当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 人工智能破译了埋葬在维苏威火山灰烬中的古代卷轴

人工智能破译了埋葬在维苏威火山灰烬中的古代卷轴

来源:搜狐 2023-10-22 09:15:05 0浏览 收藏

科技周边不知道大家是否熟悉?今天我将给大家介绍《人工智能破译了埋葬在维苏威火山灰烬中的古代卷轴》,这篇文章主要会讲到等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!

正如你可能想象的那样,一幅在维苏威火山的火山灰堆下埋藏了近2000年的卷轴,从古罗马城市赫库兰尼姆出土的卷起来的纸莎草纸,是很难打开的,更不用说阅读了。但人工智能已经找到了一种方法。

今年3月,肯塔基大学的学者发起了维苏威火山挑战赛,他们公布了数千张烧焦、碳化的赫库兰尼姆卷轴的X射线图像,以及可以用来解释扫描结果的未经训练的人工智能软件。

人工智能破译了埋葬在维苏威火山灰烬中的古代卷轴

现在,有两名学生获得了首批奖项:内布拉斯加州大学林肯分校计算机科学专业的学生卢克·法里托(Luke Farritor)和德国柏林自由大学生物机器人专业的研究生优素福·纳德(Youssef Nader)。

卢克·法里托和优素福·纳德都独立地识别出了单词“πορϕυρας”(或现代希腊语中的“porphyras”),意思是“紫色”,这使它成为第一个使用人工智能软件从脚本中破译出来的完整单词。

在古罗马,紫色是一种重要的颜色,通常代表财富和地位。人们认为这个词可能指的是长袍或等级,但需要对卷轴进行进一步分析才能确定。

8月份,卢克·法里托对一个机器学习模型进行了训练,研究了卷轴上识别出的一种“爆裂”图案,这种图案可能只是一笔墨水笔划。随着人工智能发现了更多的裂纹和墨迹笔画,新的训练数据意味着它在检测其他模式方面变得更好,最终出现了“porphyras”这个词。

人工智能破译了埋葬在维苏威火山灰烬中的古代卷轴

优素福·纳德还使用了机器学习方法,但对人工智能进行了图像形状的训练,使这些图像看起来像是字母。同样,机器学习(让人工智能通过向它展示新的模式应该是什么样子来识别这些模式)能够突出单词“porphyras”以及周围的一些字母。

有了足够的训练数据,这些人工智能引擎能够在X射线图像中发现纹理的微小变化,揭示人眼看不到的墨水笔画。研究人员希望很快能发现更多。

维苏威火山挑战赛的主要奖金是70万美元,奖金将颁发给能够从这些卷起的卷轴中读出四段或更多段落的人。如果你认为你已经具备了破译文本的能力,你也可以自己试一试。

这些卷轴在公元79年维苏威火山爆发后被埋在地下,直到18世纪才被发现,当时工人们偶然发现了一座豪华别墅的遗迹,这座别墅可能属于尤利乌斯·凯撒的岳父卢修斯·卡尔珀尼乌斯·皮索·凯撒尼努斯。

遗憾的是,像这样的古代文本流传至今的很少。如果这些卷轴可以在不被破坏的情况下阅读(以防它们碎成灰尘),我们就可以解锁一世纪人类生活和学习的宝贵信息财富。

如果朋友们喜欢,敬请关注“知新了了”!

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。

版本声明
本文转载于:搜狐 如有侵犯,请联系study_golang@163.com删除
语言、机器人破壁,MIT等用GPT-4自动生成模拟任务,并迁移到真实世界语言、机器人破壁,MIT等用GPT-4自动生成模拟任务,并迁移到真实世界
上一篇
语言、机器人破壁,MIT等用GPT-4自动生成模拟任务,并迁移到真实世界
国内人工智能领域目前呈现怎样的发展趋势?
下一篇
国内人工智能领域目前呈现怎样的发展趋势?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    382次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    453次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    466次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    405次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    235次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码