基于无监督机器学习与可解释人工智能超越人力规模的历史史料深度分析
机器学习
2025-01-16 v1 人工智能
计算机与社会
数字图书馆
摘要
历史材料浩如烟海。然而，梳理人类知识如何沿历时与共时维度演变与传播，至今仍是一项只能被非常选择性地应对的挑战。材料体量庞大，而人类专家数量有限，使得全面研究难以开展。不过，随着大量历史材料以数字形式可用，AI辅助历史分析展现出可喜机遇。本工作中，我们迈出关键一步，运用创新机器学习(ML)技术来分析海量历史语料，从而在宏大尺度上获取深度历史洞见。我们的研究聚焦于‘Sacrobosco Collection’中知识演变——该数字化收藏含359种早期现代天文学教科书印本，于1472至1650年间在欧洲大学使用，约76,000页，其中多含天文与计算表格。基于ML的表格分析有助于揭示该时期欧洲大学所授数学天文学领域知识与创新时空演变的重要面貌。
引用
@article{arxiv.2310.09091,
title = {Insightful analysis of historical sources at scales beyond human capabilities using unsupervised Machine Learning and XAI},
author = {Oliver Eberle and Jochen Büttner and Hassan El-Hajj and Grégoire Montavon and Klaus-Robert Müller and Matteo Valleriani},
journal= {arXiv preprint arXiv:2310.09091},
year = {2025}
}