Sztuczna inteligencja coraz lepiej radzi sobie z językiem. Tłumaczy, rozpoznaje wzorce i uzupełnia brakujące fragmenty tekstu. Czy może jednak odczytać język, którego nie rozumie żaden człowiek? W przypadku starożytnych pism odpowiedź zależy nie tylko od mocy obliczeniowej, lecz także od tego, czy istnieje jakikolwiek punkt odniesienia.

Przez cały czas, gdy udawało się odczytać jakiś starożytny język, potrzebny był punkt zaczepienia. Zwykle był to tekst dwujęzyczny, taki jak Kamień z Rosetty, albo język spokrewniony, z którym można było dokonać porównania. Pismo linearne A – system pisma używany przez minojską cywilizację epoki brązu na greckiej Krecie – nie ma ani jednego, ani drugiego

Pismo linearne A określane jest jako „izolat językowy”, ponieważ nie ma potwierdzonego związku z żadnym znanym językiem – ani żywym, ani wymarłym. Z tego powodu od ponad stu lat stanowi poważne wyzwanie dla językoznawców.

Nieco lepiej wygląda sytuacja języka etruskiego, używanego na terenie Italii przed powstaniem Cesarstwa Rzymskiego. Dzięki krótkim inskrypcjom nagrobnym udało się odtworzyć część słownictwa, jednak jego gramatyka i głębsze znaczenie nadal pozostają zagadką.

Oba te języki są dokładnie takim rodzajem łamigłówki, do której w ostatnich latach zaczęto wykorzystywać sztuczną inteligencję – nie po to, by zastąpiła językoznawców, lecz by znacząco wzmocniła ich intuicję. Czy AI rzeczywiście ma szansę dokończyć to, czego nie udało się osiągnąć przez sto lat ludzkich badań?

Niedawny przypadek pokazuje zarówno potencjał, jak i ograniczenia takiego podejścia. W czerwcu 2026 roku samouk zajmujący się inżynierią AI i amatorsko językoznawstwem ogłosił, że dokonał przełomu w badaniach nad pismem linearnym A. Wszystko zaczęło się od pojedynczej hipotezy, że jedno nieznane słowo z inskrypcji modlitewnej wywodzi się z semickiego rdzenia oznaczającego „mieszkać” lub „zamieszkiwać”.

Następnie wykorzystał napisane przy pomocy AI skrypty programistyczne, aby sprawdzić, czy ten wzorzec fonetyczny występuje także w pozostałych tekstach zapisanych linearnym A. Jak twierdzi, udało mu się przypisać wartości fonetyczne 40 znakom oraz stworzyć leksykon liczący 408 słów. Na tej podstawie wysunął wniosek, że pismo linearne A jest wymarłym przedstawicielem rodziny języków semickich, do której należą m.in. hebrajski i aramejski.

Potrzeba kreatywności

Warto bardzo precyzyjnie określić, co w tym przypadku zrobiła sztuczna inteligencja, a czego nie zrobiła. To nie ona wpadła na pomysł. Pomysł należał do badacza.

AI pełniła rolę asystenta badawczego. Błyskawicznie zweryfikowała ludzką hipotezę na tle tysięcy znaków – zadanie, którego ręczne wykonanie zajęłoby człowiekowi wiele miesięcy. To właśnie taki podział pracy zasługuje dziś na największą uwagę, znacznie bardziej niż pojedyncze twierdzenie, które nadal podlega naukowej ocenie.

Gdzie więc AI rzeczywiście pomaga, a gdzie napotyka nieprzekraczalną granicę? Jej prawdziwą siłą jest testowanie wzorców na ogromną skalę. Potrafi w ciągu kilku minut sprawdzić, czy hipoteza dotycząca jednego znaku lub słowa znajduje potwierdzenie w całym korpusie tekstów zamiast zajmować badaczom lata. Może dostrzegać powtarzające się sekwencje, które umknęłyby ludzkiemu oku, oraz rekonstruować uszkodzone lub niekompletne inskrypcje, przewidując najbardziej prawdopodobne brakujące znaki.

AI wykorzystuje również odrębną technikę zwaną „transferem międzyjęzykowym”. Model wytrenowany na znanym języku potrafi czasem wywnioskować pewne wzorce w nieznanym, ale blisko spokrewnionym języku. Działa to podobnie jak znajomość hiszpańskiego pomaga domyślać się znaczenia słów po portugalsku.

Badacze z powodzeniem stosowali już takie podejście do odczytywania pism takich jak ugaryckie, gdzie rodzina językowa jest znana. Ugarycki był wymarłym językiem semickim używanym w późnej epoce brązu (około 1300–1190 r. p.n.e.) w starożytnym nadmorskim mieście Ugarit, położonym na terenie dzisiejszej Syrii.

Istnieje jednak twarda granica możliwości tej technologii. Statystyczne dopasowywanie wzorców nie jest w stanie stworzyć znaczenia z niczego. Potrzebuje punktu odniesienia – znanej rodziny językowej albo tekstu dwujęzycznego – który pozwoli odróżnić wzorce mające rzeczywiste znaczenie od zwykłych przypadkowych zbieżności.

To właśnie dlatego pismo linearne A i język etruski są tak trudne do rozszyfrowania – taki punkt odniesienia nie istnieje lub jest niekompletny. Żadna moc obliczeniowa nie jest w stanie stworzyć go od podstaw.

Zbyt mało danych

Gdyby dysponować odpowiednio dużym korpusem tekstów, model AI mógłby hipotetycznie nauczyć się języka na tyle dobrze, by prowadzić rozmowę z Minojczykiem lub Etruskiem (oczywiście wyłącznie w sensie statystycznym). Oznacza to, że potrafiłby rozpoznawać powtarzające się wzorce słów i innych elementów struktury języka, a następnie wykorzystywać je w nowych kontekstach. W efekcie mógłby stworzyć coś, co przynajmniej powierzchownie przypominałoby ograniczoną rozmowę.

System AI nadal nie byłby jednak w stanie przekazać człowiekowi tłumaczenia, ponieważ w tym przypadku płynność językowa i rozumienie znaczenia to dwie różne rzeczy. Model może nauczyć się, które znaki występują po sobie i które słowa pojawiają się razem, nie wiedząc jednocześnie, do czego naprawdę się odnoszą.

To również wyjaśnia, dlaczego tak trudno zweryfikować jakiekolwiek twierdzenia dotyczące tych języków, nawet jeśli wspiera je sztuczna inteligencja. Problem jest znacznie szerszy niż pojedynczy przypadek. Zwykle proponowane tłumaczenie lub interpretację można sprawdzić, odwołując się do rodzimych użytkowników języka, innych tekstów albo konsensusu ekspertów budowanego przez dziesięciolecia. W przypadku rzeczywiście nieodczytanego języka niczego takiego nie ma. Poza podróżą w czasie nie istnieje sposób, by to zweryfikować.

Sytuację dodatkowo pogarsza niewielka liczba zachowanych tekstów. Cały znany korpus linearnych zapisów A liczy zaledwie około 7500 znaków – tyle, że zmieściłby się na jednym ekranie komputera. Przy tak małej ilości danych niemal każda hipoteza może znaleźć pojedyncze przykłady, które będą ją pozornie potwierdzać.

Dlatego właśnie w tej dziedzinie tak ogromne znaczenie ma niezależna ocena ekspertów i recenzja naukowa, a nie same statystyczne wskaźniki pewności. Z tego samego powodu stwierdzenia „AI znalazła pewien wzorzec” oraz „AI odkryła prawidłowe znaczenie” oznaczają dwie zupełnie różne rzeczy, choć łatwo je ze sobą pomylić.

Nie oznacza to, że sztuczna inteligencja jest ślepą uliczką w badaniach nad tymi językami. Wręcz przeciwnie – stanowi potężny akcelerator, zdolny skrócić lata ręcznego porównywania tekstów do zaledwie kilku minut i umożliwić znacznie większej liczbie badaczy podejmowanie problemów, które wcześniej były dostępne jedynie dla nielicznych instytucji dysponujących odpowiednimi zasobami.

AI nie eliminuje jednak dwóch elementów, które od zawsze były niezbędne do odczytywania nieznanych języków. Pierwszym jest rzeczywisty punkt odniesienia w postaci pokrewnego języka lub tekstu dwujęzycznego. Drugim – rygorystyczna weryfikacja przez ludzi, pozwalająca odróżnić prawdziwy przełom od atrakcyjnie brzmiącego przypadku.

Dopóki w przypadku linearnego A lub języka etruskiego nie pojawi się przynajmniej jeden z tych dwóch elementów, rola sztucznej inteligencji w ich rozszyfrowywaniu pozostanie taka jak dziś: będzie niezwykle szybkim asystentem pomagającym rozwiązywać bardzo starą i bardzo ludzką zagadkę.

Jane Adkins – doktorantka w School of Computing, Dublin City University

Artykuł Cracking the code: can AI help us decipher ancient languages? ukazał się w serwisie The Conversation.

• aktualności
• Nauki humanistyczne i społeczne