Hanno utilizzato avanzate tecniche di deep learning, ovvero di intelligenza artificiale, per analizzare e cercare di decifrare una lingua antica ad oggi sconosciuta. La notizia arriva dall’Italia e riguarda il cipro-minoico, lingua risalente a 3.500 anni fa e particolarmente diffusa sull’isola di Cipro nella tarda Età del bronzo, mai decifrata fino ad oggi. Quando un team dell’università di Bologna ha ottenuto nuovi interessanti tasselli sull’antica scrittura sfruttando con successo, per la prima volta, un sistema di deep learning nell’ambito del progetto ERC INSCRIBE; e pubblicando i risultati del lavoro sulla rivista PLOS ONE ( “Unsupervised Deep Learning Supports Reclassification of Bronze Age Cypriot Writing System”.). “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”, ha sottolineato la professoressa al Dipartimento di Filologia Classica e Italianistica dell’Università di Bologna Silvia Ferrara, coordinatrice dello studio. Aggiungendo: “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”.
Fino ad oggi gli studiosi non sono riusciti a trovare un metodo condiviso per calcolare il numero di segni che compongono questa lingua. Da un lato c’è chi ritiene che esistano
quattro sottogruppi separati di segni (CM1, CM2, CM3, e una variante arcaica chiamata CM0) che registrano lingue differenti tra loro. Ma c’è anche chi ritiene che le differenze potrebbero essere legate a differenti stili o modalità di scrittura. La tecnica usata per ‘capirci di più’ è quella di apprendimento senza supervisione, che prevede che il modello sviluppi, senza avere alcuna conoscenza progressa su lingua o segni da usare, ipotesi e conclusioni. Questo ha portato alla creazione di Sign2Vecd, uno specifico modello “addestrato” sia ad analizzare che a catalogare i diversi segni della lingua, oltre che intere sequenza di segni. Gli esperti hanno così potuto delineare una rappresentazione vettoriale per ogni segno, che è possibile visualizzare in tre dimensioni; e questo consente di individuare eventuali errori di trascrizione dei segni oppure possibili relazioni tra essi. Un sistema, quello messo a punto, che ha consentito “di separare i segni tracciati su tavolette di argilla dagli altri. 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”. Si ritiene dunque che la divisione in sottogruppi sia legata ai vari supporti usati per l’incisione dei segni.
