Машинное обучение для древних языков: обзор

Machine Learning for Ancient Languages: A Survey
Chris Dyer, Andrew Senior, Yannis Assael, Ion Androutsopoulos, John Pavlopoulos, Nando de Freitas, Thea Sommerschield, JONATHAN R. W. PRAG, Vanessa Stefanak, John Bodel
2023-01-01

древние текстыатрибуция авторствадешифровкамашинное обучениевосстановление текстов
Древние языки сохраняют культуры и историю прошлого. Однако их изучение сопряжено со значительными трудностями, и специалисты должны решать широкий спектр сложных текстовых задач — от дешифровки утраченных языков и восстановления повреждённых надписей до установления авторства литературных произведений. Технологические средства уже давно используются в изучении древних текстов, однако в последние годы достижения в области искусственного интеллекта и машинного обучения сделали возможным проведение анализов в масштабах и с уровнем детализации, которые меняют гуманитарные науки, подобно тому как микроскопы и телескопы способствовали развитию естественных наук. Цель данной статьи — представить всесторонний обзор опубликованных исследований, в которых машинное обучение применяется для изучения древних текстов, написанных на любых языках, системах письма и носителях и охватывающих более трёх с половиной тысячелетий цивилизаций древнего мира. Для анализа релевантной литературы мы предлагаем таксономию задач, основанную на этапах изучения древних документов: оцифровке, восстановлении, атрибуции, лингвистическом анализе, текстологической критике, переводе и дешифровке. Эта работа вносит три основных вклада: во-первых, очерчивает междисциплинарную область, сформировавшуюся благодаря синергии гуманитарных наук и машинного обучения; во-вторых, подчёркивает, что активное сотрудничество специалистов обеих областей является ключом к созданию значимых и убедительных научных результатов; в-третьих, обозначает перспективные направления дальнейших исследований в этой области. Таким образом, работа способствует поддержанию и развитию дальнейшего сотрудничества между гуманитарными науками и машинным обучением.
1
Активное сотрудничество специалистов по древним текстам и машинному обучению необходимо для создания значимых научных результатов; также обозначены перспективные направления дальнейших исследований.
2
Поле исследований разделено на семь категорий задач: оцифровка, восстановление, атрибуция, лингвистический анализ, текстологическая критика, перевод и дешифровка.
3
Машинное обучение позволяет анализировать древние тексты в масштабах и с уровнем детализации, меняющими гуманитарные исследования.
4
Обзор охватывает исследования с применением машинного обучения к древним текстам на разных языках, письмах и носителях, охватывая более трёх с половиной тысячелетий цивилизаций.
5
Обзор систематизирует междисциплинарную область, сформированную взаимодействием гуманитарных наук и машинного обучения.

древние тексты и документы, написанные на любых языках, любыми системами письма и на любых носителях

применение машинного обучения и исследовательские задачи, связанные с оцифровкой, восстановлением, атрибуцией, лингвистическим анализом, текстологической критикой, переводом и дешифровкой древних текстов

Publication Details
Publication Date
2023-01-01
Journal
Publisher
ISSN
Cited by
108
Access Type
Author Information
Authors
Chris Dyer
Andrew Senior
Yannis Assael
Ion Androutsopoulos
John Pavlopoulos
Nando de Freitas
Thea Sommerschield
JONATHAN R. W. PRAG
Vanessa Stefanak
John Bodel
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%