رمزگشایی از طومارهای باستانی وسوویس با یادگیری ماشین؛ خوانش طومار PHerc. 306B پس از ۲۰۰۰ سال — Writing seen in PHerc. 306B, for the first time in 2000 years
خلاصه
پژوهشگران با بهره‌گیری از یادگیری ماشین، پردازش تصویر و اسکن‌های میکرو CT موفق شدند برای نخستین بار متنی را از طومار سوخته و باز نشده PHerc. 306B استخراج کنند. این دستاورد که در قالب مسابقه Vesuvius Challenge انجام شد، ترکیبی جذاب از هوش مصنوعی، مهندسی نرم‌افزار و باستان‌شناسی است.
زمینه و تاریخچه
طومارهای Herculaneum مجموعه ای از اسناد باستانی هستند که در اثر فوران کوه Vesuvius در سال ۷۹ میلادی کربنیزه و مدفون شدند. این طومارها در نزدیکی ناپل ایتالیا کشف شدند و به دلیل شکنندگی شدید، امکان باز کردن فیزیکی آن‌ها وجود ندارد. در سال‌های اخیر، پروژه Vesuvius Challenge با استفاده از فناوری‌های مدرن اسکن و هوش مصنوعی، راهکار «باز کردن مجازی» (Virtual Unrolling) را توسعه داده است تا محتوای این گنجینه‌های باستانی بدون آسیب دیدن خوانده شود.
جزئیات فنی و نحوه کشف
تیم برنده جایزه First Letters روی بخش PHerc. 306B متمرکز شدند. این طومار به شدت فشرده و دفرمه شده است. مراحل فنی این کشف شامل موارد زیر است:
- ایجاد پچ سه بعدی: با استفاده از ابزار GrowPatch در نرم‌افزار VC3D و پیش‌بینی‌های سطحی مدل m7، لایه پپیروس مورد نظر در عمق پیچش‌های طومار ایزوله شد.
- مدل‌های تشخیص جوهر: خروجی دو مدل مختلف جوهر با هم ترکیب شد؛ مدل عمومی TRACE v3B و یک مدل سفارشی به نام A-hn که با الهام از کارهای قبلی توسعه یافته بود.
- دقت پیکسلی: پیکسل‌ها تنها زمانی به عنوان جوهر شناخته می‌شدند که هر دو مدل روی آن‌ها توافق داشتند.
برندگان این چالش کدهای خود را به صورت متن‌باز روی گیت‌هاب و مدل‌ها و دیتاست‌های مربوطه را روی هاب هاگ‌فیس منتشر کرده‌اند تا جامعه مهندسی نرم‌افزار و پژوهشگران بتوانند روی آن کار کنند.
چرا این موضوع برای مهندسان اهمیت دارد؟
این پروژه نمونه درخشانی از حل مسائل پیچیده مهندسی و پردازش داده با کمک یادگیری ماشین است. طومارها با وضوح بالا اسکن می‌شوند و چالش اصلی، تفکیک سیگنال (جوهر کربنی) از نویز در بافت به‌شدت آسیب‌دیده پپیروس است. توسعه مدل‌های دقیق برای تشخیص الگوهای بسیار محو، کاربردهای وسیعی در بینایی ماشین و پردازش تصویر دارد. علاوه بر این، موفقیت در این پروژه راه را برای دریافت جایزه بزرگتر یعنی خواندن ۷۰ درصد از یک طومار کامل هموار می‌کند.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل