ابزار هوش مصنوعی تقریباً یک میلیون متن میخی اکدی که قبلاً غیرقابل دسترس بودند را فوراً ترجمه می‌کند

همین حالا در گوشه‌ای از یک موزه، لوح گِلی‌ای قرار دارد که هیچ انسان زنده‌ای آن را نخوانده است. این لوح ممکن است یک فرمان سلطنتی، رسید یک تاجر برای محموله غلات، یا شاید مشق شب یک کودک باشد. برای هزاران سال، این صداها خاموش مانده‌اند، پشت یک سیستم نوشتاری چنان پیچیده که تنها چند صد نفر در کره زمین می‌توانند آن را بخوانند. اما به لطف فناوری‌ای که یک دهه پیش وجود نداشت، این مانع بین دنیای باستان و خواننده امروزی به سرعت در حال فروپاشی است.

مقیاس آنچه در طول زمان از دست رفته، حیرت‌آور است. باستان‌شناسان تخمین می‌زنند که بین نیم میلیون تا دو میلیون لوح میخی طی دو قرن گذشته از خاک بیرون کشیده شده‌اند. با این حال، از آنجا که تعداد آشورشناسان واجد شرایط در سطح جهان آنقدر کم است که در یک سالن سخنرانی جا می‌شوند، اکثریت قریب به اتفاق این متون هرگز به طور کامل مطالعه، ترجمه یا منتشر نشده‌اند. ما یک آرشیو عظیم از تاریخ بشر را به ارث برده‌ایم که به سادگی قادر به خواندن آن نیستیم.

این گلوگاه دقیقاً همان چیزی است که تیمی از دانشمندان کامپیوتر و باستان‌شناسان از دانشگاه تل آویو و دانشگاه آریل تصمیم گرفتند آن را بشکنند. این محققان در یک مطالعه برجسته که در مجله PNAS Nexus منتشر شد، اولین سیستم هوش مصنوعی را معرفی کردند که قادر به ترجمه مستقیم خط میخی اکدی به انگلیسی است. آنها با برخورد با این خط باستانی نه به عنوان یک شیء مرده، بلکه به عنوان یک مدل زبان غنی از داده، عملاً پلی بر فراز پنج هزاره سکوت بشری ساخته‌اند.[1][2]

برای درک عظمت این دستاورد محاسباتی، ابتدا باید مکانیسم خط میخی را درک کرد. این خط که حدود ۳۴۰۰ سال قبل از میلاد در بین‌النهرین ابداع شد، یک الفبای ساده مانند آنچه اکنون می‌خوانید نیست. بلکه یک خط بسیار پیچیده و چندارزشی است که در آن یک علامت گُوه‌ای شکل واحد می‌تواند چندین کارکرد کاملاً متفاوت داشته باشد که بسته به بافت پیرامونش تعیین می‌شود. این زبان ابهام عمیق است که برای دنیایی طراحی شده بود که نوشتن را یک مهارت تخصصی و تقریباً جادویی می‌دانست.[1]

یک علامت میخی واحد می‌تواند به عنوان یک واژه‌نگار (Logogram) که نشان‌دهنده یک کلمه کامل است، یک هجانگار (Syllabogram) که نشان‌دهنده یک هجای آوایی است، یا یک تعیین‌کننده (Determinative) که به طور ضمنی کلمه پس از خود را دسته‌بندی می‌کند، عمل کند. برای یک محقق انسانی، رمزگشایی این امر مستلزم سال‌ها مطالعه فشرده است تا به طور شهودی بافت هر توالی را درک کند. آموزش این کار به یک ماشین، نیازمند جهشی عظیم در پردازش زبان طبیعی است و کامپیوتر را مجبور می‌کند که فراتر از نمادهای فردی نگاه کند و ساختار گسترده‌تر جمله را تحلیل نماید.[1]

محققان با ساخت یک مدل ترجمه ماشینی عصبی—دقیقاً همان معماری زیربنایی که ابزارهای تجاری مانند گوگل ترنسلیت را قدرت می‌بخشد—با این ابهام مقابله کردند. آنها این سیستم را با استفاده از «مجموعه متون میخی غنی و حاشیه‌نویسی شده باز» (Open Richly Annotated Cuneiform Corpus) آموزش دادند و ده‌ها هزار جمله از پیش ترجمه شده را به شبکه عصبی خوراندند. با تحلیل این مجموعه‌های داده عظیم، هوش مصنوعی الگوهای نحوی ظریف در متون باستانی را آموخت و به تدریج یاد گرفت که چگونه معنای صحیح یک علامت چندارزشی را بر اساس علائم پیرامونش پیش‌بینی کند.[1][3]

این تیم برای آزمایش قابلیت‌های مدل، دو مسیر ترجمه متمایز را توسعه داد. مدل اول، معروف به «خط میخی به انگلیسی»، مستقیماً از نمایش‌های یونیکد علائم باستانی به انگلیسی مدرن ترجمه می‌کند. مدل دوم رویکردی گام‌به‌گام‌تر را در پیش می‌گیرد و ابتدا از یک نویسه‌گردانی لاتین خط میخی—یک املای آوایی که توسط محققان استفاده می‌شود—ترجمه می‌کند و سپس آن را به نثر انگلیسی تبدیل می‌نماید.[1][2]

نتایج خیره‌کننده بود. با استفاده از معیار BLEU4 (ارزیابی دوزبانه زیر مطالعه) که ترجمه‌های ماشینی را در برابر معیارهای انسانی امتیازدهی می‌کند، مدل نویسه‌گردانی به امتیاز ۳۷.۴۷ دست یافت. در دنیای زبان‌شناسی محاسباتی، کسب امتیاز در محدوده بالای ۳۰ برای یک مدل در مراحل اولیه که روی یک زبان مرده کار می‌کند، بسیار مؤثر تلقی می‌شود؛ تقریباً هم‌تراز با ترجمه‌های تجاری اولیه زبان‌های زنده مانند اسپانیایی.[1][3]

این مدل در مدیریت جملات کوتاه و متوسط تا ۱۱۸ کاراکتر، به طور استثنایی ماهر بود. این سیستم با موفقیت از پس نحو پیچیده اکدی، که معمولاً فعل را در انتهای جمله قرار می‌دهد، برآمد و آن را به نثر روان انگلیسی با ساختار فاعل-فعل-مفعول بازسازی کرد. برای مورخانی که دهه‌ها را صرف باز کردن دستی این ساختارهای جمله‌ای معکوس کرده‌اند، تماشای خروجی فوری یک ترجمه منسجم انگلیسی توسط یک ماشین، چیزی کمتر از یک تغییر پارادایم در نحوه پردازش متون باستانی نیست.[1][2]

با این حال، این فناوری بدون نقص نیست و محققان در مورد محدودیت‌های فعلی آن شفاف هستند. با طولانی‌تر و پیچیده‌تر شدن جملات، شبکه عصبی برای حفظ بافت گسترده‌تر دچار مشکل می‌شود و منجر به پدیده‌ای می‌شود که برای هر کسی که از هوش مصنوعی مولد مدرن استفاده کرده آشناست: توهم‌زایی (Hallucinations).[1]

هنگامی که مدل رشته یک جمله طولانی اکدی را گم می‌کند، به تولید متنی روی می‌آورد که به نظر قابل قبول می‌رسد اما از نظر واقعی نادرست است. در زمینه ترجمه‌های باستانی، توهم‌زایی زمانی رخ می‌دهد که هوش مصنوعی جمله‌ای تولید می‌کند که از نظر نحوی در انگلیسی بی‌نقص است اما کاملاً از معنای واقعی خط میخی دور است.

در یک مورد آزمایشی قابل توجه، ترجمه انسانی به درستی خواند: «در روز ۲۱ پادشاه به خانه خدا نمی‌رود»، در حالی که هوش مصنوعی با اطمینان بخش منفی را حذف کرد و آن را اینگونه ترجمه نمود: «در روز ۲۱ پادشاه به خانه خدا می‌رود.»[2]

از آنجا که خروجی هوش مصنوعی بسیار معتبر به نظر می‌رسد، در صورت استفاده کورکورانه از این ابزار، این توهم‌زایی‌ها یک خطر واقعی ایجاد می‌کنند. به همین دلیل است که سازندگان و باستان‌شناسان مستقل بر رویکرد «انسان در حلقه» تأکید می‌کنند. هوش مصنوعی برای جایگزینی آشورشناس طراحی نشده است؛ بلکه برای عمل به عنوان یک دستیار پژوهشی خستگی‌ناپذیر طراحی شده که یک ترجمه اولیه سریع تولید می‌کند تا یک متخصص انسانی بتواند آن را تأیید، اصلاح و زمینه‌سازی کند.[2]

با خودکارسازی پرزحمت‌ترین و زمان‌برترین بخش‌های فرآیند رمزگشایی، این فناوری محققان را آزاد می‌گذارد تا بر تفسیر دقیق متون تمرکز کنند. این گردش کار مشارکتی می‌تواند از لحاظ نظری به جامعه کوچک جهانی متخصصان اجازه دهد تا صدها هزار لوح خوانده نشده را در کسری از زمانی که به صورت دستی طول می‌کشد، پردازش کنند. به جای صرف ساعت‌ها برای شناسایی علائم، یک باستان‌شناس می‌تواند وقت خود را صرف تحلیل اهمیت تاریخی یک معاهده سلطنتی یا دفتر کل تجاری تازه کشف شده کند.[3][4]

پیامدهای این فناوری بسیار فراتر از دیوارهای دانشگاهی است. با قوی‌تر و در دسترس‌تر شدن این مدل‌های ترجمه، آنها دری را برای پروژه‌های علوم انسانی دیجیتال باز می‌کنند که به دانشجویان، مورخان آماتور و عموم مردم اجازه می‌دهد مستقیماً با منابع اولیه مهد تمدن تعامل داشته باشند. ما به سوی آینده‌ای حرکت می‌کنیم که در آن هر کسی با اتصال به اینترنت ممکن است بتواند از یک پایگاه داده موزه پرس‌وجو کند و افکار ویرایش نشده یک شهروند بابلی را بخواند.[4]