Apollo AI: il modello per decifrare il greco antico e rivoluzionare lo studio dei papiri

Il modello supporta la ricerca avanzata e il restauro automatico di testi in centinaia di migliaia di papiri e iscrizioni non decifrati, rendendo possibile acquisirne il contenuto in poche ore anziché in anni.

L’OeAW e i suoi partner stanno svolgendo un lavoro pionieristico: finora non sono stati sviluppati LLM per una lingua storica evolutasi nel corso di molti secoli né per la ricostruzione di testi antichi gravemente danneggiati.

Lingua antica, nuova tecnologia

Il progetto è guidato, per conto dell’OeAW, da Anna Dolganov, storica dell’antichità e papirologia presso l’Istituto Archeologico Austriaco dell’OeAW, che fornisce orientamento specialistico, supervisiona l’integrazione delle fonti pertinenti e garantisce la qualità scientifica. Grazie alla sua competenza, Dolganov assicura il rispetto della contestualizzazione storica e degli standard metodologici.

Il presidente dell’OeAW Heinz Faßmann: “Le lingue antiche e l’intelligenza artificiale non sono una contraddizione. La collaborazione tra il nostro Istituto Archeologico, Mistral e Reply dimostra come l’IA stia facendo progredire la ricerca nelle scienze umanistiche. Apollo supporterà i ricercatori verso una migliore comprensione di testi antichi spesso frammentari, amplificando così la nostra comprensione della storia comune”.

Un milione di papiri non letti

“Il nostro progetto – spiega Anna Dolganov – con Sail Reply e Mistral AI sta costruendo il primo Large Language Model multimodale avanzato al mondo per una lingua antica, addestrato sul più grande corpus digitale di greco storico fino ad oggi. Questo sistema di IA può essere sviluppato in molte direzioni per un’ampia gamma di compiti di ricerca: dalla ricostruzione di iscrizioni e papiri frammentari all’esecuzione di ricerche semantiche e tematiche sull’intera tradizione testuale greca, fino alla decifrazione di testi manoscritti. Ad esempio: nel mondo esistono un milione di papiri greci che non sono mai stati letti, decine di migliaia dei quali sono conservati nella Collezione di Papiri della Biblioteca Nazionale Austriaca. Tali tesori di conoscenza storica sono il nostro obiettivo. Questo LLM segna l’inizio di un entusiasmante percorso nello studio dell’antichità”.

Dimitris Vlitas, partner di Sail Reply, aggiunge: “Nell’affrontare questo progetto abbiamo sperimentato diverse architetture e strategie di training, valorizzando la profonda competenza scientifica di Mistral AI e Sail Reply per sviluppare una soluzione che garantisse pieno controllo e autonomia dei dati per l’Accademia Austriaca delle Scienze. A partire da questa base, abbiamo lavorato con fonti dati che riflettono l’evoluzione della lingua dal 500 a.C. al 1400. Questa complessità ha richiesto l’adozione di un approccio di apprendimento sequenziale (curriculum learning), per consentire al modello di apprendere in modo progressivo e strutturato. Una volta completata la fase di training, sono state avviate le attività di benchmark del modello, accompagnate dallo sviluppo di un’interfaccia che consente agli studiosi di testare le risposte generate e fornire feedback in modo diretto. Attualmente, durante la fase di utilizzo del modello, vengono raccolti i dati derivanti dall’interazione degli studiosi per alimentare un processo continuo di training del LLM. Questo sta dando origine a un sistema di miglioramento continuo, in cui il feedback degli esperti guida l’apprendimento del modello, garantendone l’affidabilità e contribuendo al tempo stesso a preservare il patrimonio culturale da eventuali alterazioni generate dall’AI, grazie alla possibilità per gli studiosi di intervenire e correggere le risposte del modello”.

Apollo è addestrato su un corpus altamente specializzato comprendente circa 600 milioni di parole tratte da testi greci storici e decine di migliaia di iscrizioni e papiri pubblicati. La collaborazione con Sail Reply e Mistral Ai fornisce un ambiente sicuro su infrastrutture europee e consente di sfruttare appieno il potenziale dell’IA generativa, nel rispetto di rigorosi requisiti di protezione e sicurezza dei dati.