È possibile utilizzare l’intelligenza artificiale per aiutarci a decifrare una lingua antica che ancora oggi resta sconosciuta? Ci è riuscito un gruppo di ricerca dell’Università di Bologna nell’ambito del progetto ERC INSCRIBE, che per la prima volta ha usato con successo un sistema di deep learning per gettare luce su una antica scrittura, il cipro-minoico. I risultati dello studio sono stati pubblicati sulla rivista PLOS ONE.

Il cipro-minoico risale a circa 3.500 anni fa e non è mai stato decifrato. Diffuso sull’isola di Cipro nella tarda Età del bronzo, ancora oggi non c’è un consenso tra gli studiosi su quanti siano i segni che lo compongono. Secondo alcuni esistono infatti quattro sottogruppi separati di segni (CM1, CM2, CM3, e una variante arcaica chiamata CM0) che registrano lingue differenti tra loro. Ma queste differenze potrebbero anche essere dovute a diversi stili e modalità di scrittura.

“Ad oggi non abbiamo certezze su quali segni siano veri e propri grafemi di questo sistema di scrittura e quali siano invece semplicemente delle varianti dovute a differenze nella scrittura”, spiega Silvia Ferrara, professoressa al Dipartimento di Filologia Classica e Italianistica dell’Università di Bologna che ha coordinato lo studio. “I risultati che abbiamo ottenuto supportano decisamente l’ipotesi che questi sottogruppi siano composti da varianti legati ai diversi supporti sui quali i segni venivano inscritti”.

Per arrivare a questa conclusione, gli studiosi hanno analizzato per la prima volta il cipro-minoico attraverso avanzate tecniche di deep learning. In particolare, sono state utilizzate tecniche di apprendimento senza supervisione, in cui il modello sviluppa ipotesi e conclusioni senza conoscenze pregresse sulla lingua e sui segni da analizzare.

È nato quindi un vero e proprio modello ad hoc – chiamato Sign2Vecd – addestrato ad analizzare e catalogare non solo i diversi segni del cipro-minoico, ma anche intere sequenze di segni. I risultati hanno così permesso di delineare per ogni segno una rappresentazione vettoriale che può essere visualizzata in tre dimensioni, offrendo così agli esperti la possibilità di individuare eventuali errori nella trascrizione dei segni e relazioni fra essi nel corpus.

“Il sistema che abbiamo messo a punto ci ha permesso di separare i segni tracciati su tavolette di argilla dagli altri”, dice Ferrara. “In questo modo abbiamo potuto tracciare delle corrispondenze tra i segni presenti su supporti come sfere di argilla e oggetti di metallo e quelli presenti sulle tavolette d’argilla: siamo così riusciti a ricostruire quasi il 70% di corrispondenze tra segni che finora erano solo stati ipotizzati come possibili varianti”.

Il modello di deep learning utilizzato dagli studiosi ha quindi offerto nuovi solidi indizi a supporto dell’idea che la divisione in sottogruppi del cipro-minoico non sia dovuta all’esistenza di lingue diversi, ma sia legata invece ai diversi supporti utilizzati per incidere i segni.

Lo studio è stato pubblicato sulla rivista PLOS ONE con il titolo “Unsupervised Deep Learning Supports Reclassification of Bronze Age Cypriot Writing System”. Gli autori sono Silvia Ferrara, Michele Corazza, Fabio Tamburini e Miguel Valério del Dipartimento di Filologia classica e Italianistica dell’Università di Bologna.

Paper PLOS ONE

 

 

Ora in onda:
________________