所有文章 > 正文

深度学习帮助解决古文字识别问题

作者: Jansfer

浏览量: 403

时间: 2019-10-22 10:11

关键词: 人工智能,深度学习,古文字识别

最近,牛津大学的研究人员(Thea Sommerschield和乔纳森·普拉格教授)和DeepMind的研究人员(Yannis Assael)构建了Pythia,用以训练神经网络猜测希腊铭文中缺少的单词或字符。这些字符出现在石材,陶瓷和金属等材料的表面上,年龄普遍在1500至2600年之间。

最近,牛津大学的研究人员(Thea Sommerschield和乔纳森·普拉格教授)和DeepMind的研究人员(Yannis Assael)构建了Pythia,用以训练神经网络猜测希腊铭文中缺少的单词或字符。这些字符出现在石材,陶瓷和金属等材料的表面上,年龄普遍在1500至2600年之间。据《新科学家》(New Scientist) 报道,人工智能在破译破损字符方面击败了人类。在测试中,人工智能Pythia实现了2949个受损铭文的填补,全程只需几秒钟,而专家们却足足花了2个小时,而且人类专家所犯的错误比人工智能多30%。

《新科学家》关于AI称为的功能的报告包括:(1)Pythia学会了识别35,000个文物中的模式,超过300万个单词。(2)它选择的模式包括出现不同单词的上下文,语法以及铭文的形状和布局。之所以Pythia的出现受到如此多的重视,是因为Pythia是“第一个古老的文字恢复模型,该模型使用深度神经网络从受损的文字输入中恢复丢失的字符”。作者们认为,Pythia “为古代文本的修复设置了最先进的技术”。

牛津大学网站同样对Pythia的优势进行了评论。“该体系结构在字符和单词级别均有效,从而有效地处理了古代的上下文信息,并有效地处理了不完整的单词表示形式。这使其适用于处理古代文本的许多学科(语言学,纸草学,医学学)并同样适用于任何语言。”

参考:https://techxplohttps://techxplore.com/news/2019-10-deep-enlightens-scholars-puzzling-ancient.htmlre.com/news/2019-10-deep-enlightens-scholars-puzzling-ancient.html

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

扫码微信阅读
[关于转载]:本文转载于Jansfer,仅用于学术分享,有任何问题请与我们联系:report@aminer.cn。