Sappiamo che le reti neurali convoluzionali, sono strumenti estremamente potenti: più volte, abbiamo descritto come il riconoscimento e l’analisi automatica di grandi set di immagini, possa raggiungere i fini più disparati. Dalla creazione di ologrammi 3D in tempo reale, alla messa a punto di speciali strumenti di diagnosi e prevenzione, l’uso delle pratiche di deep learning si sta profondamente affermando in qualsiasi ambito scientifico.

Ora, ha senso applicare le stesse metodologie di ricerca, anche alle scienze umanistiche? 

A tal proposito, avevamo già scritto del progetto Cultural Landscapes Scanner, dove i ricercatori dell’IIT – Istituto Italiano di Tecnologia puntavano ad identificare – utilizzando speciali algoritmi ed immagini satellitari – nuovi siti archeologici. Mentre tal intenzione presenta ancora molte criticità ed un lungo lavoro di ricerca e sviluppo, oggi parliamo delle più tangibili opportunità illustrate nella pubblicazione “A Deep Learning Approach to Ancient Egyptian Hieroglyphs Classification. 

Lo studio, frutto di una collaborazione tra il Consiglio Nazionale delle Ricerche, l’Università degli Studi di Firenze e il Center for Ancient Mediterranean and Near Eastern Studies – CAMNES, descrive la concreta prospettiva di codifica, riconoscimento e traslitterazione dei segni geroglifici grazie all’addestramento puntuale di una rete neurale. Ad oggi, i ricercatori hanno testato la capacità del sistema di identificare e classificare singoli ideogrammi, ottenendo risultati estremamente promettenti, tanto da poter far sperare in una sua futura capacità di traduzione automatica. 

Tanta multidisciplinarità ha permesso lo sviluppo di questo progetto: primo autore dello studio pubblicato è Andrea Barucci, esperto analista di immagini biomediche con tecniche di machine e deep learning, collega della ricercatrice Costanza Cucci all’Istituto di Fisica Applicata IFAC-CNR. Dal Centro Studi CAMNES, ha partecipato l’egittologo e filologo Massimiliano Franci, mentre dal Dipartimento di Ingegneria dell’Informazione dell’Università di Firenze, Marco Loschiavo e Fabrizio Argenti:

Dal punto di vista ingegneristico eravamo sicuri delle potenzialità degli strumenti di analisi scelti, tuttavia questo era un banco di prova importante, essendo un tipo di applicazione completamente diverso. Abbiamo voluto esplorare un ambito di ricerca nuovo, che si è rivelato estremamente interessante e promettente.

Lascia un commento

Inserisci il tuo commento!
Inserisci qui il tuo nome