AI-assisted Egyptian hieroglyphic reading in scholarly practice: workload, usability, and acceptance in a pilot feasibility study
Deze pilot-haalbaarheidsonderzoek evalueert de impact van de AI-tool PyThoth op de werklast, bruikbaarheid en acceptatie door egyptologen tijdens het lezen van hiërogliefen, waarbij wordt gebleken dat hoewel de tool de voltooiingspercentages van taken verbetert, dit niet noodzakelijkerwijs de nauwkeurigheid bevordert en complexe, ervaringsafhankelijke verschuivingen in de perceptie van de gebruiker oproept.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Egyptische hiërogliefen zijn een puzzel die wetenschappers al eeuwenlang uitdaagt. In tegen tegenstelling tot moderne alfabeten, waarbij een enkele letter meestal voor één klank staat, zijn deze hiërogliefen een complexe mix van afbeeldingen die klanken, ideeën of zelfs hele woorden kunnen vertegenwoordigen. Een enkele zin kan in verschillende richtingen worden gelezen, en hetzelfde woord kan op verschillende manieren worden gespeld, afhankelijk van de tijdsperiode of de schrijver. Voor een menselijke expert vereist het ontcijferen van deze teksten jarenlange training om duizenden unieke symbolen te herkennen, de grammaticale regels te begrijpen en betekenissen samen te stellen uit beschadigde steenoppervlakken. Het is traag, nauwgezet werk dat de ruggengraat vormt van de egyptologie, de studie van het oude Egypte.
Onlangs zijn computers ongelooflijk goed geworden in het herkennen van patronen, wat heeft geleid tot de hoop dat kunstmatige intelligentie kan helpen dit proces te versnellen. Stel je een hulpmiddel voor dat naar een foto van een steenhouwwerk kijkt, de symbolen identificeert, suggereert hoe je ze in ons alfabet spelt, en zelfs een vertaling aanbiedt. Dit is de belofte van AI in de geesteswetenschappen. Echter, terwijl deze tools in laboratoria worden gebouwd en getest, heeft niemand echt gevraagd hoe echte experts en studenten zich voelen bij het gebruik ervan in hun dagelijkse werk. Maakt de technologie het werk gemakkelijker, of creëert het nieuwe problemen? Helpt het studenten bij het leren, of zorgt het ervoor dat ze de noodzakelijke vaardigheden niet meer leren? Om dit te achterhalen, richtte een team van onderzoekers een kleine, real-world test op om te zien hoe mensen daadwerkelijk met deze technologie omgaan.
De onderzoekers nodigden negen mensen uit om deel te nemen, variërend van bachelorstudenten die net aan hun studie beginnen tot ervaren professionele egyptologen. Ze gaven iedereen een stuk van een echt oud Egyptisch monument, een stèle genoemd, die in vier kleinere delen was gebroken. De deelnemers kregen de opdracht om deze delen naar het Engels te vertalen. De helft van de tijd werkten ze alleen, met enkel hun kennis en standaard naslagwerken. De andere helft van de tijd gebruikten ze een nieuw computerprogramma genaamd PyThoth. Dit programma fungeerde als een digitale assistent: het keek naar de afbeelding van de hiërogliefen, suggereerde wat elk symbool was, stelde een spelling voor en bood een vertaling aan. Cruciaal was dat de computer het werk niet voor hen deed. De mens moest elke suggestie controleren, fouten corrigeren en beslissen of hij het eindresultaat zou accepteren. De onderzoekers wilden zien of dit partnerschap veranderde hoeveel mentale inspanning de mensen voelden te gebruiken, hoe gemakkelijk het hulpmiddel te hanteren was, en of ze het hulpmiddel opnieuw zouden willen gebruiken.
De resultaten waren geen simpel verhaal van technologie die tijd bespaart of alles perfect maakt. In plaats daarvan hing de ervaring volledig af van de persoon die het hulpmiddel gebruikte en de specifieke tekst die zij lazen. Voor sommige deelnemers maakte de AI-assistent het werk lichter en beheersbaarder. Voor anderen voelde het als een last die hen vertraagde of in de war bracht. De studie toonde aan dat het hulpmiddel de uiteindelijke vertaling niet noodzakelijkerwijs nauwkeuriger maakte dan wanneer een mens alleen zou werken. Sterker nog, wanneer de mensen klaar waren met hun werk, was de nauwkeurigheid ongeveer gelijk, of ze nu hulp hadden gehad of niet. Het belangrijkste verschil was dat de AI mensen leek aan te moedigen om de taak te voltooien. Wanneer ze zonder hulp werkten, gaven sommige deelnemers halverwege op, waardoor hun vertalingen onvolledig bleven. Met de AI waren ze eerder geneigd om door te zetten tot het einde, zelfs als het eindresultaat niet significant beter was.
Een belangrijke ontdekking was dat de gevoelens van mensen over het hulpmiddel op verrassende manieren veranderden op basis van hun verwachtingen. Sommige studenten kwamen de experiment met hoge verwachtingen binnen, denkend dat de AI zou werken zoals de slimme chatbots die ze dagelijks gebruiken. Wanneer ze ontdekten dat het hulpmiddel van hen vereiste om door veel stappen te klikken om een enkele fout te herstellen, raakten ze gefrustreerd en vonden ze het hulpmiddel moeilijker te gebruiken dan verwacht. Hun mening over de technologie daalde scherp nadat ze het hadden geprobeerd. Aan de andere kant waren een paar deelnemers met lage verwachtingen of zonder ervaring met dergelijke tools aangenaam verrast. Zij vonden dat de assistent hen hielp om door de saaie delen van het werk te komen, en hun mening over het hulpmiddel ging omhoog. Dit suggereert dat de waarde van de technologie niet alleen ligt in hoe slim de computer is, maar in hoe goed het ontwerp aansluit bij wat de gebruiker verwacht en nodig heeft.
De onderzoekers merkten ook op dat het hulpmiddel de manier waarop mensen hun antwoorden schreven, beïnvloedde. Bij het gebruik van de AI begonnen verschillende deelnemers hun vertalingen op een zeer vergelijkbare manier te schrijven, waarbij ze vaak kleine fouten of specifieke opmaakkeuzes kopieerden die van de computer kwamen. Dit gebeurde zelfs terwijl ze onafhankelijk van elkaar werkten. Het toonde aan dat het hulpmiddel hun output vormgaf, soms op manieren die ze zelf niet eens merkten. Eén expert die het systeem probeerde, merkte op dat de computer een correcte vertaling kon produceren, zelfs als deze halverwege het proces de symbolen verkeerd had geïdentificeerd. Dit riep een subtiele zorg op: een vloeiend, zelfverzekerd ogend resultaat zou een gebrekkig begrip van de tekst kunnen verbergen, wat een lezer die de computer te veel vertrouwt, potentieel zou kunnen misleiden.
Misschien was de belangrijkste bevinding niet over de technologie zelf, maar over hoe men het moet bestuderen. De onderzoekers verwachtten dat iedereen zou gaan zitten en het hele experiment in één keer zou voltooien. In plaats daarvan was de realiteit veel rommeliger. Sommige mensen voltooiden één deel en stopten ermee. Anderen kwamen dagen of weken later terug om de rest af te maken. Anderen vulden alleen de vragenlijsten in zonder het vertaalwerk te doen. De studie concludeerde dat in de wereld van gespecialiseerd onderzoek in de geesteswetenschappen, deze vorm van verspreide, onregelmatige deelname normaal is. Toekomstige studies zouden deze onvolledige pogingen niet moeten behandelen als mislukkingen of verloren data, maar als een natuurlijk onderdeel van hoe experts met nieuwe tools omgaan. Het pad naar het begrijpen van hoe AI in de oude geschiedenis past, is geen rechte lijn, maar een complexe reis waarbij de menselijke geest, de oude tekst en de machine op unieke wijze met elkaar interageren. De technologie is geen toverstaf die alles oplost, maar een partner die de aard van het werk verandert, hetzij beter, hetzij slechter, afhankelijk van hoe het wordt gebruikt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.