Οπτική αναγνώριση και γλωσσική αποκατάσταση ελληνικών παπύρων με χρήση τεχνητής νοημοσύνης

Abstract

Η ψηφιοποίηση και ανάγνωση αρχαίων ελληνικών παπύρων αποτελεί μια από τις μεγαλύτερες προκλήσεις της Υπολογιστικής Αρχαιογνωσίας, εξαιτίας της έντονης φθοράς του υλικού και της χρήσης συνεχούς γραφής (scriptio continua). Η παρούσα διπλωματική εργασία προτείνει ένα καινοτόμο, υβριδικό pipeline δύο σταδίων για την οπτική αναγνώριση και τη σημασιολογική αποκατάσταση παπυρικών κειμένων. Στο πρώτο στάδιο (Υπολογιστική Όραση), αξιοποιείται ο αλγόριθμος YOLO11s σε συνδυασμό με την τεχνική τεμαχισμού SAHI για τον εντοπισμό χαρακτήρων σε σαρώσεις υπερ-υψηλής ανάλυσης, ενώ η ταξινόμηση εκτελείται από ένα δίκτυο Vision Transformer (DeiT). Λόγω του αναπόφευκτου θορύβου του ακατέργαστου OCR (υψηλό CER και WER), το δεύτερο στάδιο εισάγει Μεγάλα Γλωσσικά Μοντέλα (LLMs) για τη γλωσσική αποκατάσταση. Για την αντιμετώπιση των παραισθήσεων (hallucinations) και της αποτυχίας των παραδοσιακών πυκνών διανυσμάτων (dense embeddings) σε ανορθόγραφη συνεχή γραφή, αναπτύχθηκε μια προσαρμοσμένη αρχιτεκτονική Ανάκτησης Επαυξημένης Παραγωγής (RAG), ικανή να λειτουργεί αξιόπιστα στα μορφολογικά μοτίβα της αρχαίας ελληνικής. Η συγκριτική αξιολόγηση σε τοπικά και εμπορικά μοντέλα αιχμής έδειξε ότι το ενσωματωμένο σύστημα RAG λειτουργεί ως απαραίτητος μηχανισμός γείωσης (grounding), βελτιώνοντας μετρήσιμα το Σφάλμα Χαρακτήρων (CER). Τέλος, αν και η αυστηρότητα της φιλολογικής μετάφρασης οδήγησε σε κατάρρευση των παραδοσιακών μετρικών (BLEU, METEOR), η αξιολόγηση μέσω BERTScore απέδειξε την ισχυρή σημασιολογική ανθεκτικότητα των μοντέλων, αναδεικνύοντας το σύστημα ως ένα πολύτιμο εργαλείο εξόρυξης νοήματος (sense-making) για τους ερευνητές της παπυρολογίας.