Insightful analysis of historical sources at scales beyond human capabilities using unsupervised Machine Learning and XAI

要約

歴史資料が豊富です。
しかし、人類の知識が通時的および共時的にどのように進化し、広がってきたのかを解明することは、今のところ非常に選択的にしか対処できない課題として残っています。
専門家の数が限られているため、膨大な量の資料は包括的な研究を不可能にします。
しかし、現在では大量の歴史資料がデジタル形式で入手できるため、AI を活用した歴史分析の有望な機会が存在します。
この研究では、革新的な機械学習 (ML) 技術を採用することで、膨大な歴史的コーパスの分析に向けて極めて重要な一歩を踏み出し、大規模な歴史的洞察を詳細に得ることができます。
私たちの研究は、1472 年から 1650 年の間にヨーロッパの大学で使用された天文学に関する近世の印刷版 359 冊の教科書をデジタル化したコレクションである「サクラボスコ コレクション」内の知識の進化に焦点を当てています。約 76,000 ページで、その多くには天文学や計算に関する知識が含まれています。
テーブル。
これらの表の ML ベースの分析は、ヨーロッパの大学で教えられていた当時の数学天文学の分野における知識と革新の時空間進化の重要な側面を明らかにするのに役立ちます。

要約(オリジナル)

Historical materials are abundant. Yet, piecing together how human knowledge has evolved and spread both diachronically and synchronically remains a challenge that can so far only be very selectively addressed. The vast volume of materials precludes comprehensive studies, given the restricted number of human specialists. However, as large amounts of historical materials are now available in digital form there is a promising opportunity for AI-assisted historical analysis. In this work, we take a pivotal step towards analyzing vast historical corpora by employing innovative machine learning (ML) techniques, enabling in-depth historical insights on a grand scale. Our study centers on the evolution of knowledge within the `Sacrobosco Collection’ — a digitized collection of 359 early modern printed editions of textbooks on astronomy used at European universities between 1472 and 1650 — roughly 76,000 pages, many of which contain astronomic, computational tables. An ML based analysis of these tables helps to unveil important facets of the spatio-temporal evolution of knowledge and innovation in the field of mathematical astronomy in the period, as taught at European universities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google