ИИ берётся за расшифровку мёртвых языков: находит паттерны, смысл — за учёным

تُساعد الشبكات العصبية المؤرخين اليوم على قراءة نصوص ظلّت غامضة على مدى آلاف السنين. بيد أنه على الرغم من كل قدرة الخوارزميات، لا يزال فكّ رموز هذه النصوص يستلزم تدخّل الإنسان: فالذكاء الاصطناعي يتفوق في اكتشاف الأنماط في الرموز، غير أن إضفاء المعنى عليها يبقى حكرًا على اللغوي المتخصص.

ما تستطيع الشبكة العصبية فعله في اللغويات

تتمثّل الميزة الرئيسية للشبكات العصبية على الباحث في سرعة التحليل الإحصائي ونطاقه الواسع. فخلال ساعات قليلة، يعالج الخوارزم مجمّعًا نصيًا كاملًا قد يستغرق العالِم سنواتٍ في دراسته: يحسب تكرار الرموز، ويبني مصفوفات التواجد المشترك، ويكشف عن الأنماط البنيوية.

ومن أبرز الأمثلة على ذلك مشروع Ithaca، الذي طوّره فريق من DeepMind بالتعاون مع مؤرخين ونُشر في مجلة Nature عام 2022. كان النظام يُعيد بناء الأجزاء التالفة من النقوش اليونانية القديمة. بلغت دقة الخوارزم نحو 62%، في حين لم يتمكن المتخصصون دون مساعدة الذكاء الاصطناعي من تخمين الصيغة الصحيحة إلا في 25% من الحالات. وحين عمل المؤرخون جنبًا إلى جنب مع الشبكة العصبية، ارتفعت النتيجة إلى 72%.

أثبت Ithaca فاعليته تحديدًا لأن مجمّعًا ضخمًا من النصوص المُفكَّكة باليونانية القديمة كان موجودًا مسبقًا. اعتمد الخوارزم على آلاف النقوش التي درسها العلماء من قبل، وبنى تنبؤاته للأجزاء المجهولة انطلاقًا من هذه القاعدة.

• Ithaca (DeepMind، Nature، 2022) — دقة 62% في استعادة النقوش
• المؤرخون دون ذكاء اصطناعي — نحو 25% من الإجابات الصحيحة
• المؤرخون + Ithaca — 72%
• أبرز أنظمة الكتابة غير المُفكَّكة: الخط الأحادي A (كريت)، البروتو-عيلامي (إيران)، الرونغورونغو (جزيرة الفصح)، الكتابة الهندية (موهينجو-دارو)

لماذا لا غنى عن اللغوي؟

يستطيع الذكاء الاصطناعي وصف بنية النص، لكنه لا يستطيع ربطها بالمعنى. ويتجلى ذلك بوضوح حين يغيب "المرساة" — أي النص الموازي كحجر رشيد بالنسبة للهيروغليفية المصرية. فبالنسبة للخط الأحادي A أو البروتو-عيلامي أو الرونغورونغو، لا توجد نقطة انطلاق كهذه، ودونها يتحوّل فكّ الرموز إلى مجرد تخمين.

سيكتشف الخوارزم أن رموزًا بعينها تظهر بجوار بعضها أكثر من غيرها — لكن من المستحيل تسميتها كلماتٍ دون سياق ثقافي. يُقدّم اللغوي ما تفتقر إليه البيانات: معرفةً بتصنيف اللغات، وفهمًا لما يُميّز السجلات التجارية عن النصوص الدينية، وحدسًا بشأن الفئات النحوية — وكل ذلك مما لا يمكن اكتسابه بالتدريب المباشر على المجمّعات النصية.

"الذكاء الاصطناعي بارع بشكل استثنائي في التعرف على الأنماط، لكن الحدس الإنساني يظل العنصر الأساسي" — هذا بالضبط ما يؤكده الباحثون في اللغويات الحاسوبية الذين أجرت معهم

Ars Technica مقابلات.

كيف يتغيّر عمل العلماء

ثنائي "الشبكة العصبية + اللغوي" لا يُحلّ محل العالِم — بل يُغيّر وتيرة عمله. يتولى الخوارزم المهام الروتينية: التحليل الترددي، واستعادة الرموز المفقودة، والبحث عن التطابقات البنيوية في المجمّعات الموازية. أما المتخصص فيُركّز على التفسير — المرحلة التي تستلزم فهم العالَم لا النص وحده.

يُشبّه عدد من الباحثين هذا التحوّل بما فعله التصوير بالرنين المغناطيسي في مجال التشخيص الطبي: ما زال الطبيب هو من يُشخّص، لكنه بات يرى تفاصيل لم تكن في متناوله من قبل. الفِرق التي كانت تُمضي أشهرًا في ترميز المجمّعات النصية يدويًا باتت تحصل على الأنماط الأولية في غضون أيام. لا تزال عشرات أنظمة الكتابة في العالم طيّ الكتمان — ويرى المتخصصون أن بعضها قد يُقرأ في السنوات القادمة تحديدًا بفضل هذه الشراكة.

ما الذي يعنيه ذلك

إن تطبيق الذكاء الاصطناعي في اللغويات مثالٌ على الكيفية التي تُعزّز بها الشبكات العصبية الخبرة بدلًا من إزاحتها. حيث تتوفر نصوص موازية وحجم كافٍ من البيانات، يعمل الخوارزم كمُسرِّع. وحيث يكون السياق الثقافي غامضًا أو البيانات شحيحة، تبقى الكلمة الفصل للعالِم.