Jump to content
Forum Kopalni Wiedzy
Sign in to follow this  
KopalniaWiedzy.pl

Sztuczna inteligencja odnalazła nieznane dzieło wielkiego hiszpańskiego pisarza

Recommended Posts

Francisco Lope de Vega był – obok Cervantesa – najwybitniejszym pisarzem hiszpańskiego Złotego Wieku. Jest autorem olbrzymiej liczby dramatów, sonetów, komedii, pisał powieści i epopeje. Nie cała jego spuścizna się zachowała. Tym cenniejsze jest odkrycie każdego nieznanego fragmentu tekstu jego autorstwa. W zbiorach Hiszpańskiej Biblioteki Narodowej (BNE) odnaleziono właśnie nieznaną dotychczas komedię Lope de Vegi, a do jej zidentyfikowania przyczyniła się sztuczna inteligencja.

Naukowcy z Uniwersytetów w Wiedniu i Valladolid prowadzą projekt ETSO: Estilometría aplicada al Teatro del Siglo de Oro. Wraz ze 150 współpracownikami stosują metody analizy komputerowej do prac teatralnych Złotego Wieku, by rozwiązać problemy z autorstwem poszczególnych dzieł. Badania przeprowadzono m.in. na XVII-wiecznym manuskrypcie, który został spisany wiele lat po śmierci Lope de Vegi. Na podstawie analizy stylistycznej sztuczna inteligencja wskazała, że znajdująca się w nim komedia „Francuzka Laura” wyszła spod pióra wielkiego pisarza i powstała na kilka lat przed jego śmiercią.

Odkrycie było możliwe dzięki ostatnim postępom w technologii automatycznej transkrypcji tekstów. Jeszcze kilka lat temu maszyny bardzo słabo radziły sobie z odręcznym pismem, szczególnie z dawnych epok. Obecnie się to zmieniło. Współczesna technologia w ciągu zaledwie kilku godzin była w stanie rozpoznać tekst – zarówno drukowany jak i pisany odręcznie – z około 1300 sztuk teatralnych Złotego Wieku. Maszynowe rozpoznawanie nie działa oczywiście idealnie, ale znakomicie ułatwia i przyspiesza pracę. Dzięki temu ludzie mogą bardzo szybko wprowadzić niezbędne poprawki. Następnie, dzięki analizie stylistycznej i słownikowej już poprawionych tekstów, algorytmy sztucznej inteligencji mogą identyfikować autora po unikatowym stylu. Nie od dzisiaj wiadomo, że każdy pisarz i każdy z nas, używa różnych słów w różnych proporcjach. A maszyny mogą analizować olbrzymie zbiory danych i obliczać proporcje dla konkretnych słów, wyrażeń czy zdań.

Już na podstawie wcześniejszych eksperymentów z algorytmami wiedziano, że potrafią one z 99-procentową dokładnością określić, czy dane dzieło wyszło spod pióra Lope de Vegi czy też nie. Sztuczna inteligencja dostała za zadanie przeanalizowanie wspomnianych 1300 dzieł oraz stwierdzenie, czy ich autorem jest Lope de Vega, czy też któryś z 350 innych pisarzy epoki. Algorytm wskazał, że „Francuzkę Laurę” napisał Lope de Vega. Wówczas do pracy przystąpili eksperci, którzy tradycyjnymi metodami badawczymi mieli zweryfikować wyniki pracy maszyny. Naukowcy porównywali więc metrykę, ortoepię, a przede wszystkim tropy literackie, idee i struktury leksykalne typowe dla Lope de Vegi i okresu jego twórczości, jakie wskazała sztuczna inteligencja z tym, co widoczne jest w nowo zidentyfikowanej komedii.

Wszystko wskazuje na to, że mamy oto do czynienia z nieznanym dotychczas dziełem wielkiego pisarza, które powstało pod koniec jego życia, a o istnieniu którego nie mieliśmy pojęcia. „Francuzka Laura” jest osadzona w kontekście politycznym czasu, w którym powstała. Wtedy to, pod koniec lat 20. XVII wieku, w trakcie Wojny Trzydziestoletniej, Francja i Hiszpania zawarły krótki pokój, który przez sojuszników obu stron był postrzegany jako zdrada. Główną bohaterką komedii jest Laura, córka księcia Bretanii, żona hrabiego Arnaldo. Bretania była sojuszniczką Hiszpanii. W Laurze zakochał się jednak następca tronu Francji, który próbuje zdobyć ją wszelkimi sposobami. Budzi to podejrzenia Arnaldo, który – zarówno z zazdrości jak i z obawy przed skandalem – próbuje otruć żonę. Ostatecznie jednak Laura wychodzi z opałów obronną ręką, opiera się zalotom Delfina, co przekonuje męża do jej wierności.

Szczegółowy opis odkrycia i badań nad „Francuzką Laurą” znajdziemy w piśmie wydawanym przez Universitat Autònoma de Barcelona.


« powrót do artykułu

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this  

  • Similar Content

    • By KopalniaWiedzy.pl
      Dermatolog Harald Kittler z Uniwersytetu Medycznego w Wiedniu stanął na czele austriacko-australijskiego zespołu, który porównał trafność diagnozy i zaleceń dotyczących postępowania z przebarwieniami na skórze stawianych przez lekarzy oraz przez dwa algorytmy sztucznej inteligencji pracujące na smartfonach. Okazało się, że algorytmy równie skutecznie co lekarze diagnozują przebarwienia. Natomiast lekarze podejmują znacznie lepsze decyzje dotyczące leczenia.
      Testy przeprowadzono na prawdziwych przypadkach pacjentów, którzy zgłosili się na Wydział Dermatologii Uniwersytetu Medycznego w Wiedniu oraz do Centrum Diagnozy Czerniaka w Sydney w Australii.
      Testowane były dwa scenariusze. W scenariuszu A porównywano 172 podejrzane przebarwienia na skórze (z których 84 były nowotworami), jakie wystąpiły u 124 pacjentów. W drugim (scenariuszu B) porównano 5696 przebarwień – niekoniecznie podejrzanych – u 66 pacjentów. Wśród nich było 18 przebarwień spowodowanych rozwojem nowotworu. Testowano skuteczność dwóch algorytmów. Jeden z nich był nowym zaawansowanym programem, drugi zaś to starszy algorytm ISIC (International Skin Imaging Collaboration), używany od pewnego czasu do badań retrospektywnych.
      W scenariuszu A nowy algorytm stawiał diagnozę równie dobrze jak eksperci i był wyraźnie lepszy od mniej doświadczonych lekarzy. Z kolei algorytm ISIC był znacząco gorszy od ekspertów, ale lepszy od niedoświadczonych lekarzy.
      Jeśli zaś chodzi o zalecenia odnośnie leczenia, nowoczesny algorytm sprawował się gorzej niż eksperci, ale lepiej niż niedoświadczeni lekarze. Aplikacja ma tendencję do usuwania łagodnych zmian skórnych z zaleceń leczenia, mówi Kittler.
      Algorytmy sztucznej inteligencji są więc już na tyle rozwinięte, że mogą służyć pomocą w diagnozowaniu nowotworów skóry, a szczególnie cenne będą tam, gdzie brak jest dostępu do doświadczonych lekarzy. Ze szczegółami badań można zapoznać się na łamach The Lancet.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      W Peñamellera Baja w hiszpańskiej Asturii znaleziono dwa złote torkwesy. Ze względu na jakość wykonania i bogate zdobnictwo mamy tutaj do czynienia z wyjątkowym znaleziskiem, które pozwoli lepiej poznać ten rodzaj biżuterii i jego historię w epoce żelaza. Torkwesy to sztywne otwarte naszyjniki w formie obręczy. Były rozpowszechnione m.in. wśród Scytów i Celtów. To jeden z najczęściej znajdowanych rodzajów biżuterii epoki żelaza. Na Półwyspie Iberyjskim były powszechne pomiędzy IX a II wiekiem przed Chrystusem.
      Do odkrycia niezwykłych zabytków doszło przypadkiem. Jeden z nich znalazł pracownik wodociągów, który przeglądał instalację w poszukiwaniu źródła wycieku. Jeszcze tego samego dnia na miejsce udali się specjaliści, którzy znaleźli sześć fragmentów stanowiących kompletny drugi torkwes. To pierwszy w Asturii przypadek, gdy specjaliści mogli zbadać miejsce odkrycia torkwesów i to w chwili ich znalezienia. Dlatego też eksperci mówią o najważniejszym tego typu odkryciu w Asturii. Dotychczas większość torkwesów znajdowano w XVIII i XIX wieku, gdy techniki i procedury badawcze były znacznie słabiej rozwinięte niż dzisiaj i tracono większość informacji o kontekście znaleziska.
      Zdobienia pierwszego z torkwesów przypominają znany ekspertom Torkwes z Langreo przechowywany obecnie w Madrycie. Wykonano je w typowym dla tych okolic stylu używanym przez celtyckie plemiona zamieszkujące dzisiejszą Asturię i Galicję. Składa się on z centralnego pręta obłożonego złotem i stanowi wyjątkowy przykład sztuki złotniczej epoki żelaza. Drugi z torkwesów jest pozłacany, a na jego końcach przedstawiono gorzejące Słońce.
      Obecnie oba zabytki poddawane są intensywnym nieinwazyjnym badaniom. Dzięki nim naukowcy mają nadzieję poznać techniki produkcyjne, źródła pochodzenia metali czy rolę srebra w tego typu biżuterii.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      W Journal of Medical Internet Research ukazał się opis eksperymentu, w ramach którego ChatGPT miał stawiać diagnozy medyczne i proponować dalsze działania na podstawie opisanych objawów. Algorytm poradził sobie naprawdę nieźle. Udzielił prawidłowych odpowiedzi w 71,7% przypadków. Najlepiej wypadł przy ostatecznych diagnozach, gdzie trafność wyniosła 76,9%, najgorzej poradził sobie z diagnozą różnicową. Tutaj jego trafność spadła do 60,3%.
      Autorzy eksperymentu wykorzystali 36 fikcyjnych przypadków klinicznych opisanych w Merck Manual. Przypadki te są wykorzystywane podczas szkoleń lekarzy i innego personelu medycznego. Naukowcy z Harvard Medical School, Brigham and Women'a Hospital oraz Mass General Brigham wprowadzili do ChataGPT opisy tych przypadków, a następnie zadawali maszynie pytanie, dołączone w podręczniku do każdego z przypadków. Wykluczyli z badań pytania dotyczące analizy obrazów, gdyż ChatGPT bazuje na tekście.
      Najpierw sztuczna inteligencja miała za zadanie wymienić wszystkie możliwe diagnozy, jakie można postawić na podstawie każdego z opisów. Następnie poproszono ją, by stwierdziła, jaki dodatkowe badania należy przeprowadzić, później zaś ChatGPT miał postawić ostateczną diagnozę. Na koniec zadaniem komputera było opisanie metod leczenia.
      Średnia trafność odpowiedzi wynosiła 72%, jednak różniła się w zależności od zadania. Sztuczna inteligencja najlepiej wypadła podczas podawania ostatecznej diagnozy, którą stawiała na podstawie początkowego opisu przypadku oraz wyników dodatkowych badań. Trafność odpowiedzi wyniosła tutaj 76,9%. Podobnie, bo z 76-procentową trafnością, ChatGPT podawał dodatkowe informacje medyczne na temat każdego z przypadków. W zadaniach dotyczących zlecenia dodatkowych badań oraz metod leczenia czy opieki, trafność spadała do 69%. Najgorzej maszyna wypadła w diagnozie różnicowej (60,3% trafnych odpowiedzi). Autorzy badań mówią, że nie są tym zaskoczeni, gdyż diagnoza różnicowa jest bardzo trudnym zadaniem. O nią tak naprawdę chodzi podczas nauki w akademiach medycznych i podczas rezydentury, by na podstawie niewielkiej ilości informacji dokonać dobrego rozróżnienia i postawić diagnozę, mówi Marc Succi z Harvard Medical School.
      Być może w przyszłości podobne programy będą pomagały lekarzom. Zapewne nie będzie to ChatGPT, ale rozwijane już systemy wyspecjalizowane właśnie w kwestiach medycznych. Zanim jednak trafią do służby zdrowia powinny przejść standardowe procedury dopuszczenia do użytku, w tym testy kliniczne. Przed nimi zatem jeszcze długa droga.
      Autorzy opisanych badań przyznają, że miały one ograniczenia. Jednym z nich było wykorzystanie fikcyjnych opisów przypadków, a nie rzeczywistych. Innym, niewielka próbka na której testowano ChatGPT. Kolejnym zaś ograniczeniem jest brak informacji o sposobie działania i treningu ChataGPT.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Inżynierowie z Politechniki Federalnej w Lozannie (EPFL) wykorzystali ChatGPT-3 do zaprojektowania robotycznego ramienia do zbierania pomidorów. To pierwszy przykład użycia sztucznej inteligencji do pomocy w projektowaniu robotów. Eksperyment przeprowadzony przez Josie Hughes, dyrektor Laboratorium Obliczeniowego Projektowania i Wytwarzania Robotów na Wydziale Inżynierii EPFL, doktoranta Francesco Stellę i Cosimo Della Santinę z Uniwersytetu Technicznego w Delfcie, został opisany na łamach Nature Machine Intelligence.
      Naukowcy opisali korzyści i ryzyka związane z wykorzystaniem systemów sztucznej inteligencji (SI) do projektowania robotów. Mimo tego, że ChatGPT to model językowy i generuje tekst, to dostarczył nam on istotnych wskazówek odnośnie fizycznego projektu i wykazał się wielkim potencjałem pobudzania ludzkiej kreatywności, mówi Hughes.
      Naukowcy najpierw „przedyskutowali” z ChatGPT samą ideę robota, określili, czemu ma on służyć, opisali jego parametry i specyfikację. Na tym etapie rozmawiali z SI na temat przyszłych wyzwań stojących przed ludzkością oraz robotów-ogrodników, które mogą rozwiązać problem niedoborów siły roboczej przy uprawie roślin. Następnie, korzystając z faktu, że ChatGPT ma dostęp do danych naukowych, podręczników i innych źródeł, zadawali mu pytania o to na przykład, jakimi cechami powinien charakteryzować się przyszły robot-ogrodnik.
      Gdy już cechy te zostały opisane i zdecydowano, że chodzi o robotyczne ramię zbierające pomidory, przyszedł czas na zapytanie się sztucznej inteligencji o takie szczegóły jak np. kształt chwytaka oraz poproszenie jej o dane techniczne ramienia oraz kod, za pomocą którego byłoby ono kontrolowane. Przeprowadzone przez SI obliczenia posłużyły nam głównie do pomocy inżynierom w implementacji rozwiązań technicznych. Jednak po raz pierwszy sztuczna inteligencja sformułowała tutaj nowe pomysły, mamy tutaj zatem do czynienia ze zautomatyzowaniem procesów wyższych poziomów poznawczych. Rola człowieka w całym procesie przesunęła się bardziej w stronę techniczną, mówi Stella.
      Naukowcy zwracają też uwagę na problemy związane z wykorzystaniem podobnych systemów. Są to zarówno podnoszone już wątpliwości dotyczące plagiatów czy praw autorskich, jak i np. pytanie o to, na ile innowacyjna jest sztuczna inteligencja i na ile ulega schematom. ChatGPT zaproponował ramię do zbierania pomidorów, gdyż uznał pomidory za najbardziej wartościową uprawę, dla której warto zaprojektować robota. To zaś może po prostu oznaczać, że wybrał tą roślinę, która jest najczęściej opisywana, a nie tę, która jest najbardziej potrzebna.
      Pomimo różnych zastrzeżeń uczeni uważają, że podobne do ChatGPT modele językowe mogą spełniać niezwykle użyteczną rolę. Specjaliści od robotyki muszą się zastanowić, jak wykorzystać te narzędzia w sposób etyczny i przynoszący korzyść społeczeństwu, mówi Hughes.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      W pierwszej połowie XIX wieku Duńczycy szczególnie polubili piwo, co wiązało się z gwałtownym rozwojem przemysłu piwowarskiego. To rosnące zamiłowanie do złocistego napoju zbiegło się z trwającym mniej więcej w latach 1800–1850 złotym wiekiem duńskiego malarstwa. Jak się okazuje, oba te zjawiska miały więcej wspólnego niż mogłoby się wydawać. Przeprowadzone właśnie badania potwierdziły, że duńscy mistrzowie malarstwa używali pozostałości po warzeniu piwa do przygotowania płótna pod swoje dzieła.
      Aby uzyskać oczekiwane przez siebie efekty, malarze musieli najpierw użyć substancji, które pomogą farbom utrzymać się na płótnie. Duńczycy wytwarzali i wypijali w tym czasie olbrzymie ilości piwa, a że woda w rzekach nie była zbyt czysta, przemysł piwowarski wytwarzał dużą ilość odpadów. Historyczne teksty sugerują, że odpady te mogły być wykorzystywane do zagruntowania płótna. Dlatego tez naukowcy postanowili sprawdzić, czy to prawda.
      Uczeni przeanalizowali skład chemiczny 10 obrazów autorstwa Christoffera Wilhelma Eckersberga, zwanego ojcem duńskiego malarstwa, oraz jego ucznia Christena Schiellerupa Købke. Wykorzystali przy tym próbki pobrane jeszcze w latach 60. ubiegłego wieku. Teraz, korzystając ze spektrometrii mas, mogli zidentyfikować proteiny wchodzące w skład podkładu. Znaleźli w próbkach duże ilości białek typowych dla procesu warzenia piwa, a pochodzących z jęczmienia, pszenicy, gryki i żyta. Potwierdzono więc zapiski czynione przez samych malarzy, a wiedza ta będzie miała znaczenie jak najbardziej praktyczne. Eksperci będą mogli ją wykorzystać podczas prac konserwatorskich.

      « powrót do artykułu
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...