深度學習可以幫助學者恢復古希臘文字。具體來說，牛津大學的研究人員(Thea Sommerschield和喬納森·普拉格教授)和DeepMind的研究人員(Yannis Assael)構建了Pythia，訓練了神經網絡來猜測希臘銘文中缺少的單詞或字符。

它們在包括石材，陶瓷和金屬的表面上。他們年齡在1500至2600年之間。據《新科學家》 報道，人工智能在破譯受損藥片方面擊敗了人類。

“在面對面的測試中，人工智能試圖填補2949個受損銘文中的空白，人類專家所犯的錯誤比人工智能多30%。盡管專家花了2個小時來獲得50個銘文，但Pythia給出了猜測在幾秒鐘內整個隊列。”

從一開始，作者就知道恢復文本是一項耗時的任務，甚至對于專家級的碑文學家也是如此。他們著手在兩名具有表象專業(yè)知識的博士生的幫助下，評估手頭修復任務的難度，從而判斷我們工作的影響。允許學者使用訓練集搜索“相似”。

。

李格格周五在“新科學家”雜志上發(fā)表文章。在填充遺漏的單詞方面，人工智能似乎比人類更好，但這不是A隊與B隊的競爭。李說，相反，人工智能技術“可能是最有用的協作工具，研究人員可以使用它來縮小選擇范圍。”

幾個世紀以來，許多古老的禁忌已經被侵蝕或破壞。作者說：“只有一小部分尚存的銘文是完全清晰和完整的。”

隨著文本片段的丟失，人們如何嘗試填補遺漏單詞的空白?正如李所說，這意味著要看其余的銘文并看其他類似的文字。

請看《新科學家》關于AI稱為Pythia的功能的報告：(1)Pythia學會了識別35,000個文物中的模式，超過300萬個單詞。(2)它選擇的模式包括出現不同單詞的上下文，語法以及銘文的形狀和布局。

他們的論文的成就反映在他們的論文標題上，該論文標題現在位于arXiv上：“使用深度學習恢復古代文本：關于希臘墓志的案例研究”。