Hitit Çivi Yazılı Tabletlerin Yapay Zeka Algoritmaları ile Okunması

Abstract

Çivi yazısı gibi özel yazı biçimlerinin yapay zeka ile okunması, görüntü işleme teknolojisinin hızla gelişmesiyle son yıllarda önemli bir çalışma alanı haline gelmiştir. Çeşitli dillerde yazılmış tabletler üzerinde gerçekleştirilmiş pek çok önemli literatür bulunmaktadır. Buna karşın, her ne kadar dünyada farklı merkezlerde 3D modelleme ve dijitalleştirme çalışmaları başlamış olsa da yapay zeka kullanılarak okunan çivi yazılı diller arasında Hititçe dili bulunmamaktadır. Literatürdeki bu boşluğu doldurmak, Hititologların tablet okuma hızlarını artırarak bilimsel çalışmalarını daha derinlemesine analiz etmelerine olanak tanımak ve manuel yöntemlerle okunan tabletlerin elle temasını azaltarak binlerce yıl öncesinden günümüze ulaşan tabletlerin tahrip olma durumunu en aza indirmek amacıyla çalışmamızda, Hitit çivi yazısı üzerinde transfer öğrenme yöntemi ile geliştirilmiş derin öğrenme modelleri denenmiştir. Bunun sonucunda model topluluğu yöntemiyle %89 doğruluk elde edilmiştir. Çalışmamızın, Hitit çivi yazısı uzmanlarının tabletler üzerindeki çalışma sürelerini kısaltması ve daha verimli işleyecek bir bilimsel sürece katkı sunması beklenmektedir.Artificial intelligence reading of special scripts such as cuneiform has become an important field of study in recent years with the rapid development of image processing technology. There are many important literatures on tablets written in various languages. However, although 3D modelling and digitisation studies have started in different centres around the world, there is no Hittite language among the cuneiform languages read using artificial intelligence. In order to fill this gap in the literature, to enable Hittitologists to analyse their scientific studies in more depth by increasing the tablet reading speed, and to minimise the destruction of the tablets that have survived thousands of years ago by reducing the manual contact of the tablets read by manual methods, deep learning models developed with transfer learning method were tested on Hittite cuneiform in our study. As a result, 89% accuracy was obtained with Ensembling method. Our study is expected to shorten the working time of Hittite cuneiform experts on tablets and contribute to a more efficient scientific process.