AI er fremragende til at spotte mønstre i store datamængder, men når det gælder dechifrering af tabte sprog, er menneskelig indsigt fortsat afgørende. Det viser et nyt dyk ned i krydsfeltet mellem maskinlæring og historisk lingvistik, beskrevet i en artikel hos Ars Technica.
Forskere har længe eksperimenteret med neurale netværk til at analysere fragmenter af oldskrifter som lineær A eller proto-elamitisk. AI kan hurtigt identificere gentagne tegnsekvenser og foreslå fonetiske eller grammatiske strukturer – en opgave der ville tage sprogforskere år. Men præcis dechifrering kræver, at maskinens output bliver filtreret gennem en dyb forståelse af historisk kontekst, kulturelle referencer og sproglig evolution.
Strategisk set betyder det, at AI-værktøjer på dette område ikke kan stå alene. For institutioner som universiteter eller arkiver, der overvejer at investere i AI-assisteret epigrafik, er pointen klar: teknologien fungerer bedst som en accelerator for ekspertarbejde, ikke som en erstatning. Beslutningen bør handle om at ansætte lingvister, der kan samarbejde med modellen – ikke om at købe en færdig løsning.
