Η Τεχνητή Νοημοσύνη και οι γρίφοι της αρχαιότητας: Ξεκλειδώνοντας τα μυστικά των κλασικών κειμένων
Λήδα Αρνέλλου
avgi.gr
Στην Κλασική Φιλολογία υπάρχουν ποικίλα αναπάντητα
ερωτήματα σχετικά με την πατρότητα και τη χρονολόγηση σημαντικών
κειμένων, όπως είναι για παράδειγμα ο Προμηθέας Δεσμώτης, που
αποδίδεται παραδοσιακά στον Αισχύλο. Ο Νίκος Μανουσάκης,
μεταδιδακτορικός ερευνητής στο Τμήμα Φιλολογίας του ΕΚΠΑ, μιλά στο
«Πρίσμα» για την έρευνά του που συνδυάζει την Κλασική Φιλολογία με την
Τεχνητή Νοημοσύνη, αναζητώντας απαντήσεις στα ερωτήματα αυτά.
Τι είναι η υπολογιστική υφολογία; Ποια πεδία τέμνονται σ’ αυτή; Σε ποια προβλήματα προσφέρει λύσεις;
Η υπολογιστική υφολογία συνδυάζει κατά βάση τη γλωσσική έρευνα και την Πληροφορική. Στο πλαίσιο που διαμορφώνεται από αυτή τη σύζευξη αντιμετωπίζονται ζητήματα που συνδέονται με επιστημονικές και μη περιοχές, όπως η νομική επιστήμη / Εγκληματολογία, η Ψυχιατρική, η γνωσιακή θεωρία, το μάρκετινγκ, η παιδαγωγική επιστήμη και, βεβαίως, η Φιλολογία. Η υπολογιστική υφολογία αφορά ειδικότερα στην αυτόματη κατηγοριοποίηση κειμένων με βάση τον συγγραφέα τους, τον χρόνο συγγραφής, τον βαθμό δυσκολίας τους, αν πρόκειται για παιδαγωγικό υλικό, τη διάθεση από την οποία εμφορείται ο συγγραφέας ή την ψυχολογική πάθηση από την οποία ενδεχομένως πάσχει κ.ά. Για την κατηγοριοποίηση αυτή χρησιμοποιούνται γλωσσικοί δείκτες που «εγκλωβίζουν» πληροφορία λεξιλογική, γραμματική, συντακτική κ.ά. Η εν λόγω πληροφορία αναδεικνύεται μέσω μιας σειράς τεχνικών ποσοτικής ανάλυσης που καλύπτουν από απλές μεθόδους περιγραφικής στατιστικής ως και -πλέον κυρίως- διαρκώς εξελισσόμενα μοντέλα Τεχνητής Νοημοσύνης: αλγόριθμοι μηχανικής μάθησης. Η μηχανική μάθηση είναι ένα εξαιρετικά γοητευτικό πεδίο της Πληροφορικής, το οποίο αφορά τη δυνατότητα της μηχανής να «μαθαίνει» ξεφεύγοντας από τις ρητά δοσμένες οδηγίες ενός προγράμματος. Με άλλα λόγια, η μηχανή «μαθαίνει» να αποκρυπτογραφεί ένα χάος από πληροφορίες με τρόπους που υπερβαίνουν τις εντολές που της έχουμε δώσει. Ένα σχετικό παράδειγμα, που συζητείται ευρέως, είναι η αναγνώριση εικόνας. Ένας αλγόριθμος μπορεί να τροφοδοτηθεί από έναν μεγάλο όγκο εικόνων με μωρά που γελούν. Η μηχανή μπορεί και «μαθαίνει» να αναγνωρίζει αν σε μια εικόνα που δεν έχει «ξαναδεί» υπάρχουν μωρά που γελούν χωρίς ποτέ να της «περιγράψουμε» τι σημαίνει μωρό που γελά. Αυτό είναι –απλουστευτικά – η μηχανική μάθηση. Στη δική μας περίπτωση η μηχανή «μαθαίνει» να ξεχωρίζει, π.χ., τα κείμενα του Αισχύλου από αυτά του Σοφοκλή ή του Αριστοφάνη κ.λπ.
Τι συγκεκριμένα αφορά η έρευνά σας;
Σπούδασα Κλασική Φιλολογία με ειδίκευση στο αρχαίο δράμα. Η διατριβή μου αφορά το έργο του Αισχύλου. Και όσο παράδοξο κι αν ακούγεται, τελικά η εντατική ενασχόλησή μου με την Τεχνητή Νοημοσύνη, με τη μηχανική μάθηση, προέκυψε λόγω του Αισχύλου. Το δεύτερο μεταπτυχιακό μου ήταν στην επεξεργασία φυσικής γλώσσας. Στη διατριβή μου εφάρμοσα μεθόδους της υπολογιστικής υφολογίας στο παλιό, ιδιαιτέρως ακανθώδες, πρόβλημα της αμφισβητούμενης πατρότητας του Προμηθέα Δεσμώτη και της τελικής σκηνής των Επτά επί Θήβας. Παραδοσιακά τα κείμενα αυτά αποδίδονται στον Αισχύλο, αλλά πλέον είμαστε σχεδόν σίγουροι ότι δεν προέρχονται από το χέρι του. Το ερευνητικό πρόγραμμα που συντονίζω στο ΕΚΠΑ σκοπεύει στην εφαρμογή μεθόδων της υπολογιστικής υφολογίας -αλγορίθμων που έχουν δοκιμαστεί και άλλων που τώρα δοκιμάζονται- και σε άλλα κείμενα της αρχαίας ελληνικής φιλολογίας των οποίων η πατρότητα ή η χρονολόγηση είναι αβέβαιη. Για παράδειγμα, τώρα μελετούμε τμήματα της Ιφιγένειας εν Αυλίδι του Ευριπίδη τα οποία δεν προέρχονται από τον ποιητή, αλλά είναι μεταγενέστερες προσθήκες. Το έργο κατά πάσα βεβαιότητα δεν έτυχε της τελικής φροντίδας του Ευριπίδη. Μετά τον θάνατό του συμπληρώθηκε και διδάχθηκε από άλλους, αποσπώντας το πρώτο βραβείο στα Μεγάλα Διονύσια.
Πώς επιλέξατε τα συγκεκριμένα κείμενα με τα οποία θα ασχοληθείτε στο ερευνητικό πρόγραμμα που συντονίζετε;
Στην Κλασική Φιλολογία και στη Φιλολογία του αρχαίου και μεσαιωνικού κόσμου γενικά υπάρχουν πολλά αναπάντητα ερωτήματα σχετικά με την πατρότητα αλλά και τον χρόνο συγγραφής σημαντικών κειμένων. Η αντιμετώπιση των εν λόγω ερωτημάτων θα φώτιζε, πολύ ουσιαστικά σε πολλές περιπτώσεις, τις σχεδόν πάντα περιορισμένες γνώσεις μας για τους δημιουργούς. Κατά κάποιον τρόπο στην περίπτωσή μου η επιλογή των κειμένων είναι μονόδρομος. Για να το πω κάπως διαφορετικά, όταν κάνεις τη συγκεκριμένη δουλειά, είσαι σαν… Ιντιάνα Τζόουνς των κειμένων. Τα κειμενικά μυστήρια του παρελθόντος που καλείσαι να εξιχνιάσεις είναι συγκεκριμένα, όπως και οι χαμένοι αρχαιολογικοί θησαυροί. Αυτό που επιλέγεις είναι ποια θα κυνηγήσεις.
Στο ερευνητικό μας πρόγραμμα μας απασχολούν κείμενα της κλασικής περιόδου, αλλά γενικά μας ενδιαφέρουν κείμενα αμφισβητούμενης πατρότητας ή / και χρονολόγησης της αρχαίας και μεσαιωνικής ελληνικής γραμματείας. Μας ενδιαφέρει, π.χ., εξίσου ο Θουκυδίδης και ο Μιχαήλ Ψελλός. Ένα άλλο, σχετικό σημείο στη διαδικασία είναι ότι ο ερευνητής επιλέγει, και είναι κρίσιμο, ακριβώς ποιες μεθόδους θα χρησιμοποιήσει. Υπάρχουν, π.χ., προβλήματα πατρότητας που μπορούμε να αντιμετωπίσουμε αποτελεσματικά μέσω της Ανάλυσης Κυρίων Συνιστωσών (Principal Components Analysis) και άλλα για τα οποία πρέπει να καταφύγουμε σε πιο σύνθετες τεχνικές, όπως οι Μηχανές Υποστηρικτικών Διανυσμάτων (Support Vector Machines).
Στερεοτυπικά τα πεδία της Κλασικής Φιλολογίας και της Τεχνητής Νοημοσύνης έχουν ακαδημαϊκή απόσταση. Θεωρείτε ότι το ερευνητικό πρόγραμμα που συντονίζετε μπορεί να δημιουργήσει ένα σταθερό πλαίσιο στη σύζευξή τους; Να δώσει μια αναπαράξιμη κατεύθυνση στη σύγχρονη έρευνα των κλασικών γραμμάτων;
Η απόσταση υπάρχει. Πρόκειται για εντελώς άλλους κώδικες. Και μάλιστα με σαφώς διαφορετικές ταχύτητες εξέλιξης. Ωστόσο, στην περίπτωσή μας η συνθήκη είναι ευτυχής. Έχω τη χαρά να συνεργάζομαι στενά με σημαντικούς ανθρώπους από διαφορετικούς χώρους: τον αναπληρωτή καθηγητή Κλασικής Φιλολογίας του ΕΚΠΑ Δημήτρη Καραδήμα, τον καθηγητή Υπολογιστικής Γλωσσολογίας του ΕΚΠΑ Γιώργο Μικρό και τον αναπληρωτή καθηγητή Πληροφορικής του Πανεπιστημίου Αιγαίου Στάθη Σταματάτο. Ο απώτερος στόχος μας είναι η τομή της Πληροφορικής και της γλωσσικής έρευνας να καθιερωθεί ως ειδικό αντικείμενο ενασχόλησης στην Κλασική (και όχι μόνο) Φιλολογία. Επιδιώκουμε συνεργασίες με σχετικούς φορείς του εξωτερικού, μας απασχολεί έντονα το εκπαιδευτικό πλαίσιο του προγράμματος και ελπίζουμε ότι στα χρόνια που έρχονται όλα αυτά θα δέσουν οργανικά.
Ταυτότητα της έρευνας
Τίτλος: Η Τεχνητή Νοημοσύνη και οι γρίφοι της αρχαιότητας: η εφαρμογή της υπολογιστικής
υφολογίας στην αρχαία ελληνική γραμματεία
Φορέας υποδοχής: Τομέας Κλασικής Φιλολογίας, Τμήμα Φιλολογίας, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Επιστημονικός υπεύθυνος: Νίκος Μανουσάκης
Επιστημονική ομάδα: Δημήτριος Καραδήμας, Γεώργιος Μικρός, Ευστάθιος Σταματάτος
Χρηματοδότηση: Ελληνικό Ίδρυμα Έρευνας και Καινοτομίας
Συνεργαζόμενοι φορείς: Evaluating Variations in Language Laboratory, Mathematics and Computer Science Department, Duquesne University, Pittsburgh, Pennsylvania
Τι είναι η υπολογιστική υφολογία; Ποια πεδία τέμνονται σ’ αυτή; Σε ποια προβλήματα προσφέρει λύσεις;
Η υπολογιστική υφολογία συνδυάζει κατά βάση τη γλωσσική έρευνα και την Πληροφορική. Στο πλαίσιο που διαμορφώνεται από αυτή τη σύζευξη αντιμετωπίζονται ζητήματα που συνδέονται με επιστημονικές και μη περιοχές, όπως η νομική επιστήμη / Εγκληματολογία, η Ψυχιατρική, η γνωσιακή θεωρία, το μάρκετινγκ, η παιδαγωγική επιστήμη και, βεβαίως, η Φιλολογία. Η υπολογιστική υφολογία αφορά ειδικότερα στην αυτόματη κατηγοριοποίηση κειμένων με βάση τον συγγραφέα τους, τον χρόνο συγγραφής, τον βαθμό δυσκολίας τους, αν πρόκειται για παιδαγωγικό υλικό, τη διάθεση από την οποία εμφορείται ο συγγραφέας ή την ψυχολογική πάθηση από την οποία ενδεχομένως πάσχει κ.ά. Για την κατηγοριοποίηση αυτή χρησιμοποιούνται γλωσσικοί δείκτες που «εγκλωβίζουν» πληροφορία λεξιλογική, γραμματική, συντακτική κ.ά. Η εν λόγω πληροφορία αναδεικνύεται μέσω μιας σειράς τεχνικών ποσοτικής ανάλυσης που καλύπτουν από απλές μεθόδους περιγραφικής στατιστικής ως και -πλέον κυρίως- διαρκώς εξελισσόμενα μοντέλα Τεχνητής Νοημοσύνης: αλγόριθμοι μηχανικής μάθησης. Η μηχανική μάθηση είναι ένα εξαιρετικά γοητευτικό πεδίο της Πληροφορικής, το οποίο αφορά τη δυνατότητα της μηχανής να «μαθαίνει» ξεφεύγοντας από τις ρητά δοσμένες οδηγίες ενός προγράμματος. Με άλλα λόγια, η μηχανή «μαθαίνει» να αποκρυπτογραφεί ένα χάος από πληροφορίες με τρόπους που υπερβαίνουν τις εντολές που της έχουμε δώσει. Ένα σχετικό παράδειγμα, που συζητείται ευρέως, είναι η αναγνώριση εικόνας. Ένας αλγόριθμος μπορεί να τροφοδοτηθεί από έναν μεγάλο όγκο εικόνων με μωρά που γελούν. Η μηχανή μπορεί και «μαθαίνει» να αναγνωρίζει αν σε μια εικόνα που δεν έχει «ξαναδεί» υπάρχουν μωρά που γελούν χωρίς ποτέ να της «περιγράψουμε» τι σημαίνει μωρό που γελά. Αυτό είναι –απλουστευτικά – η μηχανική μάθηση. Στη δική μας περίπτωση η μηχανή «μαθαίνει» να ξεχωρίζει, π.χ., τα κείμενα του Αισχύλου από αυτά του Σοφοκλή ή του Αριστοφάνη κ.λπ.
Τι συγκεκριμένα αφορά η έρευνά σας;
Σπούδασα Κλασική Φιλολογία με ειδίκευση στο αρχαίο δράμα. Η διατριβή μου αφορά το έργο του Αισχύλου. Και όσο παράδοξο κι αν ακούγεται, τελικά η εντατική ενασχόλησή μου με την Τεχνητή Νοημοσύνη, με τη μηχανική μάθηση, προέκυψε λόγω του Αισχύλου. Το δεύτερο μεταπτυχιακό μου ήταν στην επεξεργασία φυσικής γλώσσας. Στη διατριβή μου εφάρμοσα μεθόδους της υπολογιστικής υφολογίας στο παλιό, ιδιαιτέρως ακανθώδες, πρόβλημα της αμφισβητούμενης πατρότητας του Προμηθέα Δεσμώτη και της τελικής σκηνής των Επτά επί Θήβας. Παραδοσιακά τα κείμενα αυτά αποδίδονται στον Αισχύλο, αλλά πλέον είμαστε σχεδόν σίγουροι ότι δεν προέρχονται από το χέρι του. Το ερευνητικό πρόγραμμα που συντονίζω στο ΕΚΠΑ σκοπεύει στην εφαρμογή μεθόδων της υπολογιστικής υφολογίας -αλγορίθμων που έχουν δοκιμαστεί και άλλων που τώρα δοκιμάζονται- και σε άλλα κείμενα της αρχαίας ελληνικής φιλολογίας των οποίων η πατρότητα ή η χρονολόγηση είναι αβέβαιη. Για παράδειγμα, τώρα μελετούμε τμήματα της Ιφιγένειας εν Αυλίδι του Ευριπίδη τα οποία δεν προέρχονται από τον ποιητή, αλλά είναι μεταγενέστερες προσθήκες. Το έργο κατά πάσα βεβαιότητα δεν έτυχε της τελικής φροντίδας του Ευριπίδη. Μετά τον θάνατό του συμπληρώθηκε και διδάχθηκε από άλλους, αποσπώντας το πρώτο βραβείο στα Μεγάλα Διονύσια.
Πώς επιλέξατε τα συγκεκριμένα κείμενα με τα οποία θα ασχοληθείτε στο ερευνητικό πρόγραμμα που συντονίζετε;
Στην Κλασική Φιλολογία και στη Φιλολογία του αρχαίου και μεσαιωνικού κόσμου γενικά υπάρχουν πολλά αναπάντητα ερωτήματα σχετικά με την πατρότητα αλλά και τον χρόνο συγγραφής σημαντικών κειμένων. Η αντιμετώπιση των εν λόγω ερωτημάτων θα φώτιζε, πολύ ουσιαστικά σε πολλές περιπτώσεις, τις σχεδόν πάντα περιορισμένες γνώσεις μας για τους δημιουργούς. Κατά κάποιον τρόπο στην περίπτωσή μου η επιλογή των κειμένων είναι μονόδρομος. Για να το πω κάπως διαφορετικά, όταν κάνεις τη συγκεκριμένη δουλειά, είσαι σαν… Ιντιάνα Τζόουνς των κειμένων. Τα κειμενικά μυστήρια του παρελθόντος που καλείσαι να εξιχνιάσεις είναι συγκεκριμένα, όπως και οι χαμένοι αρχαιολογικοί θησαυροί. Αυτό που επιλέγεις είναι ποια θα κυνηγήσεις.
Στο ερευνητικό μας πρόγραμμα μας απασχολούν κείμενα της κλασικής περιόδου, αλλά γενικά μας ενδιαφέρουν κείμενα αμφισβητούμενης πατρότητας ή / και χρονολόγησης της αρχαίας και μεσαιωνικής ελληνικής γραμματείας. Μας ενδιαφέρει, π.χ., εξίσου ο Θουκυδίδης και ο Μιχαήλ Ψελλός. Ένα άλλο, σχετικό σημείο στη διαδικασία είναι ότι ο ερευνητής επιλέγει, και είναι κρίσιμο, ακριβώς ποιες μεθόδους θα χρησιμοποιήσει. Υπάρχουν, π.χ., προβλήματα πατρότητας που μπορούμε να αντιμετωπίσουμε αποτελεσματικά μέσω της Ανάλυσης Κυρίων Συνιστωσών (Principal Components Analysis) και άλλα για τα οποία πρέπει να καταφύγουμε σε πιο σύνθετες τεχνικές, όπως οι Μηχανές Υποστηρικτικών Διανυσμάτων (Support Vector Machines).
Στερεοτυπικά τα πεδία της Κλασικής Φιλολογίας και της Τεχνητής Νοημοσύνης έχουν ακαδημαϊκή απόσταση. Θεωρείτε ότι το ερευνητικό πρόγραμμα που συντονίζετε μπορεί να δημιουργήσει ένα σταθερό πλαίσιο στη σύζευξή τους; Να δώσει μια αναπαράξιμη κατεύθυνση στη σύγχρονη έρευνα των κλασικών γραμμάτων;
Η απόσταση υπάρχει. Πρόκειται για εντελώς άλλους κώδικες. Και μάλιστα με σαφώς διαφορετικές ταχύτητες εξέλιξης. Ωστόσο, στην περίπτωσή μας η συνθήκη είναι ευτυχής. Έχω τη χαρά να συνεργάζομαι στενά με σημαντικούς ανθρώπους από διαφορετικούς χώρους: τον αναπληρωτή καθηγητή Κλασικής Φιλολογίας του ΕΚΠΑ Δημήτρη Καραδήμα, τον καθηγητή Υπολογιστικής Γλωσσολογίας του ΕΚΠΑ Γιώργο Μικρό και τον αναπληρωτή καθηγητή Πληροφορικής του Πανεπιστημίου Αιγαίου Στάθη Σταματάτο. Ο απώτερος στόχος μας είναι η τομή της Πληροφορικής και της γλωσσικής έρευνας να καθιερωθεί ως ειδικό αντικείμενο ενασχόλησης στην Κλασική (και όχι μόνο) Φιλολογία. Επιδιώκουμε συνεργασίες με σχετικούς φορείς του εξωτερικού, μας απασχολεί έντονα το εκπαιδευτικό πλαίσιο του προγράμματος και ελπίζουμε ότι στα χρόνια που έρχονται όλα αυτά θα δέσουν οργανικά.
Ταυτότητα της έρευνας
Τίτλος: Η Τεχνητή Νοημοσύνη και οι γρίφοι της αρχαιότητας: η εφαρμογή της υπολογιστικής
υφολογίας στην αρχαία ελληνική γραμματεία
Φορέας υποδοχής: Τομέας Κλασικής Φιλολογίας, Τμήμα Φιλολογίας, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Επιστημονικός υπεύθυνος: Νίκος Μανουσάκης
Επιστημονική ομάδα: Δημήτριος Καραδήμας, Γεώργιος Μικρός, Ευστάθιος Σταματάτος
Χρηματοδότηση: Ελληνικό Ίδρυμα Έρευνας και Καινοτομίας
Συνεργαζόμενοι φορείς: Evaluating Variations in Language Laboratory, Mathematics and Computer Science Department, Duquesne University, Pittsburgh, Pennsylvania
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου