Blog
آیا هوش مصنوعی میتواند به رمزگشایی زبانهای گمشده کمک کند؟
برای رمزگشایی هر زبان باستانی که تا به امروز با موفقیت خوانده و رمزگشایی شده، همواره وجود نقطهی اتکا یا لنگر راهنما الزامی بوده است؛ این لنگر معمولاً یا در قالب یک متن دوزبانه مانند سنگ روزتا یا به شکل یک زبان خویشاوند و شناختهشده برای مقایسه در دسترس قرار میگیرد. بااینحال، «خط یک» که نظام نوشتاری تمدن مینوسی در عصر برنز در جزیرهی کرت یونان است، هیچیک از این دو امکان حیاتی را در اختیار ندارد.
خط یک به عنوان زبانی ایزوله شناخته میشود، زیرا هیچ پیوند تأییدشدهای میان آن و دیگر زبانهای شناختهشدهی جهان وجود ندارد. همین ویژگی در طول یک قرن گذشته، این زبان را به یکی از دشوارترین معماها برای زبانشناسان تبدیل کرده است. در این میان، زبان اتروسکی که پیش از قدرت گرفتن امپراتوری روم در ایتالیا رواج داشت، وضعیت به نسبت بهتری دارد؛ هرچند بخشی از واژگان این زبان از روی کتیبههای کوتاه تدفینی گردآوری شده، دستور زبان و درک عمیق مفاهیم آن همچنان از دسترس پژوهشگران دور مانده است.
دقیقاً همینجاست که هوش مصنوعی وارد ماجرا میشود؛ البته نه برای جایگزینی زبانشناسان، بلکه برای تقویت حدسها و سرعت دادن به آزمون فرضیهها. پرسش اصلی نیز همین است که آیا هوش مصنوعی واقعا شانس دارد کاری را تمام کند که تلاشهای انسانی در یک قرن از پسش برنیامده است؟
«خط یک» یکی از دشوارترین معماها برای زبانشناسان است
بررسی پروندهای جدید به وضوح نشان میدهد که این مسیر مشخص، در عین حال که جذابیتهای خاص خود را دارد، با محدودیتهای جدی و مشخصی نیز همراه است. بهگزارش ارزتکنیکا، در ژوئن سال ۲۰۲۶، یک مهندس هوش مصنوعی که مهارتهای خود را به شکل خودآموخته فراگرفته بود و به عنوان زبانشناس آماتور فعالیت میکرد، مدعی شد که به پیشرفت و گشایشی مهم در زمینهی خط یک دست یافته است.
نقطهی آغازین این ادعا، تنها حدس و گمان اولیه بود؛ این فرد چنین فرض کرد که یک واژهی ناشناخته و مبهم در یک کتیبهی دعایی و نیایشی، از ریشهای سامی مشتق شده است که مفهوم آن به معنای «سکونت کردن» یا «ساکن بودن» اشاره دارد.
در مرحلهی بعدی، او به سراغ اسکریپتها و کدهای برنامهنویسی توسعهیافته توسط هوش مصنوعی رفت تا با بهرهگیری از آنها، همان الگوی آوایی بهدستآمده را روی بخشهای باقیمانده از کل پیکرهی متنی گردآوریشده از خط یک آزمایش و ارزیابی کند.
بر اساس گزارشهای موجود، فرایند به او امکان داد تا برای ۴۰ نشانهی مختلف ارزش و معنا تعیین کند و در نهایت، موفق شد واژهنامهای کامل شامل ۴۰۸ واژه را تدوین و گردآوری کند. بهدستآمدن این دستاورد علمی، از دیدگاه خود او نشاندهندهی این واقعیت بود که «خط یک» عضوی منقرضشده و قدیمی از خانوادهی زبانهای سامی است؛ گروه زبانیِ بزرگی که زبانهای دیگری مانند عبری و آرامی را نیز در بر میگیرد.
اما در این میان، نکتهی کلیدی و حائز اهمیت، سنجش و درک سهم واقعی هوش مصنوعی در پیشبرد فرایند بود. واقعیت این است که هوش مصنوعی وظیفهی خلق یا ارائهی ایده را بر عهده نداشت و ایدهی اولیه بهطور کامل از سوی مهندس مطرح شده بود. در واقع، نقش ماشین و فناوری بیشتر در قالب ابزاری برای آزمودن سریع فرضیههای گوناگون، نظمدهی و ساماندادن به الگوهای بهدستآمده و همچنین، گسترش دامنهی جستوجوها تعریف شد. در نتیجه، این ابزار هوشمند نقشی در زایش و شکلگیری جرقهی نخستین و اصلی طرح ایفا نکرد.
هوش مصنوعی بیشتر نقش دستیار پژوهشی را ایفا میکند
هوش مصنوعی در چنین فرایندی بیشتر نقش دستیار پژوهشی را ایفا میکند. این سامانه میتواند یک فرضیهی انسانی را در مدت کوتاهی روی هزاران نویسه آزمایش کند؛ کاری که در صورت انجام دستی، ممکن است ماهها زمان ببرد. تقسیم کار، الگویی است که شاید بیش از هر ادعای منفردی درباره رمزگشایی زبانهای ناشناخته شایسته توجه باشد؛ ادعاهایی که هنوز نیازمند بررسی و راستیآزماییاند.
اما هوش مصنوعی دقیقاً کجا کمک میکند و کجا با محدودیت روبهرو میشود؟ این فناوری در آزمودن الگوها در مقیاس بزرگ توانایی چشمگیری دارد. برای مثال، میتواند در چند دقیقه بررسی کند که آیا فرضیهای درباره یک نشانه یا واژه در سراسر یک پیکره متنی معتبر است یا خیر؛ کاری که ممکن است برای پژوهشگر انسانی سالها زمان ببرد. همچنین میتواند توالیهای تکرارشوندهای را شناسایی کند که از چشم انسان پنهان میمانند و در برخی موارد، با پیشبینی نویسههای گمشده، به بازسازی کتیبههای آسیبدیده یا ناقص کمک کند.
یکی دیگر از قابلیتهای مهم هوش مصنوعی، «انتقال میانزبانی» است؛ فرایندی که در آن مدلی آموزشدیده بر یک زبان شناختهشده، میتواند از الگوهای آن برای استنتاج ویژگیهایی در زبانی ناشناخته اما خویشاوند استفاده کند. این فرایند تا حدی شبیه آن است که دانستن زبان اسپانیایی، در تشخیص برخی الگوهای زبان پرتغالی به فرد کمک کند.