211service.com
AI affronta i segreti del Vaticano
L'Archivio Segreto Vaticano è roba da leggenda. Secondo quanto riferito, riempiono circa 85 chilometri di scaffalature nella Città del Vaticano, contengono lettere private e altri documenti di papi passati, alcuni dei quali risalenti all'VIII secolo.
Gli archivi sono strettamente custoditi. Dal 1881, però, gli studiosi hanno avuto un accesso limitato ad alcuni documenti, e anche questo ha rivelato molto.
Ad esempio, c'è un rotolo di 60 metri che descrive in dettaglio le prove dei Cavalieri Templari, iniziate nel 1307 e durate diversi anni. Ci sono lettere a vari papi di Michelangelo; da Enrico VIII, chiedendo l'annullamento del matrimonio; e da Maria, regina di Scozia, implorando l'intercessione prima della sua decapitazione.
Gli archivi contengono anche corrispondenza più recente, come lettere di Abraham Lincoln e Jefferson Davis che tentano di persuadere Papa Pio IX a favorire rispettivamente l'Unione e la Confederazione. Poi ci sono gli atti relativi a papa Pio XII e ai suoi rapporti con il regime nazista durante la seconda guerra mondiale, che non sono mai stati pubblicati. In effetti, tutti i documenti dal 1939 in poi sono completamente segreti.
Sebbene sia vietata la pubblicazione degli atti, gli archivi dispongono di propri studi fotografici e di conservazione. E come molti archivi storici in tutto il mondo, hanno iniziato a salvare le immagini di determinati documenti per conservarli e consentirne ulteriori approfondimenti.
Ma i documenti del Vaticano sono così voluminosi che trascriverli a mano è impraticabile in un ragionevole periodo di tempo. La visione artificiale potrebbe aiutare?
Oggi riceviamo una risposta grazie al lavoro di Donatella Firmani dell'Università Roma Tre in Italia e ad alcuni colleghi. Queste persone hanno iniziato un progetto chiamato In Codice Ratio (latino per The Code System), che mira a trascrivere automaticamente una parte dell'Archivio Segreto Vaticano chiamato Registri Vaticani.
Questo corpus è costituito da oltre 18.000 pagine di corrispondenza ufficiale del XIII secolo tra la Chiesa cattolica e re, regine e istituzioni politiche e religiose in tutta Europa. Non essendo mai stati trascritti in passato, questi documenti hanno una rilevanza storica senza precedenti, affermano Firmani e co.
I testi medievali pongono un problema unico per la visione artificiale. Gli algoritmi di riconoscimento ottico dei caratteri convenzionali non funzionano bene, perché i manoscritti sono scritti in stili diversi con legature diverse (caratteri che combinano lettere adiacenti) e con abbreviazioni idiosincratiche.
Per aggirare questo problema, gli studiosi hanno sviluppato sistemi di visione artificiale che riconoscono intere parole anziché lettere. Ma questo è tutt'altro che soddisfacente, perché la maggior parte delle parole compare solo poche volte anche in documenti lunghi. Quindi creare set di dati da cui le macchine possano imparare è difficile.
Ora Firmani e compagni hanno escogitato un nuovo modo per addestrare un sistema di riconoscimento ottico dei caratteri che divide ogni parola in una serie di tratti, che si incastrano come un puzzle. Il nostro obiettivo è sviluppare un sistema completo che trascriva il più possibile dai manoscritti, dicono.
Dopo aver diviso ogni parola in tratti, il sistema tenta di adattarli insieme per formare lettere conosciute e quindi analizza tutte le potenziali permutazioni di lettere. Infine, esclude tutti quelli che non sono grammaticali.
Ad esempio, un modello comune di tratti può essere interpretato come iii o come m, ma il primo può essere escluso come grammaticalmente inammissibile. Gli stessi tratti potrebbero anche rappresentare in o ni, e per decidere tra di essi, il sistema deve studiare più da vicino la parola e il suo contesto.
Il primo passo di Firmani e co è stato quello di creare un set di dati per addestrare un sistema di visione artificiale basato su una rete neurale. Questo set di dati deve essere etichettato in modo che il sistema possa apprendere quali lettere sono rappresentate da diverse combinazioni di tratti.
Firmani e co hanno utilizzato il crowdsourcing per completare questa annotazione. Hanno presentato la segmentazione puzzle delle parole come un problema di riconoscimento di schemi a 120 studenti delle scuole superiori, un po' come i puzzle Captcha. Gli studenti insieme hanno etichettato manualmente un set di dati di addestramento di 15.000 caratteri in un paio d'ore.
I risultati sono impressionanti. Siamo stati in grado di generare la trascrizione esatta per il 65 percento delle immagini delle parole del nostro set di dati, affermano Firmani e co.
Questo è un importante passo avanti per la trascrizione di testi medievali e per gli storici in generale. Tuttavia, c'è più lavoro da fare. Ad esempio, la trascrizione funziona con lettere minuscole, quindi un importante obiettivo successivo è estendere il vocabolario per includere lettere maiuscole e alcune delle numerose abbreviazioni utilizzate nel testo medievale.
Non è ancora chiaro come l'Archivio Segreto Vaticano utilizzerà questa tecnologia. Né si sa se i Registri Vaticani saranno pubblicati al momento della loro trascrizione.
Ma anche se non lo fossero, gli strumenti che Firmani e soci stanno sviluppando dovrebbero consentire agli studiosi di fare progressi. Ad esempio, consentono uno studio basato sui dati di documenti storici che potrebbero esaminare le frequenze di parole o frasi, ad esempio, e come cambiano nel tempo. Ciò può fornire importanti spunti culturali.
Sarà affascinante vedere se il Vaticano decide di condividere questa conoscenza o nasconderla.
Rif: arxiv.org/abs/1803.03200 : Verso la scoperta della conoscenza dall'Archivio Segreto Vaticano. In Codice Ratio – Episodio 1: Trascrizione automatica dei manoscritti.