Drugi autor zwoju znad Morza Martwego odkryty przez sztuczną inteligencję

Słynne zwoje znad Morza Martwego [ang. Dead Sea Scrolls, niektóre inne stosowane nazwy: rękopisy z Qumran, rękopisy znad Morza Martwego i manuskrypty znad Morza Martwego] został napisany nie przez jednego, ale przez dwóch skrybów, zgodnie z nowym badaniem, w którym wykorzystano sztuczną inteligencję (AI) i statystyki do wykrycia subtelnych różnic w piśmie ręcznym w starożytnym dokumencie.

Obaj skrybowie pisali w podobny sposób, że różnice między nimi nie są widoczne gołym okiem, jak pokazała analiza – szczegół, który sugeruje, że skrybowie mogli odbyć podobne szkolenie, być może w szkole lub w bliskim otoczeniu społecznym – napisali naukowcy w badaniu.

„To dopiero pierwszy krok” – powiedział główny badacz Mladen Popović, profesor hebrajskiej Biblii i starożytnego judaizmu na Uniwersytecie w Groningen w Holandii. „Otworzyliśmy drzwi do mikropoziomu różnicowania poszczególnych skrybów; otworzy to nowe możliwości studiowania wszystkich skrybów stojących za zwojami znad Morza Martwego i umieści nas w nowej i potencjalnie lepszej pozycji, abyśmy mogli zrozumieć, z jakiego rodzaju zbiorem rękopisów mamy do czynienia w tym wypadku”.

Zwoje znad Morza Martwego zostały po raz pierwszy odkryte pod koniec lat czterdziestych XX wieku, kiedy młody pasterz szukający zabłąkanej kozy znalazł kilka rękopisów w jaskini w Qumran na Zachodnim Brzegu. W ciągu następnej dekady badacze i miejscowi Beduini znaleźli ponad 900 rękopisów w 11 jaskiniach. Te rękopisy są najstarszymi pozostałymi tekstami Biblii hebrajskiej, datowanymi na okres od IV wieku p.n.e. do II wieku naszej ery. Nie jest jednak jasne, kto, a nawet ile osób je napisało, ponieważ skrybowie się nie podpisywali.

Nie powstrzymało to biblistów od zgadywania, ilu skrybów było zaangażowanych w pisanie zwojów znad Morza Martwego. „Próbowaliby znaleźć „dymiącą broń [Termin „dymiąca broń” odnosi się do przedmiotu lub faktu, który służy jako rozstrzygający dowód popełnienia przestępstwa lub podobnego czynu, ale nie został złapany na flagrante delicto.]” w piśmie, na przykład bardzo specyficzną cechę w literze, która identyfikowałaby skrybę” – powiedział Popović, który jest również dyrektorem Instytutu Qumran na Uniwersytecie w Groningen. Powiedział jednak, że te analizy „dymiącej broni” były często subiektywne i w rezultacie były przedmiotem gorącej debaty.

Tak więc Popović i jego koledzy zastosowali inne podejście – sztuczną inteligencję i statystyki – do zbadania Wielkiego Zwoju Izajasza, jednego z siedmiu zwojów pierwotnie znalezionych przez beduińskiego pasterza. Ten dobrze zachowany zwój, datowany na około 125 r. p.n.e., jest długi – mierzy ,3 metrów długości i 26 centymetrów wysokości – i zawiera 54 kolumny tekstu hebrajskiego. Zwłaszcza jedno miejsce zwróciło uwagę Popovicia; między kolumnami 27 i 28 znajduje się mała przerwa w tekście i nowa „strona”, na której zszyto ze sobą dwa arkusze. Inni badacze już debatowali, czy ten zwój został napisany przez jednego czy dwóch skrybów, a zespół Popovicia chciał sprawdzić, czy uda im się rozwiązać zagadkę.

Obraz w skali szarości kolumny 15 (po lewej) Wielkiego Zwoju Izajasza, odpowiadający mu obraz utworzony przy użyciu BiNet (środek) oraz oczyszczony, poprawiony obraz (po prawej). Zwróć uwagę, jak obraz środkowy i prawy jest przekształcony geometrycznie (Źródło zdjęcia: przedruk z Lim TH, Alexander PS. Tom 1. W: The Dead Sea Scrolls Electronic Library. Brill; 1995 na licencji CC BY, za zgodą Brill Publishers, oryginalne prawa autorskie 1995.)

W efekcie zespół chciał ustalić, „czy subtelne różnice w piśmie należy traktować jako normalne odchylenia w piśmie jednego skryby, czy jako podobne pisma dwóch różnych skrybów” – napisali w badaniu.

Metody naukowców wykryły „subtelne i zniuansowane różnice w piśmie ręcznym, których nie możemy [dostrzec] ludzkim okiem” – powiedział Popović. Odkrycie, że dwóch skrybów współpracowało przy Wielkim Zwoju Izajasza, ujawnia, że ​​starożytni skrybowie „pracowali w zespołach” – powiedział. I, w przeciwieństwie do analiz „dymiącej broni”, badania te „są nie tylko przypuszczeniem, ale są oparte na dowodach” – dodał Popović.

Jak oni to zrobili

Projektując algorytm, naukowcy musieli go wyszkolić, aby odróżniał tekst lub atrament od tła – skóry zwierzęcia lub papirusu. To rozróżnienie, znane jako binaryzacja – progowanie obrazu [ang. binarization]
, zostało zaprojektowane przez współbadacza Marufa Dhali, doktoranta na wydziale sztucznej inteligencji na Uniwersytecie w Groningen, który stworzył sztuczną sieć neuronową, którą można było trenować za pomocą deep learning. Ta sieć neuronowa zarejestrowała oryginalne ślady atramentu na rękopisie, nawet gdy te starożytne litery zostały przekształcone w obrazy cyfrowe.

„Jest to ważne, ponieważ ślady starożytnego atramentu odnoszą się bezpośrednio do ruchu mięśni człowieka i są specyficzne dla osoby” – powiedział w oświadczeniu starszy badacz Lambert Schomaker, profesor informatyki i sztucznej inteligencji na Uniwersytecie w Groningen.

Dwie sieci Kohonena hebrajskich liter z kolekcji zwojów znad Morza Martwego. Każda sieć liter jest utworzona z różnych, podobnych liter występujących w tekście, jak pokazano w powiększonym polu. Aby określić, ilu skrybów było zaangażowanych w Wielki Zwoj Izajasza, naukowcy “skłonili SI” do przyjrzenia się fragmentom (fragmentarycznym kształtom znaków) każdej litery.(Zdjęcie: Maruf A. Dhali / University of Groningen)

Analiza sieci neuronowej [sieci Kohonena] wykazała, że ​​54 kolumny tekstu w Wielkim Zwoju Izajasza zostały podzielone na dwie odrębne grupy, które miały “granice” mniej więcej w połowie manuskryptu. Dhali powiedział Schomakerowi, że mógł to napisać więcej niż jeden skryba więc Schomaker przeprowadził oddzielną analizę, ale uzyskał ten sam wynik. W tej drugiej analizie Schomaker przyjrzał się fragmentom lub częściom liter, które „mogą być bardziej precyzyjne, charakterystyczne w znajdowaniu znaczących różnic w kształcie niż pełne znaki” – napisali naukowcy w badaniu.

„Kiedy dodaliśmy dodatkowe szumy do danych, wynik się nie zmienił” – powiedział Schomaker. „Udało nam się również wykazać, że drugi skryba wykazuje większą zmienność w swoim piśmie niż pierwszy, chociaż ich pismo jest bardzo podobne”.

Ilustracja hebrajskiej litery aleph, pokazująca, jak generowano mapy termiczne dla poszczególnych liter. (Zdjęcie: Maruf A. Dhali / University of Groningen)

Następnie zespół przeprowadził analizę wizualną, tworząc „mapy ciepła”. Mapy te obejmowały wszystkie warianty danej litery, takiej jak hebrajska litera aleph (א), znajdująca się w zwoju. Następnie naukowcy stworzyli uśrednione wersję liter z pierwszych 27 kolumn i z ostatnich 27 kolumn. Następnie porównali te uśrednione litery i stwierdzili, że mogą łatwo zauważyć różnice między nimi. Ponadto różnice były istotne statystycznie, powiedział Popović.

Popović i jego koledzy planują zbadać inne zwoje, które mogą ujawnić różne pochodzenie lub szkolenie różnych skrybów, powiedział. Analizy te mogą również rzucić światło na społeczności, które napisały zwoje znad Morza Martwego. „Zrozumienie skrybów zwojów znad Morza Martwego umożliwia lepsze zrozumienie tego, co nazywam ewolucją kulturową Biblii hebrajskiej” – powiedział Popović.

Nowe badanie „po raz pierwszy zastosowano automatyczną procedurę w celu zidentyfikowania zmiany stylu w Wielkim Zwoju Izajasza”, powiedział Shira Faigenbaum-Golovin, badacz z Wydziału Matematyki Stosowanej Uniwersytetu w Tel-Awiwie, który specjalizuje się w analizie pisma ręcznego z epoki biblijnej. Faigenbaum-Golovin nie był zaangażowany w badanie. „Metoda zastosowana w tym badaniu dobrze radzi sobie z wyzwaniami wynikającymi z złego stanu zachowania zwoju poprzez silną binaryzację”.

Badanie zostało opublikowane online w środę (21 kwietnia) w czasopiśmie PLOS One.

Źródło: Laura Geggel

The Great Isaiah Scroll

Artificial intelligence based writer identification generates new evidence for the unknown scribes of the Dead Sea Scrolls exemplified by the Great Isaiah Scroll (1QIsaa)

Zdjęcie: Nora Tam/South China Morning Post via Getty Images

Subscribe
Powiadom o
guest
0 komentarzy
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x