Aeneas

Aeneas는 빠진 글자를 채우고, 길이를 아무도 모르는 결손까지 다룬다. 고정 길이 결손만 풀던 이전 모델에서 한 걸음 나아간 것이다. 팀에 따르면 결손이 열 글자 이내인 비문을 약 73% 정확도로 복원한다. 손상된 텍스트가 읽을 수 없는 파편에서 쓸 만한 사료로 바뀔 수 있다.

모델은 각 비문을 역사적 지문으로 바꾸고, 17만6천 건이 넘는 라틴 비문에서 가장 가까운 상대를 찾아낸다. 그 대응례는 표현과 기능, 문화적 배경을 공유하며, 옛 도구가 주던 문자열 일치를 훨씬 넘어선다. 역사학자가 가장 많이 기대는 기능이다. 맥락이야말로 파편에 의미를 부여하기 때문이다.

Aeneas는 텍스트와 이미지를 함께 써서 비문의 제작지를 추정하는 첫 동종 모델이다. 가벼운 시각 신경망이 텍스트와 나란히 회색조 이미지를 읽어, 특히 출처 추정의 정확도를 끌어올린다. 팀은 62개 로마 속주 가운데 하나로 약 72% 정확도로 배정한다고 밝힌다.

연구자가 연대 범위를 주면 Aeneas는 유력한 연대를 약 13년 폭으로 좁힌다. 방사성 탄소 연대 측정이 돌이나 금속에는 통하지 않아, 연구자가 양식과 정형만으로 연대를 정하는 일이 많기에 중요한 기능이다. 폭이 좁아지면 텍스트를 사건과 다른 출토품에 맞추기 쉬워진다.

모델은 Epigraphic Database Roma와 Epigraphic Database Heidelberg 같은 출처에서 17만6천 건이 넘는 비문과 약 1600만 자를 모은 Latin Epigraphic Dataset으로 학습한다. DeepMind가 데이터셋과 코드를 공개했으므로 팀은 검증하거나 자체 자료로 다시 학습할 수 있다.

팀은 기원전 7세기부터 서기 8세기까지의 실제 비문으로 23명의 역사학자와 Aeneas를 시험했다. 역사학자들은 맥락 제안이 약 90%의 경우 유용했다고 평가했고, 핵심 작업에서 확신이 44% 높아졌다고 보고했다. 복원과 출처 추정에서는 모델과 함께한 사람이 모델 단독이나 역사학자 단독보다 나았다.