはどこで一つの単語が終わり、次の単語が始まるのかを知ることができず、また見つけた単語の意味を理解することもできないからです。

何十年もの間、学者たちは手作業でこれらの静かなラベルを研究してきましたが、テキストの膨大な量により、人間だけですべてを処理することは不可能です。近年、研究者たちはコンピュータにこれらの古代の文字を読ませようと試みてきましたが、その研究の多くは、鳥や脚の絵を識別するといった、単に絵そのものを認識することに焦点を当ててきました。どの絵が静かなラベルとして機能しているのかという、より困難な課題にはほとんど注意が払われてきませんでした。ブラジルとスペインの研究者による新しい研究は、この空白に直接取り組んでいます。彼らは、古代エジプトの記述の連なりの中から、これらの静かなラベルを見つけ出すために特別に設計されたコンピュータシステムを構築しました。単に推測するのではなく、このシステムは、異なる角度からテキストを検証し、スマートで信頼できる結論に達するために協力し合う人工知能エージェントのチームを使用しています。

研究者たちはまず、専門的な知識ライブラリの構築から始めました。彼らは、人、動物、神、自然といったカテゴリーに分類された、静かなラベルとして機能し得る80種類以上の異なる記号に関する情報を集めました。次に、人間による専門的なチェックとラベル付けが行われた、99個の短い古代の記述シーケンスからなるテストセットを作成しました。このセットは、ベンチマーク、つまりコンピュータプログラムがそのタスクをどの程度遂行できるかを確認するための標準的なテストとして機能します。目標は、機械が記号の列を見て、どの記号が静かなラベルであり、どの記号が単なる音や単語自体の一部であるかを正しく指摘できるかどうかを確認することでした。

これを解決するために、チームは小さな専門家委員会のように機能するシステムを構築しました。彼らは大規模言語モデル、つまり膨大な量のテキストで学習された強力なコンピュータプログラムを使用しましたが、それらを単独で働かせはしませんでした。代わりに、各記述シーケンスを分析するために二つの独立したエージェントを設定しました。一方のエージェントは記号の意味に注目し、「この絵は神や人間の概念に適合するか？」といった問いを立てます。もう一方のエージェントは記号の構造と位置に厳格に注目し、「この記号は単語の末尾、つまり静かなラベルが通常置かれる場所に位置しているか？」といった問いを立てます。決定的なことに、これら二つのエージェントは作業中に互いに会話することはありませんでした。彼らはそれぞれ独立して独自の意見を形成しなければなりませんでした。この設計により、もし両方のエージェントがラベルに同意した場合、それは単に互いの間違いを模倣したのではなく、彼らが正しいという強い兆候となるのです。

二つのエージェントが分析を終えると、第三のエージェントが統合者として機能し、彼らの発見をまとめ上げます。この統合者は、二人が合意した箇所と、意見が分かれた箇所を探ります。最後に、厳格で変更不可能なルールが審判として機能します。この審判は、研究者が構築した知識ベースと提案を照らし合わせます。例えば、「器を意味する記号は、テキストが液体や供物に関するものである場合にのみ、静かなラベルになり得る」といった特定のルールを適用します。もし文脈が適合しない場合、たとえ人工知能エージェントが正しいと考えていても、ルールはその提案を拒否します。このように、AIによる柔軟な思考と、審判による厳格なルールを組み合わせることで、システムは常識外れの推測をすることなく、古代の言語の複雑さを扱うことができたのです。

研究者たちは、結果が単なる幸運な偶然ではないことを保証するために、厳格な方法を用いてシステムをテストしました。彼らは99個のテストシーケンスを5つの異なるグループに分割しました。各テストラウンドにおいて、4つのグループをシステムの学習に使用し、5つ目のグループをテストに使用するというプロセスを、すべてのシーケンスが正確に一度ずつテストされるまで繰り返しました。このアプローチにより、未知のテキストに対してシステムがどのように機能するかについての明確なイメージを得ることができました。結果は、システムが非常に効果的であることを示しました。システムは、すべての種類のラベルを平等に見た場合に約82パーセント、見つかったラベルの総数を見た場合に約88パーセントの成功率を達成し、大部分のケースで静かなラベルを正しく特定しました。異なるテストグループ間でのこれらの結果の一貫性は、システムが堅牢であり、特定の例のセットに依存していないことを示しました。

最も興味深い発見の一つは、システムが困難なケースをどのように扱ったかです。研究者たちは、テキストが情報に富み、3つ以上の静かなラベルを含んでいる場合に、システムが最もよく機能することを発見しました。これらの複雑なシーケンスでは、意味と構造からの異なる手がかりが互いに補強し合い、正解を明白なものにします。しかし、システムは、静かなラベルが全くない、あるいは一つしかない非常に短いシーケンスに対しては苦戦しました。これらの希薄なケースでは、周囲の手がかりが不足しているため、システムが確信を持つことが難しくなり、エラーがやや増える結果となりました。これは、システムが証拠が豊富な場合にはパターンを見つけるのが非常に得意である一方で、テキストが非常に単純な場合にはさらなる助けを必要とすることを示唆しています。

この研究のもう一つの大きな革新は、その回答の提示方法にあります。ブラックボックスのように単一の最終回答を出すのではなく、システムは可能性のランク付けされたリストを提供します。メインの解釈（最も可能性の高い答え）を提示するだけでなく、最大3つの代替解釈もリストアップします。それぞれの代替案について、システムはその代替案を正解とするためにどのような追加の証拠が必要であるかを正確に説明します。例えば、「この記号は神のラベルであると考えられますが、もしテキストが寺院に関するものであれば、建物のラベルである可能性もあります」といった具合です。この透明性によって、コンピュータは学術的な共同ツールへと変わります。それは専門家に取って代わるものではなく、選択肢と論理を展開することで、人間がより深い知識に基づいて最終決定を下せるようにするのです。

研究はまた、残されている具体的な課題についても明らかにしました。システムは、二つの非常に異なる役割を持つ記号、例えば「歩く」という意味にも「動作」の静かなラベルにもなり得る「歩く脚」の絵などを混同することがありました。コンピュータは、記号がどちらの役割を果たしているかを判断するために文脈に依存するため、文脈が曖昧な場合には時として間違いを犯しました。研究者たちは、これらのエラーはシステムの論理的な欠陥によるものではなく、現在の知識ベースの限界によるものであると指摘しました。これらのトリッキーな記号に対する例を追加し、ルールを洗練させることで、システムはさらに改善できる可能性があります。

結局のところ、この研究は、コンピュータが古代の文字体系とどのように対話できるかについての新しい基準を確立しています。それは、現代の人工知能の柔軟な推論と、人間の学問における厳格なルールを組み合わせたハイブリッドなアプローチが、どちらか一方では解決できなかった問題を解決できることを証明しています。このシステムは単に翻訳を生み出すのではなく、検証、疑問、改善が可能な構造化された議論を生み出します。推論を可視化し、代替案を明確にすることで、研究者たちは古代の言語の複雑さを尊重しながら、未だ読まれていない数千のテキストの迅速かつ正確な分析への扉を開くツールを作り上げたのです。これはすべてを一瞬ですべて解決する魔法の解決策ではありませんが、将来の研究のための信頼できるベースラインを提供し、機械と人間が過去を理解するために共に働くための新しい方法を示す、重要な一歩なのです。