Un team dell’Università Martin Luther di Halle-Wittenberg, dell’Università Johannes Gutenberg di Magonza e dell’Università di Scienze Applicate di Magonza ha svelato un sistema di intelligenza artificiale in grado di decifrare antichi testi cuneiformi. Questa nuova tecnologia, che sfrutta i modelli 3D, rappresenta un progresso significativo nella comprensione di una delle prime forme di scrittura dell’umanità.
Pubblicato sulla rivista The Eurographics Association, lo studio dei ricercatori si è concentrato su una serie di tavolette cuneiformi della collezione Frau Professor Hilprecht. Queste tavolette provengono principalmente dall’antica Mesopotamia, una regione storica dell’attuale Iraq. Spesso definita la culla della civiltà, quest’area è il luogo in cui si svilupparono alcune delle prime società umane. Su queste tavolette, in particolare, sono incisi una serie di simboli, segni e cunei che formano le lingue della regione, come il sumero, l’assiro e l’accadico.
Molti hanno più di 5.000 anni ed offrono uno sguardo sulle antiche civiltà, coprendo una vasta gamma di argomenti, dalla vita quotidiana alle questioni legali.
“Su di essi si trova di tutto: dalle liste della spesa alle sentenze dei tribunali”, ha affermato Hubert Mara, uno degli autori dello studio. “Le tavolette offrono uno sguardo sul passato dell’umanità di diversi millenni fa. Tuttavia, sono fortemente usurati e quindi difficili da decifrare anche per occhi esperti”.
Il team si è rivolto all’intelligenza artificiale per chiedere aiuto. Utilizzando un nuovo processo di intelligenza artificiale per decodificare antiche tavolette cuneiformi, hanno sfruttato un sofisticato modello di intelligenza artificiale basato sull’architettura R-CNN (Convolutional Neural Network) basata sulla regione, un sistema specializzato progettato per il riconoscimento degli oggetti. Lo studio ha utilizzato un set di dati unico costituito da modelli 3D di 1.977 tavolette cuneiformi, con annotazioni dettagliate di 21.000 segni cuneiformi e 4.700 cunei.
La metodologia dell’intelligenza artificiale prevedeva una pipeline in due parti: inizialmente, un rilevatore di segni, costruito su un modello RepPoints con un backbone ResNet18, identificava i caratteri cuneiformi sui tablet. In termini semplici, il modello RepPoints analizza la raccolta ResNet18 di immagini collegate alle lingue mesopotamiche e quindi combina i modelli per “vedere” il testo. Questo passaggio è stato fondamentale per individuare accuratamente i segnali. Successivamente, il rilevatore di cunei, utilizzando Point R-CNN con funzionalità avanzate come Feature Pyramid Network (FPN) e RoI Align, ha classificato e previsto le posizioni dei cunei, che costituiscono la base degli elementi fondamentali della scrittura cuneiforme, consentendo all’IA, in effetti, di leggere.’
Questi strumenti prendono le scansioni 3D delle tavolette e vagliano la moltitudine di misurazioni di cose come la profondità dell’impressione lasciata dallo stilo nell’argilla o la distanza tra i simboli ed i cunei. Questo approccio sfumato ha consentito all’intelligenza artificiale di superare le sfide poste dalle tradizionali fotografie 2D, come illuminazione incoerente e distrazioni cromatiche, fornendo così un’analisi più accurata dei testi antichi.
La ricerca tradizionale sui testi antichi utilizza un software di riconoscimento ottico dei caratteri (OCR), che converte le immagini scansionate o le fotografie 2D della scrittura in testo leggibile dalla macchina.
“L’OCR di solito funziona con fotografie o scansioni. Questo non è un problema per l’inchiostro su carta o pergamena. Nel caso delle tavolette cuneiformi, tuttavia, le cose sono più difficili perché la luce e l’angolo di visione influenzano notevolmente il modo in cui alcuni caratteri possono essere identificati”, ha affermato il coautore Ernst Stötzner.
Antiche pergamene e vecchi libri sono facili: sono un mezzo 2D tradotto in un altro mezzo 2D. Le tavolette cuneiformi, tuttavia, sono 3D e tutta quella profondità influisce sull’interpretazione.
Per risolvere questo problema, il gruppo di ricerca ha sottoposto il proprio sistema di intelligenza artificiale ad un ampio regime di formazione, utilizzando scansioni tridimensionali e dati supplementari. Una parte sostanziale di questi dati è stata fornita dall’Università di Scienze Applicate di Magonza, che sta attualmente conducendo un importante progetto incentrato sulla creazione di modelli 3D di queste antiche tavolette di argilla. Ciò ha consentito all’intelligenza artificiale di ottenere un notevole successo nell’identificare con precisione i simboli incisi sulle tavolette.
Questa tecnologia non solo democratizza l’accesso a questi documenti antichi, ma apre anche nuove strade per la ricerca, consentendo un’analisi ed un’interpretazione più ampia dei testi storici. I futuri miglioramenti potrebbero estendere la sua applicazione ad altre scritture tridimensionali, come le iscrizioni alterate trovate nei cimiteri.
Autore: Rosa Rita La Marca – rita.lamarca@libero.it