【Nature 特稿】机器学习算法重构威尼斯千年历史，成为“谷歌和 Facebook”
新智元编译
来源：Nature
作者： Alison Abbott
编译：文强
【新智元导读】瑞士联邦理工学院（EPFL）数字人文科学实验室主任 Frédéric Kaplan 利用机器学习算法，将威尼斯多年的历史以动态的数字化形式传承下来，再现这座古城辉煌的共和国时代风貌。Kaplan 将他着手从事的项目称之为“威尼斯时间机器”（Venice Time Machine），不仅能够为世界各地的学者揭露威尼斯隐藏的历史，还能使研究人员能够搜索和交叉引用参考文献。
今天我们要介绍的科研项目——威尼斯时间机器，将让历史学家拥有从现今（上图右）穿越到 18 世纪（上图左）威尼斯的能力。
计算机科学家、瑞士联邦理工学院（EPFL）数字人文科学实验室主任 Frédéric Kaplan 想要将威尼斯多年的历史以动态的数字化形式传承下来，再现这座古城辉煌的共和国时代风貌。Kaplan 将他着手从事的项目称之为“威尼斯时间机器”（Venice Time Machine），预计扫描地图、专著、手稿和乐谱等大量文件。Kaplan 希望“威尼斯时间机器”不仅能够为世界各地的学者揭露威尼斯隐藏的历史，还能使研究人员能够搜索和交叉引用参考文献。
如果这个项目成功，将为整个欧洲历史文化和商业研究做出巨大的贡献，或能以前所未有的细节揭示整个欧洲大陆当时的社会网络、贸易和知识发展的历史。Kaplan 表示，“威尼斯时间机器”将成为供几个世纪以后的人使用的谷歌和 Facebook。
圣方济会荣耀圣母圣殿里存储的各种手稿和史册资料。它们将全部被输入“威尼斯时间机器”，用于构建一个供几个世纪以后的人使用的谷歌和 Facebook。圣方济会荣耀圣母圣殿是威尼斯最大的教堂之一，具有次级宗座圣殿的地位。这座天主教堂位于圣波罗区的核心，敬奉圣母升天为主保圣人。图片来源：Nature
威尼斯时间机器的诞生，得益于机器学习技术的进步。这个项目成功的关键，也在于机器学习技术。
单纯扫描手稿、文献将其数字化的科研项目已有很多，令威尼斯时间机器脱颖而出的，是其规模和这个项目预计使用的新技术。据 Kaplan 介绍，他计划使用最先进的扫描仪，有些甚至可以在不打开书籍的情况下，读取书中纸页上的内容。此外，还有先进的机器学习算法，将手写文档转换成可被搜索和引用的数字文档。
威尼斯有着深厚悠久的历史，这些历史被一代代人整理和记录了下来。最重要的是，虽然几经动荡，这些记录都比较完好地保存了下来，最早从公元前 5 世纪开始。1797 年，拿破仑结束了威尼斯的共和国时代，1815 年，圣方济会荣耀圣母圣殿变为威尼斯国家档案馆（State Archives of Venice）。在接下来的几十年中，所有国家的行政文件，包括死亡登记册，医疗记录，公证记录，地图和建筑图案，专利注册和其他文件都陆续转移到这里。这些档案大多以拉丁文或威尼斯方言写就，有些从来没有被现代历史学家阅读过。
现在，根据 Kaplan 的计划，这些海量的文献将被系统化地送入威尼斯时间机器，和其他更多非常规数据来源一起，以更形象的形式，比如绘画和旅行者日志的形式呈现出来。
威尼斯时代机器这个项目始于 2012 年，实际上，在此之前，威尼斯国家档案馆就有相关的数字化项目，由意大利文化遗产部资助。威尼斯时代机器大幅推进了相关的过程，引进了专门设计的先进的高速扫描仪，包括一个负责翻页的机械臂，以及一个 2 米宽转盘的旋转扫描仪，能够同时扫描多个 A3 尺寸的文档。这些扫描仪现在每小时生成 TB 级的数千幅用于长期存储的高清图像。这些数据还会被传到洛桑，那里有高性能计算机，专门将图像转换为数字文本，以便进行注释。
自动识别手稿是一个重大的技术挑战。因为手写的字符，比如个人信件上的文字形状可能有很大差异，并且随着时间的推移可以演变。欧盟专门有一个项目，叫做 READ（Recognition and Enrichment of Archival Documents)，在制定各种解决方法。
Kaplan 也是 READ 的成员之一，他在威尼斯时代机器这个项目里采用的首选方式，就是利用机器学习来识别整个单词的形状。
机器学习依靠算法，能修改规则和行为，根据从数据集中获取的示例，不断更新提高性能。威尼斯时间机器的算法旨在分析书面文本的结构，并提取看起来类似的图形形状，并将形状与结构联系起来。这让用户能在一份文档中找到一个名称，然后让系统显示数据库中所有其他手稿中出现相同名称的位置。
Nature 的一篇特稿详细介绍了威尼斯时间机器项目，包括 Kaplan 致力于将人工智能用于人文研究的经历。
我们可以看 Nature 特稿中给出的这幅图，形象地展示了机器学习算法重构可搜索数据库的过程。
首先，机械臂负责翻书，扫描仪将图像扫描下来。同时，还有断层扫描技术，能够在不翻开书本的情况下，将书页上的内容扫描下来。这一概念基于医学中使用的计算机断层扫描技术（CT），CT 以不同角度拍摄的 X 射线图像，逐层地建立人体内部的 3D 图像。EPFL 的科学家正在研究古代墨水的组成成分，从而找出可以用作 X 射线造影剂的分子。断层扫描仪扫描书籍的速度更快，质量更高，扫描时对文物造成的损害也较小。
然后，算法将扫描的图像转换为数字文本。同一个词（比如人物、地方、商标）会被标记出来，还有这个词在其他不同地方出现的情况。
相关数据综合在一起，构成一个覆盖时间和空间的社交网络。
Nature 特稿原文链接：https://www.nature.com/news/the-time-machine-reconstructing-ancient-venice-s-social-networks-1.22147
点击阅读原文查看新智元招聘信息