Πού βοηθάει στην πραγματικότητα η Τεχνητή Νοημοσύνη και πού προσκρούει σε αδιέξοδο;
Κάθε αρχαία γλώσσα που έχει αποκρυπτογραφηθεί ποτέ χρειαζόταν μια άγκυρα. Συνήθως αυτό είναι ένα δίγλωσσο κείμενο, όπως η Στήλη της Ροζέτας, ή ένα παράλληλο κείμενο για να τη συγκρίνετε. Η Γραμμική Α, το σύστημα γραφής του Μινωικού πολιτισμού της Εποχής του Χαλκού στο ελληνικό νησί της Κρήτης, δεν έχει κανένα από τα δύο.
Η Γραμμική Α περιγράφεται ως «απομονωμένη γλώσσα» επειδή δεν έχει επιβεβαιωμένη σύνδεση με καμία γνωστή γλώσσα, ζωντανή ή νεκρή. Ως εκ τούτου, έχει θέσει μια σημαντική πρόκληση για τους γλωσσολόγους τον τελευταίο αιώνα.
Η Ετρουσκική, μια γλώσσα της Ιταλίας που χρησιμοποιούνταν πριν από την άνοδο της Ρωμαϊκής Αυτοκρατορίας, τα πήγε μόνο ελαφρώς καλύτερα. Ένα μερικό λεξιλόγιο έχει συλλεχθεί από σύντομες επιτύμβιες επιγραφές, αλλά η γραμματική και το βαθύτερο νόημά της εξακολουθούν να διαφεύγουν από τους γλωσσολόγους.
Και οι δύο γλώσσες είναι ακριβώς το είδος του παζλ στο οποίο έχει εμπλακεί πρόσφατα η Τεχνητή Νοημοσύνη – όχι αντικαθιστώντας τους γλωσσολόγους, αλλά υπερτροφοδοτώντας τις διαισθήσεις τους. Έχει λοιπόν η Τεχνητή Νοημοσύνη πράγματι την ευκαιρία να ολοκληρώσει αυτό που ένας αιώνας ανθρώπινης προσπάθειας δεν έχει καταφέρει;
Μια πρόσφατη περίπτωση δείχνει τόσο την ελκυστικότητα όσο και το πρόβλημα. Τον Ιούνιο του 2026, ένας αυτοδίδακτος μηχανικός Τεχνητής Νοημοσύνης και ερασιτέχνης γλωσσολόγος ισχυρίστηκε ότι έκανε μια σημαντική ανακάλυψη στη Γραμμική Α. Ξεκίνησε από μια μόνο εικασία ότι μια άγνωστη λέξη σε μια επιγραφή προσευχής προερχόταν από μια σημιτική ρίζα που σημαίνει «κατοικώ» ή «εγκολπούμαι».
Στη συνέχεια, χρησιμοποίησε σενάρια προγραμματισμού που δημιουργήθηκαν από την Τεχνητή Νοημοσύνη για να δοκιμάσει αυτό το ηχητικό μοτίβο σε σχέση με το υπόλοιπο σύνολο κειμένων της Γραμμικής Α. Αναφέρεται ότι κατάφερε να αντιστοιχίσει τιμές σε 40 σύμβολα και συνέταξε ένα λεξικό 408 λέξεων, δείχνοντας – κατά την άποψή του – ότι η Γραμμική Α είναι ένα εξαφανισμένο μέλος της σημιτικής γλωσσικής ομάδας, η οποία περιλαμβάνει γλώσσες όπως τα Εβραϊκά και τα Αραμαϊκά.
Η ανάγκη για δημιουργικότητα
Αξίζει να είμαστε ακριβείς σχετικά με το τι έκανε και τι δεν έκανε η Τεχνητή Νοημοσύνη εδώ. Δεν είχε την ιδέα. Ο μηχανικός την είχε.
Η Τεχνητή Νοημοσύνη ήταν ο βοηθός έρευνας. Διασταύρωσε γρήγορα μια ανθρώπινη υπόθεση με χιλιάδες χαρακτήρες, εργασία που θα απαιτούσε μήνες από έναν άνθρωπο. Αυτός ο καταμερισμός εργασίας είναι το μοτίβο στο οποίο αξίζει να δοθεί προσοχή αυτή τη στιγμή, πολύ περισσότερο από οποιονδήποτε μεμονωμένο ισχυρισμό που βρίσκεται ακόμη υπό εξέταση.
Πού βοηθάει λοιπόν στην πραγματικότητα η Τεχνητή Νοημοσύνη και πού προσκρούει σε αδιέξοδο; Είναι πραγματικά ισχυρή στις δοκιμές μοτίβων μεγάλης κλίμακας. Μπορεί να ελέγξει αν μια προαίσθηση για ένα σημάδι ή λέξη αντέχει σε ένα ολόκληρο αρχείο σε λίγα λεπτά αντί για χρόνια. Μπορεί να εντοπίσει επαναλαμβανόμενες ακολουθίες που ένα ανθρώπινο μάτι θα έχανε και να αποκαταστήσει κατεστραμμένες ή αποσπασματικές επιγραφές προβλέποντας πιθανούς χαρακτήρες που λείπουν.
Η Τεχνητή Νοημοσύνη κάνει επίσης κάτι ξεχωριστό που ονομάζεται «διαγλωσσική μεταφορά», όπου ένα μοντέλο εκπαιδευμένο σε μια γνωστή γλώσσα μπορεί μερικές φορές να συμπεράνει μοτίβα σε μια στενά συγγενική άγνωστη. Αυτό είναι παρόμοιο με το πώς η γνώση των ισπανικών σας βοηθά να μαντέψετε τα πορτογαλικά.
Οι ερευνητές έχουν ήδη χρησιμοποιήσει αυτό το είδος προσέγγισης με επιτυχία σε γραφές όπως η Ουγκαριτική, όπου είναι γνωστή η γλωσσική οικογένεια. Η Ουγκαριτική είναι μια εξαφανισμένη σημιτική γλώσσα, που ομιλούνταν κατά τα τέλη της Εποχής του Χαλκού (περίπου 1300-1190 π.Χ.) στην αρχαία παράκτια πόλη Ουγκαρίτ (στη σημερινή Συρία).
Αλλά υπάρχει ένα αυστηρό όριο: η στατιστική αντιστοίχιση μοτίβων δεν μπορεί να παράγει νόημα από το τίποτα. Χρειάζεται μια άγκυρα – μια γνωστή γλωσσική οικογένεια ή ένα δίγλωσσο κείμενο – για να του πει ποια μοτίβα είναι σημαντικά και ποια είναι συμπτώσεις.
Η Γραμμική Α και η Ετρουσκική είναι δύσκολες ακριβώς επειδή αυτή η άγκυρα λείπει ή είναι ελλιπής, και καμία υπολογιστική ισχύς δεν μπορεί να επινοήσει μια από την αρχή.
Λιγότερα στοιχεία
Με ένα αρκετά μεγάλο σώμα κειμένων, ένα μοντέλο Τεχνητής Νοημοσύνης θα μπορούσε υποθετικά να γίνει αρκετά άπταιστο ώστε να συνομιλεί με έναν ομιλητή Μινωιτών ή Ετρούσκων με τους στατιστικούς όρους του ίδιου του μοντέλου. Αυτό σημαίνει ότι θα μπορούσε να αναγνωρίσει επαναλαμβανόμενα μοτίβα λέξεων και άλλων δομικών μονάδων μιας γλώσσας που θα επέτρεπαν στο μοντέλο Τεχνητής Νοημοσύνης να επαναχρησιμοποιήσει τους όρους σε ένα διαφορετικό πλαίσιο. Ένα πλαίσιο που θα μπορούσε να προσεγγίσει μια περιορισμένη συνομιλία, τουλάχιστον επιφανειακά.
Αλλά το σύστημα Τεχνητής Νοημοσύνης δεν θα μπορούσε να δώσει σε έναν άνθρωπο μια μετάφραση, επειδή η άπταιστη νοημοσύνη και το νόημα δεν είναι το ίδιο πράγμα εδώ. Το μοντέλο μπορεί να μάθει ποια σημεία ακολουθούν ποια και, ποιες λέξεις ομαδοποιούνται, χωρίς ποτέ να γνωρίζει σε τι αναφέρεται στην πραγματικότητα κάποια από αυτές.
Αυτός είναι και ο λόγος για τον οποίο η επαλήθευση οποιουδήποτε ισχυρισμού με τη βοήθεια της Τεχνητής Νοημοσύνης σχετικά με αυτές τις γλώσσες είναι τόσο δύσκολη και αποτελεί πρόβλημα μεγαλύτερο από οποιαδήποτε μεμονωμένη περίπτωση. Κανονικά, θα ελέγχατε μια προτεινόμενη μετάφραση ή ερμηνεία με φυσικούς ομιλητές, παράλληλα κείμενα ή συναίνεση ειδικών που έχει συσσωρευτεί εδώ και δεκαετίες. Τίποτα από αυτά δεν υπάρχει για μια πραγματικά μη αποκρυπτογραφημένη γλώσσα. Εκτός από μια χρονομηχανή, δεν υπάρχει τρόπος να το ελέγξετε.
Τα μικρά σώματα κειμένων που σώζονται το κάνουν χειρότερο: ολόκληρο το σωζόμενο σώμα κειμένων της Γραμμικής Α αποτελείται από περίπου 7.500 χαρακτήρες, αρκετά μικρό για να χωρέσει σε μία μόνο οθόνη και με αυτά τα λίγα δεδομένα, σχεδόν κάθε υπόθεση μπορεί να βρει διάσπαρτες αντιστοιχίες για να την υποστηρίξει.
Αυτός είναι ο λόγος για τον οποίο οι ισχυρισμοί σε αυτόν τον χώρο βασίζονται τόσο πολύ στον ανεξάρτητο έλεγχο εμπειρογνωμόνων και στην αξιολόγηση από ομότιμους παρά σε στατιστικές βαθμολογίες εμπιστοσύνης. Αυτός είναι επίσης ο λόγος για τον οποίο οι ισχυρισμοί «η Τεχνητή Νοημοσύνη βρήκε ένα μοτίβο» και «η Τεχνητή Νοημοσύνη βρήκε τη σωστή σημασία» είναι πολύ διαφορετικοί ισχυρισμοί που είναι εύκολο να συγχέονται.
Τίποτα από αυτά δεν σημαίνει ότι η Τεχνητή Νοημοσύνη είναι αδιέξοδο για αυτές τις γλώσσες. Το αντίθετο μάλιστα: είναι ένας πραγματικός επιταχυντής, ικανός να συμπιέσει χρόνια χειροκίνητης διασταύρωσης σε λίγα λεπτά και να επιτρέψει σε περισσότερους ανθρώπους να επιχειρήσουν να λύσουν αυτά τα προβλήματα από ό,τι επέτρεψαν ποτέ οι θεσμικοί πόροι.
Αλλά δεν αφαιρεί τα δύο συστατικά που πάντα απαιτούσε η αποκρυπτογράφηση. Το ένα είναι μια γνήσια συγκριτική άγκυρα. Το άλλο είναι η αυστηρή ανθρώπινη αξιολόγηση, για να διακρίνει κανείς μια πραγματική ανακάλυψη από μια ελκυστική σύμπτωση.
Μέχρι να εμφανιστεί ένα από αυτά για τη Γραμμική Α ή την Ετρουσκική, ο ρόλος της Τεχνητής Νοημοσύνης στην αποκρυπτογράφηση γλωσσών θα παραμείνει αυτός που είναι σήμερα: ένας πολύ γρήγορος βοηθός σε ένα πολύ παλιό, πολύ ανθρώπινο παζλ.
