لكن نظام الذكاء الاصطناعي لا يزال غير قادر على تسليم الترجمة للإنسان، لأن الطلاقة والمعنى ليسا نفس الشيء هنا. يمكن للنموذج أن يتعلم أي العلامات تتبع أيًا منها، وأي الكلمات تتجمع معًا، دون معرفة ما يشير إليه أي منها فعليًا.
وهذا أيضًا هو السبب وراء صعوبة التحقق من أي ادعاء بمساعدة الذكاء الاصطناعي حول هذه اللغات، وهي مشكلة أكبر من أي حالة واحدة. عادةً، يمكنك التحقق من الترجمة أو الترجمة الفورية المقترحة ومقارنتها بالمتحدثين الأصليين أو النصوص الأخرى أو إجماع الخبراء الذي تم تراكمه على مدار عقود. لا شيء من هذا موجود بالنسبة للغة غير مفككة حقًا. في غياب آلة الزمن، لا توجد طريقة للتحقق.
إن المجموعات الصغيرة الباقية تجعل الأمر أسوأ: إن المجموعة الكاملة الباقية من Linear A تبلغ حوالي 7500 حرف، وهي قصيرة بما يكفي لوضعها على شاشة واحدة، ومع هذه البيانات القليلة، يمكن لأي فرضية تقريبًا العثور على مطابقات متفرقة لدعمها.
ولهذا السبب تعتمد المطالبات في هذا المجال بشكل كبير على تدقيق الخبراء المستقلين ومراجعة النظراء بدلاً من درجات الثقة الإحصائية. ولهذا السبب أيضًا فإن عبارة “وجد الذكاء الاصطناعي نمطًا” و”عثر الذكاء الاصطناعي على المعنى الصحيح” هما ادعاءان مختلفان تمامًا يسهل الخلط بينهما.
لا شيء من هذا يعني أن الذكاء الاصطناعي يمثل طريقًا مسدودًا لهذه اللغات. بل على العكس تمامًا: إنه مُسرِّع حقيقي، قادر على ضغط سنوات من الإسناد الترافقي اليدوي في مجرد دقائق والسماح لعدد أكبر من الأشخاص بمحاولة حل هذه المشكلات أكثر مما سمحت به الموارد المؤسسية على الإطلاق.
لكنه لا يزيل المكونين اللذين يتطلبهما فك التشفير دائمًا. أحدهما هو مرساة مقارنة حقيقية. والآخر هو المراجعة البشرية الصارمة، لمعرفة التقدم الحقيقي من خلال الصدفة الجذابة.
وإلى أن يظهر أحد هؤلاء في Linear A أو Etruscan، فإن دور الذكاء الاصطناعي في فك رموز اللغات سيبقى كما هو اليوم: مساعد سريع جدًا للغز قديم جدًا وإنساني جدًا.
جين أدكينز، مرشحة لدرجة الدكتوراه، كلية الحوسبة، جامعة مدينة دبلن.
تم إعادة نشر هذه المقالة من The Conversation بموجب ترخيص المشاع الإبداعي. إقرأ المقال الأصلي.
