當你使用人工智慧解碼失落的語言時會發生什麼事？

但人工智慧系統仍然無法將翻譯提供給人類，因為流暢性和意義在這裡不是一回事。這個模型可以學習哪些符號跟隨哪些符號，以及哪些單字組合在一起，而不知道它們實際上指的是什麼。

這也是為什麼任何人工智慧輔助的關於這些語言的說法都難以驗證，並且是比任何單一案例都更大的問題。通常，您可以根據母語人士、其他文本或數十年來累積的專家共識來檢查建議的翻譯或解釋。對於真正脫節的語言來說，這一切都不存在。在沒有時間機器的情況下，無法驗證。

倖存的小集合讓事情變得更糟：完整的 Linear A 倖存集合大約有 7,500 個字符，短到足以在一個屏幕上顯示，而且有了這麼少的數據，幾乎任何假設都可以找到稀疏匹配來支持它。

這就是為什麼該領域的主張嚴重依賴獨立專家審查和同行評審，而不是統計置信度分數。這也是為什麼「人工智慧找到了一種模式」和「人工智慧找到了正確的意義」是兩個完全不同的說法，很容易混淆。

這並不是說人工智慧對於這些語言來說是一條死胡同。恰恰相反：它是一個真正的加速器，能夠將多年的手動交叉引用壓縮為短短幾分鐘，並允許比機構資源所允許的更多的人嘗試解決這些問題。

但它並不總是刪除解密所需的兩個元件。一個是真正的比較錨。另一個是嚴格的人工審查，透過有吸引力的巧合發現真正的進步。

在其中一種出現在線性 A 或伊特魯裡亞語之前，人工智慧在解碼語言中的作用將保持不變：一個非常古老、非常人性化的難題的快速幫助者。

簡·阿德金斯 他是都柏林城市大學電腦學院的博士生。

本文根據知識共享授權從 The Conversation 重新發布。閱讀原文。