La collaborazione tra studiosi di discipline umanistiche (paleografia, papirologia, filologia, storia della trasmissione dei testi) e studiosi di informatica, in particolare di Computer Vision, si realizza per questo team nell’analisi delle scritture antiche e medievali, greche e latine. L’obiettivo è individuare, anche attraverso un approccio few-shot learning, le features significative che permettano di riconoscere le diverse mani degli scribi, nonostante le sfide poste dalla formalizzazione omogenea delle scritture antiche, dalla scarsità di documenti e di datazioni affidabili, le condizioni spesso deteriorate dei documenti antichi e medievali, le problematiche poste dalla risoluzione delle immagini.

Due sono le direzioni intraprese nell’ambito di questa linea di ricerca:

• Manoscritti medievali latini: Il team sta elaborando un dataset manoscritti biblici latini esplorando anche le possibilità sperimentali offerte dall’utilizzo di immagini di manoscritti diversi che riproducono lo stesso testo biblico (inizio della Genesi e del vangelo di Matteo). Il dataset comprende oltre 400 pagine scritte da nove mani distinte. L’obiettivo principale è esplorare l’efficacia delle moderne architetture di deep learning, utilizzando diverse dimensioni di set di addestramento e impiegando varie tecniche di pre-elaborazione per valutare le prestazioni e le capacità dei modelli utilizzati.
• Papiri greci autografi: Il progetto si propone in prima battuta di selezionare papiri greci autografi datati con sicurezza e provenienti da archivi di periodo vario (da tolemaico a arabo) e studiarli attentamente dal punto di vista paleografico, grammaticale, lessicale e bibliologico nel tentativo di individuare caratteristiche specifiche attribuibili alle mani che li hanno prodotti e/o al periodo in cui sono stati scritti. In secondo luogo i risultati dello studio saranno insegnati all’AI affinché essa proceda all’identifica e datazione di altri testi simili.