Red Hot Cyber
Condividi la tua difesa. Incoraggia l'eccellenza. La vera forza della cybersecurity risiede nell'effetto moltiplicatore della conoscenza.
Un team dell’Università Martin Luther di Halle-Wittenberg, dell’Università Johannes Gutenberg di Magonza e dell’Università di Scienze Applicate di Magonza ha svelato un sistema di intelligenza artificiale in grado di decifrare antichi testi cuneiformi. Questa nuova tecnologia, che sfrutta i modelli 3D, rappresenta un progresso significativo nella comprensione di una delle prime forme di scrittura dell’umanità.
Pubblicato sulla rivista The Eurographics Association, lo studio dei ricercatori si è concentrato su una serie di tavolette cuneiformi della collezione Frau Professor Hilprecht. Queste tavolette provengono principalmente dall’antica Mesopotamia, una regione storica dell’attuale Iraq.
Spesso definita la culla della civiltà, quest’area è il luogo in cui si svilupparono alcune delle prime società umane. Su queste tavolette, in particolare, sono incisi una serie di simboli, segni e cunei che formano le lingue della regione, come il sumero, l’assiro e l’accadico. Il team si è rivolto all’intelligenza artificiale per chiedere aiuto.
 Christmas Sale -40% 𝗖𝗵𝗿𝗶𝘀𝘁𝗺𝗮𝘀 𝗦𝗮𝗹𝗲! Sconto del 𝟰𝟬% 𝘀𝘂𝗹 𝗽𝗿𝗲𝘇𝘇𝗼 𝗱𝗶 𝗰𝗼𝗽𝗲𝗿𝘁𝗶𝗻𝗮 del Corso "Dark Web & Cyber Threat Intelligence" in modalità E-Learning sulla nostra Academy!🚀
Fino al 𝟯𝟭 𝗱𝗶 𝗗𝗶𝗰𝗲𝗺𝗯𝗿𝗲, prezzi pazzi alla Red Hot Cyber Academy. 𝗧𝘂𝘁𝘁𝗶 𝗶 𝗰𝗼𝗿𝘀𝗶 𝘀𝗰𝗼𝗻𝘁𝗮𝘁𝗶 𝗱𝗲𝗹 𝟰𝟬% 𝘀𝘂𝗹 𝗽𝗿𝗲𝘇𝘇𝗼 𝗱𝗶 𝗰𝗼𝗽𝗲𝗿𝘁𝗶𝗻𝗮.
Per beneficiare della promo sconto Christmas Sale, scrivici ad [email protected] o contattaci su Whatsapp al numero di telefono: 379 163 8765.
Se ti piacciono le novità e gli articoli riportati su di Red Hot Cyber, iscriviti immediatamente alla newsletter settimanale per non perdere nessun articolo. La newsletter generalmente viene inviata ai nostri lettori ad inizio settimana, indicativamente di lunedì. |
Utilizzando un nuovo processo di intelligenza artificiale per decodificare antiche tavolette cuneiformi, hanno sfruttato un sofisticato modello di intelligenza artificiale basato sull’architettura R-CNN (Convolutional Neural Network), un sistema specializzato progettato per il riconoscimento degli oggetti. Lo studio ha utilizzato un set di dati unico costituito da modelli 3D di 1.977 tavolette cuneiformi, con annotazioni dettagliate di 21.000 segni cuneiformi e 4.700 cunei.
La metodologia dell’intelligenza artificiale prevedeva una pipeline in due parti: inizialmente, un rilevatore di segni, costruito su un modello RepPoints con un backbone ResNet18, identificava i caratteri cuneiformi sui tablet. In termini semplici, il modello RepPoints analizza la raccolta ResNet18 di immagini collegate alle lingue mesopotamiche e quindi combina i modelli per “vedere” il testo.
Questo passaggio è stato fondamentale per individuare accuratamente i segnali. Successivamente, il rilevatore di cunei, utilizzando Point R-CNN con funzionalità avanzate come Feature Pyramid Network (FPN) e RoI Align, ha classificato e previsto le posizioni dei cunei, che costituiscono la base degli elementi fondamentali della scrittura cuneiforme, consentendo all’IA di leggerli.
Questi strumenti prendono le scansioni 3D delle tavolette e vagliano la moltitudine di misurazioni di cose come la profondità dell’impressione lasciata dallo stilo nell’argilla o la distanza tra i simboli e i cunei. Questo approccio ha consentito all’intelligenza artificiale di superare le sfide poste dalle tradizionali fotografie 2D, come illuminazione incoerente e distrazioni cromatiche, fornendo così un’analisi più accurata dei testi antichi.
La ricerca tradizionale sui testi antichi utilizza un software di riconoscimento ottico dei caratteri (OCR), che converte le immagini scansionate o le fotografie 2D della scrittura in testo leggibile dalla macchina.
“L’OCR di solito funziona con fotografie o scansioni. Questo non è un problema per l’inchiostro su carta o pergamena. Nel caso delle tavolette cuneiformi, tuttavia, le cose sono più difficili perché la luce e l’angolo di visione influenzano notevolmente il modo in cui alcuni caratteri possono essere identificati”, ha affermato il coautore Ernst Stötzner.
Seguici su Google News, LinkedIn, Facebook e Instagram per ricevere aggiornamenti quotidiani sulla sicurezza informatica. Scrivici se desideri segnalarci notizie, approfondimenti o contributi da pubblicare.
