אך העבודה עם הטקסטים הללו מורכבת מאוד. רבים מהם קטועים, כתובים בלטינית לא תקנית, ונותרו ללא תיארוך או הקשר גיאוגרפי ברור. כדי להתמודד עם האתגר, פיתחו חוקרים את מודל איניאס – רשת נוירונים גנרטיבית רב־מודאלית, שפורסמה בכתב העת Nature. המודל משתמש בבינה מלאכותית כדי לזהות קשרים בין כתובות שונות ולשחזר את ההקשר ההיסטורי שלהן.
המודל מתבסס על שלושה מאגרי מידע הכוללים יחד 176,861 כתובות לטיניות – כ־16 מיליון תווים. מתוכן, כ־5% כוללות גם תצלומים, שאיפשרו למודל לשקלל אלמנטים ויזואליים נוספים כמו חומר, צבע וסמלים חזותיים. יכולת זו הופכת את איניאס לראשון מסוגו שמסתמך הן על טקסט והן על מאפיינים פיזיים של הכתובות.
מטרת המודל היא לזהות דמיון בין כתובות שונות – שמות, מילים, ביטויים או מקומות – ולאתר באמצעותם את מקום ותאריך הכתיבה. בין היתר, מסוגל איניאס להעריך את מיקומה של כתובת מתוך 62 הפרובינציות הרומיות, לתארך אותה לפי עשורים ואף להציע שחזורים לחלקים חסרים בטקסט. הוא אף מסמן אילו אלמנטים מתוך הטקסט או התמונה השפיעו על התחזית.
החוקרים מדגישים כי בעבר, מלאכת ההשוואה בוצעה ידנית – כל כתובת הייתה צריכה להיבחן מול מאות אפשרויות, תוך שימוש בידע עצום, גישה לספריות נדירות ועבודה מייגעת. כעת, התהליך מתקצר משמעותית, ומאפשר להיסטוריונים להתמקד בניתוח ולא בשחזור טכני.
לצורך הדגמה, התבקש איניאס לנתח את הטקסט ההיסטורי Res Gestae Divi Augusti – מסמך תעמולה שבו תיאר הקיסר הרומי אוגוסטוס את חייו ופועלו. המסמך, שהועתק לאזורים רבים ברחבי האימפריה הרומית, מהווה אתגר מורכב: הוא כולל תיאורים מטעים, הפניות שגויות ותאריכים שאינם עקביים. למרות זאת, הצליח איניאס לזהות סימנים לשני תאריכים אפשריים לכתיבתו – בדיוק כפי שציינו חוקרים בני זמננו.
לפי נתוני DeepMind, כ־90% מהיסטוריונים שבחנו את תחזיות המערכת דיווחו שהמודל סייע להם כנקודת פתיחה למחקר עצמאי. בנוסף, החוקרים הצליחו בעזרתו להגיע לרמת דיוק גבוהה יותר מאשר בני אדם לבדם או בינות אחרות, שאינן רב־מודאליות.
התרעות פיקוד העורף