L'apprendimento automatico è stato utilizzato per tradurre automaticamente le lingue perdute da tempo

Greco antico inciso nella pietra Don Lloyd | Flickr

Nel 1886, l'archeologo britannico Arthur Evans si imbatté in un'antica pietra recante una curiosa serie di iscrizioni in una lingua sconosciuta. La pietra proveniva dall'isola mediterranea di Creta ed Evans si recò immediatamente lì per cercare ulteriori prove. Trovò rapidamente numerose pietre e tavolette con scritte simili e le datava intorno al 1400 a.C.

Ciò ha reso l'iscrizione una delle prime forme di scrittura mai scoperte. Evans ha sostenuto che la sua forma lineare era chiaramente derivata da immagini di linee rudemente graffiate appartenenti all'infanzia dell'arte, stabilendo così la sua importanza nella storia della linguistica.

Lui e altri in seguito stabilirono che le pietre e le tavolette erano scritte in due scritture diverse. Il più antico, chiamato lineare A, risale tra il 1800 e il 1400 a.C., quando l'isola era dominata dalla civiltà minoica dell'età del bronzo.

L'altra scrittura, lineare B, è più recente, comparendo solo dopo il 1400 a.C., quando l'isola fu conquistata dai Micenei della Grecia continentale.

Evans e altri hanno cercato per molti anni di decifrare le antiche scritture, ma le lingue perdute hanno resistito a tutti i tentativi. Il problema è rimasto irrisolto fino al 1953, quando un linguista dilettante di nome Michael Ventris ha decifrato il codice per la lineare B.

La sua soluzione si basava su due scoperte decisive. In primo luogo, Ventris ha ipotizzato che molte delle parole ripetute nel vocabolario in lineare B fossero nomi di luoghi dell'isola di Creta. Ciò si è rivelato corretto.

La sua seconda svolta fu quella di presumere che la scrittura registrasse una prima forma di greco antico. Quell'intuizione gli permise immediatamente di decifrare il resto della lingua. Nel processo, Ventris ha mostrato che il greco antico è apparso per la prima volta in forma scritta molti secoli prima di quanto si pensasse in precedenza.

Il lavoro di Ventris è stato un enorme risultato. Ma la scrittura più antica, lineare A, è rimasta uno dei grandi problemi in sospeso in linguistica fino ad oggi.

Non è difficile immaginare che i recenti progressi nella traduzione automatica potrebbero aiutare. In pochi anni, lo studio della linguistica è stato rivoluzionato dalla disponibilità di enormi database annotati e di tecniche per far sì che le macchine imparino da essi. Di conseguenza, la traduzione automatica da una lingua all'altra è diventata una routine. E sebbene non sia perfetto, questi metodi hanno fornito un modo completamente nuovo di pensare al linguaggio.

Entrano Jiaming Luo e Regina Barzilay del MIT e Yuan Cao del laboratorio di intelligenza artificiale di Google a Mountain View, in California. Questo team ha sviluppato un sistema di apprendimento automatico in grado di decifrare le lingue perdute e lo ha dimostrato facendogli decifrare la lineare B, la prima volta che è stato fatto automaticamente. L'approccio utilizzato era molto diverso dalle tecniche di traduzione automatica standard.

Prima un po' di background. La grande idea alla base della traduzione automatica è la comprensione che le parole sono correlate tra loro in modi simili, indipendentemente dalla lingua coinvolta.

Quindi il processo inizia mappando queste relazioni per una lingua specifica. Ciò richiede enormi database di testo. Una macchina cerca quindi questo testo per vedere la frequenza con cui ogni parola appare accanto a ogni altra parola. Questo modello di apparenze è una firma unica che definisce la parola in uno spazio parametrico multidimensionale. In effetti, la parola può essere pensata come un vettore all'interno di questo spazio. E questo vettore agisce come un potente vincolo su come la parola può apparire in qualsiasi traduzione la macchina si presenta.

Questi vettori obbediscono ad alcune semplici regole matematiche. Ad esempio: re – uomo + donna = regina. E una frase può essere pensata come un insieme di vettori che si susseguono uno dopo l'altro per formare una sorta di traiettoria attraverso questo spazio.

L'intuizione chiave che consente la traduzione automatica è che le parole in lingue diverse occupano gli stessi punti nei rispettivi spazi dei parametri. Ciò consente di mappare un'intera lingua su un'altra lingua con una corrispondenza uno a uno.

In questo modo, il processo di traduzione delle frasi diventa il processo di ricerca di traiettorie simili attraverso questi spazi. La macchina non ha nemmeno bisogno di sapere cosa significano le frasi.

Questo processo si basa in modo cruciale sui grandi set di dati. Ma un paio di anni fa, un team di ricercatori tedesco ha mostrato come un approccio simile con database molto più piccoli potrebbe aiutare a tradurre lingue molto più rare prive dei grandi database di testo. Il trucco è trovare un modo diverso per vincolare l'approccio della macchina che non si basa sul database.

Ora Luo e compagni sono andati oltre per mostrare come la traduzione automatica può decifrare le lingue che sono andate completamente perse. Il vincolo che usano ha a che fare con il modo in cui è noto che le lingue si evolvono nel tempo.

L'idea è che qualsiasi lingua può cambiare solo in determinati modi, ad esempio, i simboli nelle lingue correlate appaiono con distribuzioni simili, le parole correlate hanno lo stesso ordine di caratteri e così via. Con queste regole che vincolano la macchina, diventa molto più facile decifrare un linguaggio, a condizione che sia noto il linguaggio progenitore.

Luo e compagni mettono alla prova la tecnica con due linguaggi perduti, lineare B e ugaritico. I linguisti sanno che la lineare B codifica una prima versione del greco antico e che l'ugaritico, scoperto nel 1929, è una prima forma di ebraico.

Date queste informazioni e i vincoli imposti dall'evoluzione linguistica, la macchina di Luo e co è in grado di tradurre entrambe le lingue con notevole precisione. Siamo stati in grado di tradurre correttamente il 67,3% degli affini della Lineare B nei loro equivalenti greci nello scenario di decifrazione, dicono. Per quanto ne sappiamo, il nostro esperimento è il primo tentativo di decifrare automaticamente la lineare B.

È un lavoro impressionante che porta la traduzione automatica a un nuovo livello. Ma solleva anche l'interessante questione di altre lingue perdute, in particolare quelle che non sono mai state decifrate, come la lineare A.

In questo articolo, la lineare A è evidente per la sua assenza. Luo e compagni non lo menzionano nemmeno, ma deve incombere nel loro pensiero, come fa per tutti i linguisti. Tuttavia, sono ancora necessarie innovazioni significative prima che questo script diventi suscettibile di traduzione automatica.

Ad esempio, nessuno sa quale lingua codifica la lineare A. I tentativi di decifrarlo in greco antico sono tutti falliti. E senza il linguaggio progenitore, la nuova tecnica non funziona.

Ma il grande vantaggio degli approcci basati su macchine è che possono testare rapidamente una lingua dopo l'altra senza stancarsi. Quindi è del tutto possibile che Luo e compagni possano affrontare la Lineare A con un approccio di forza bruta, semplicemente tentando di decifrarlo in ogni lingua per la quale già opera la traduzione automatica.

Se funziona, sarà un risultato impressionante, di cui rimarrebbe stupito anche Michael Ventris.

Rif: arxiv.org/abs/1906.06718 : Decifrazione neurale tramite flusso a costo minimo: da ugaritico a lineare B

nascondere