DeepMind 的一组人工智能研究人员与威尼斯大学、牛津大学和雅典经济与商业大学的同事合作，开发了一种人工智能 (AI) 应用程序，以帮助历史学家填补石头上缺失的文本空白、金属或陶器制品。在他们发表在Nature杂志上的论文中，该小组描述了他们如何构建应用程序、如何使用它以及在针对已知文本进行测试时它的工作情况。伦敦国王学院的 Charlotte Roueché 在同一期刊上发表了一篇新闻和观点文章，概述了使用新技术更好地了解历史文物的历史以及团队在这项新工作中所做的工作。
在历史的某些时期，人类开始使用书面文本进行记账等目的。这样的叙述可以为现代学者提供关于古代社会人们如何生活的线索。但这只有在文物可以被破译的情况下。许多已被天气侵蚀或已损坏并丢失。现代学者使用多种工具来确定原文的内容。这几乎总是一个漫长而乏味的过程。在这项新的努力中，DeepMind 的团队着手开发一种工具来帮助这些努力。结果就是 Ithaca，这是一种机器学习应用程序，可以从其他古代文本中学习以预测丢失的文本。
研究人员使用从公元前 700 年到公元 500 年的 60,000 个希腊文本来训练该应用程序。每个都已经被广泛研究并在必要时进行了重建。然后，该团队在重建之前在相同的文本上运行该应用程序。然后，他们在另外 8,000 个经过充分研究的文本上对应用程序进行了训练，以根据人类专家所做的工作对其进行测试。研究人员发现该系统的准确率为 62%，优于历史学家的表现。但最好的结果来自人工智能系统和历史学家之间的合作。在一起，他们能够达到 72% 的准确率。
研究人员还添加了另一个功能——使用文本中和其他来源的线索将文本归因于时间和地点的能力。他们发现该系统在确定作者来源方面的准确率为 71%，并且平均可以将写作日期定位在 30 年内。
DeepMind 的一组人工智能研究人员与威尼斯大学、牛津大学和雅典经济与商业大学的同事合作，开发了一种人工智能 (AI) 应用程序，以帮助历史学家填补石头上缺失的文本空白、金属或陶器制品。在他们发表在Nature杂志上的论文中，该小组描述了他们如何构建应用程序、如何使用它以及在针对已知文本进行测试时它的工作情况。伦敦国王学院的 Charlotte Roueché 在同一期刊上发表了一篇新闻和观点文章，概述了使用新技术更好地了解历史文物的历史以及团队在这项新工作中所做的工作。
在历史的某些时期，人类开始使用书面文本进行记账等目的。这样的叙述可以为现代学者提供关于古代社会人们如何生活的线索。但这只有在文物可以被破译的情况下。许多已被天气侵蚀或已损坏并丢失。现代学者使用多种工具来确定原文的内容。这几乎总是一个漫长而乏味的过程。在这项新的努力中，DeepMind 的团队着手开发一种工具来帮助这些努力。结果就是 Ithaca，这是一种机器学习应用程序，可以从其他古代文本中学习以预测丢失的文本。
研究人员使用从公元前 700 年到公元 500 年的 60,000 个希腊文本来训练该应用程序。每个都已经被广泛研究并在必要时进行了重建。然后，该团队在重建之前在相同的文本上运行该应用程序。然后，他们在另外 8,000 个经过充分研究的文本上对应用程序进行了训练，以根据人类专家所做的工作对其进行测试。研究人员发现该系统的准确率为 62%，优于历史学家的表现。但最好的结果来自人工智能系统和历史学家之间的合作。在一起，他们能够达到 72% 的准确率。
研究人员还添加了另一个功能——使用文本中和其他来源的线索将文本归因于时间和地点的能力。他们发现该系统在确定作者来源方面的准确率为 71%，并且平均可以将写作日期定位在 30 年内。
DeepMind 的一组人工智能研究人员与威尼斯大学、牛津大学和雅典经济与商业大学的同事合作，开发了一种人工智能 (AI) 应用程序，以帮助历史学家填补石头上缺失的文本空白、金属或陶器制品。在他们发表在Nature杂志上的论文中，该小组描述了他们如何构建应用程序、如何使用它以及在针对已知文本进行测试时它的工作情况。伦敦国王学院的 Charlotte Roueché 在同一期刊上发表了一篇新闻和观点文章，概述了使用新技术更好地了解历史文物的历史以及团队在这项新工作中所做的工作。
在历史的某些时期，人类开始使用书面文本进行记账等目的。这样的叙述可以为现代学者提供关于古代社会人们如何生活的线索。但这只有在文物可以被破译的情况下。许多已被天气侵蚀或已损坏并丢失。现代学者使用多种工具来确定原文的内容。这几乎总是一个漫长而乏味的过程。在这项新的努力中，DeepMind 的团队着手开发一种工具来帮助这些努力。结果就是 Ithaca，这是一种机器学习应用程序，可以从其他古代文本中学习以预测丢失的文本。
研究人员使用从公元前 700 年到公元 500 年的 60,000 个希腊文本来训练该应用程序。每个都已经被广泛研究并在必要时进行了重建。然后，该团队在重建之前在相同的文本上运行该应用程序。然后，他们在另外 8,000 个经过充分研究的文本上对应用程序进行了训练，以根据人类专家所做的工作对其进行测试。研究人员发现该系统的准确率为 62%，优于历史学家的表现。但最好的结果来自人工智能系统和历史学家之间的合作。在一起，他们能够达到 72% 的准确率。
研究人员还添加了另一个功能——使用文本中和其他来源的线索将文本归因于时间和地点的能力。他们发现该系统在确定作者来源方面的准确率为 71%，并且平均可以将写作日期定位在 30 年内。