Mesterséges intelligencia derítheti ki, kik írhatták a Bibliát

Egy nemzetközi kutatócsoport forradalmi módon, mesterséges intelligencia segítségével vizsgálta a héber Biblia legkorábbi könyveit. A kutatók, köztük Shira Faigenbaum-Golovin, a Duke Egyetem matematikus professzora, statisztikai modellezést és nyelvi elemzést alkalmaztak, amelynek segítségével meglepő felfedezésre jutottak.

A kutatócsoport az MI-alapú modellt arra használta, hogy a szövegekben található apró szókincs- és szóhasználatbeli különbségeket elemezze. Ennek köszönhetően három különböző írói stílust azonosítottak a héber Biblia első kilenc könyvében, az úgynevezett Enneateuchban. Az MI ezután képes volt megállapítani más fejezetek esetében is, hogy melyik írói stílushoz tartoznak a leginkább, és ami a legérdekesebb, azt is megmagyarázta, hogyan jutott erre a következtetésre.

Faigenbaum-Golovin korábban kerámia töredékeken talált feliratok szerzőségét vizsgálta matematikai eszközökkel, és rájött, hogy ezek a módszerek az Ószövetség szövegeinek keltezésében is segíthetnek. Ez vezetett a jelenlegi, multidiszciplináris csapat megalakulásához, amely régészekből, bibliai tudósokból, fizikusokból, matematikusokból és számítógép-tudósokból állt.

A csapat az MI-modellt a Biblia első öt könyvére (Pentateuch), az úgynevezett Deuteronomisztikus Történelemre (Józsuétól a Királyok könyvéig), és a Tóra papi írásaira alkalmazta. Az eredmények megerősítették a bibliai tudósok körében már elfogadott nézetet, miszerint a Deuteronomium és a történelmi könyvek hasonlóbbak egymáshoz, mint a papi szövegekhez.

Thomas Römer, a kutatócsoport tagja szerint az egyes szerzőcsoportoknak eltérő stílusuk volt, még olyan egyszerű és gyakori szavak használatában is, mint a „nem”, „melyik” vagy „király”. A módszerük pontosan azonosította ezeket a különbségeket.

A modell teszteléséhez a Biblia első kilenc könyvéből 50 olyan fejezetet választottak ki, amelyeket a bibliai tudósok már korábban besoroltak az egyik írói stílusba. Az MI összehasonlította ezeket a fejezeteket, és kvantitatív képletet adott meg az egyes fejezetek besorolására.

A tanulmány második részében az MI-modellt olyan bibliai fejezetekre alkalmazták, amelyek szerzősége vitatottabb volt. A modell ezeket a fejezeteket is sikeresen hozzárendelte a legvalószínűbb szerzői csoporthoz, sőt, meg is magyarázta a döntéseit. Alon Kipnis kiemelte, hogy a módszer egyik fő előnye, hogy meg tudja magyarázni az elemzés eredményeit, vagyis meg tudja mondani, mely szavak vagy kifejezések vezettek egy adott fejezet egy bizonyos írásmódhoz való hozzárendeléséhez.

Mivel a bibliai szöveget sokszor szerkesztették és átdolgozták, a kutatók számára nagy kihívást jelentett olyan szakaszok megtalálása, amelyek megőrizték eredeti megfogalmazásukat és nyelvezetüket. A talált szövegek gyakran nagyon rövidek voltak, ami a hagyományos statisztikai módszereket és gépi tanulást alkalmatlanná tette. Ezért egyedi megközelítést kellett kidolgozniuk, amely képes kezelni a korlátozott adatmennyiséget. Ennek érdekében ahelyett, hogy sok betanítási adatot igénylő gépi tanulást alkalmaztak volna, egy egyszerűbb, közvetlenebb módszert használtak: mondatmintázatokat és szavak, vagy szógyökök gyakoriságát hasonlították össze a különböző szövegekben.

Meglepő felfedezés volt, hogy a Sámuel könyveiben szereplő frigyláda-történet két szakasza, bár ugyanazt a témát tárgyalja, az 1 Sámuel szövege nem illeszkedik a három azonosított írói stílus egyikéhez sem, míg a 2 Sámuel fejezete a Deuteronomisztikus Történelemmel mutat rokonságot.

A kutatók szerint ez a technika más történelmi dokumentumok elemzésére is használható, például annak megállapítására, hogy egy dokumentum eredeti-e vagy hamisítvány. Faigenbaum-Golovin és csapata már vizsgálja, hogy ugyanezt a módszert más ősi szövegekre, például a Holt-tengeri tekercsekre is alkalmazhassák.

Ez a tanulmány új paradigmát vezet be az ősi szövegek elemzésébe, és kiemeli a tudomány és a humán tudományok közötti együttműködés fontosságát. 

Osszd meg ezt a cikket
Hol tart ma valójában a mesterséges intelligencia?
A mesterséges intelligencia fejlesztése az elmúlt években látványos és gyakran lenyűgöző eredményeket produkált. Az olyan rendszerek, mint a ChatGPT, képesek természetes nyelvű szövegeket generálni, problémákat megoldani és sokszor az emberi teljesítményt is meghaladni különféle feladatokban. Ugyanakkor egyre több neves kutató és technológiai vezető – köztük John Carmack és François Chollet – hívja fel a figyelmet arra, hogy ezek az eredmények nem feltétlenül jelentik az általános mesterséges intelligencia (AGI) közeledtét. A színfalak mögött most új típusú problémák és kérdések kerültek a figyelem középpontjába, amelyek messze túlmutatnak a puszta teljesítményen.
A Rhino Linux új kiadással jelentkezik: 2025.3
A Linux disztribúciók körében főként kétféle szemléletmód terjedt el, vannak a stabil, ritkán frissülő rendszerek biztonságos kiszámíthatósággal, és a naprakész, de időnként kényes egyensúlyon balanszírozó, gördülő kiadású disztribúciók. A Rhino Linux ezt a két ellenpontot próbálja áthidalni, azaz egyszerre próbál naprakész lenni gördülő disztribúcióként, de alapként az Ubuntura épül, hogy megfelelő stabilitást is biztosítson.
SEAL az önmagát tanító mesterséges intelligencia előhírnöke
Hosszú évek óta tartja magát az elképzelés, hogy a mesterséges intelligencia fejlesztésének kulcsa az emberi tanítás: adatok, címkék, finomhangolás, gondosan megtervezett beavatkozások. Most azonban egy új megközelítés látott napvilágot. Az MIT kutatóinak legújabb munkája, a SEAL (Self-Adapting Language Models) névre keresztelt rendszer olyan nyelvi modelleket mutat be, amelyek képessé válnak saját maguk tanítására. Az eredmények nemcsak technológiai újdonságot jelentenek, hanem felvetik a kérdést: vajon milyen szerepet szánunk a jövőben az embernek az intelligens rendszerek képzésében?
Elég egy fotó és egy hang – az Alibaba új mesterséges intelligenciája teljes testű avatárt készít belőle
Egyetlen hangfelvétel és egy fotó is elegendő ahhoz, hogy élethű, teljes testtel mozgó, arcjátékkal és érzelmekkel teli virtuális karaktereket hozzunk létre – stúdió, színész vagy zöld háttér nélkül. Az Alibaba legújabb fejlesztése, az OmniAvatar nevű nyílt forráskódú mesterséges intelligencia-modell legalábbis éppen ezt ígéri. Bár a technológia még formálódik, már most is érdemes figyelmet szentelni annak, amit lehetővé tesz – és annak is, hogy mindez milyen új kérdéseket vet fel.
ALT Linux 11.0 Education az orosz oktatási intézmények fundamentuma
Az ALT Linux egy orosz gyökerekkel rendelkező, RPM csomagkezelőre épülő Linux disztribúció, amelynek alapjait a Sisyphus csomagtár képezi. Kezdetben orosz lokalizációs erőfeszítésekből nőtte ki magát, együttműködve olyan nemzetközi disztribúciókkal, mint a Mandrake és a SUSE Linux, különös tekintettel a cirill betűs írás támogatására.
A térbeli intelligencia a következő leküzdendő akadály az AGI előtt
Az LLM megszületésével a gépek lenyűgöző képességekre tettek szert. Ráadásul fejlődési sebességük is nagyobb tempóra kapcsolt, nap mint nap jelennek meg újabb modellek, amelyek még hatékonyabbak még jobb képességekkel ruházzák fel a gépeket. Ha azonban közelebbről megvizsgáljuk, ezzel a technológiával még csak most értük el, hogy a gépek képesek egy dimenzióban gondolkodni. A világ amelyben élünk azonban az emberi érzékelés alapján három dimenziós. Egy ember számára nem okoz gondot, hogy megállapítsa, hogy valami egy szék alatt van, vagy mögött, vagy egy felénk repülő labda körülbelül hová fog érkezni. Számos mesterséges intelligencia kutató szerint az AGI azaz a mesterséges általános intelligencia megszületéséhez el kell érni, hogy a gépek három dimenzióban gondolkodjanak, ehhez pedig ki kell fejleszteni a térbeli intelligenciát.

Az elmúlt néhány napban megjelent Linux disztribúció frissítések