Aeneas è un innovativo modello di intelligenza artificiale generativa, progettato per supportare il lavoro degli storici nella decifrazione, datazione e restauro di antiche iscrizioni, specialmente quelle latine risalenti all’epoca romana. Frutto di una collaborazione tra DeepMind e diverse università come Nottingham, Warwick, Oxford e Atene, Aeneas si inserisce nella tradizione dei modelli multimodali avanzati, capaci cioè di elaborare simultaneamente informazioni visive e testuali, per facilitare il compito degli epigrafisti di fronte a reperti parzialmente corrotti o incompleti.
Le iscrizioni erano una componente fondamentale della comunicazione e della vita sociale del mondo romano: si trattava di documenti incisi praticamente ovunque, dai monumenti imperiali ai semplici oggetti d’uso quotidiano, veicolando messaggi politici, sociali, commerciali e persino affettivi. Tuttavia, il tempo, la natura e talvolta l’intervento umano le hanno spesso deteriorate, creando difficoltà significative nella loro interpretazione, soprattutto in assenza di indicazioni contestuali chiare. Gli storici si affidano tradizionalmente a parallelismi testuali con iscrizioni già note, che condividono espressioni simili, formule standardizzate, caratteristiche linguistiche o provenienze analoghe. Ma questo processo è lento, laborioso e richiede grande esperienza, dato che implica l’esame di un numero potenzialmente vastissimo di testi paralleli.
Aeneas semplifica radicalmente questo tipo di ricerca, analizzando istantaneamente migliaia di iscrizioni latine contenute in grandi database epigrafici digitalizzati. Attraverso la generazione di rappresentazioni matematiche chiamate embeddings, il modello riesce a identificare analogie profonde tra iscrizioni differenti, includendo nella sua analisi gli aspetti letterali insieme a elementi contestuali e storici più sottili. Inoltre, Aeneas può integrare nelle sue previsioni anche informazioni visive, sfruttando reti neurali specifiche per analizzare immagini fotografiche delle iscrizioni. Questo gli consente di collocare geograficamente i reperti con una precisione che supera il 70%, e di datarli con uno scarto medio di soli tredici anni rispetto alle datazioni effettuate dagli specialisti.
Un altro punto di forza del modello è la sua capacità di completare iscrizioni con lacune di lunghezza ignota, un aspetto particolarmente complesso che fino ad oggi non era stato affrontato efficacemente dai modelli digitali precedenti. Utilizzando tecniche di generazione del testo di ultima generazione, Aeneas propone ricostruzioni plausibili anche quando i frammenti testuali mancanti sono estesi e non è nota esattamente la loro lunghezza. Questo consente agli storici di avere a disposizione ipotesi solide e fondate, che possono essere utilizzate come punto di partenza per interpretazioni più complete.
L’efficacia di Aeneas è stata testata concretamente coinvolgendo 23 epigrafisti in un esperimento di collaborazione uomo-macchina, il più ampio mai condotto nel settore. In questo studio, gli storici hanno potuto confrontarsi con le previsioni e i paralleli testuali proposti dal modello, integrandoli nel proprio metodo di lavoro abituale. I risultati hanno mostrato chiaramente che l’utilizzo di Aeneas riduce significativamente gli errori umani nella datazione, nel restauro e nella collocazione geografica delle iscrizioni e al tempo stesso aumenta la fiducia degli studiosi nelle proprie conclusioni, portandoli ad adottare nuovi parallelismi e a rivalutare dettagli testuali che altrimenti sarebbero potuti sfuggire.
Un esempio significativo dell’efficacia di Aeneas è la sua applicazione all’analisi del Monumentum Ancyranum, che riporta l’iscrizione Res Gestae Divi Augusti, uno dei più importanti documenti epigrafici dell’antichità romana. Gli storici hanno a lungo dibattuto sulla datazione precisa di questa iscrizione, e Aeneas, anziché indicare una singola data, ha prodotto una distribuzione probabilistica con due ipotesi principali chiaramente evidenziate, riflettendo perfettamente le diverse opinioni correnti nella comunità scientifica. Questo risultato dimostra l’utilità del modello anche come strumento di supporto per il dibattito storico.
Rendendo pubblici il codice, i dati e un’interfaccia interattiva online, il team di sviluppo di Aeneas ha inoltre favorito l’adozione di questo strumento da parte di ricercatori, studenti e professionisti del settore museale, facilitando così una collaborazione sempre più stretta tra competenze storiche tradizionali e potenzialità innovative offerte dall’intelligenza artificiale generativa.
