Mi történik, ha egy több ezer éves, máig megfejtetlen írásrendszert nemcsak filológusok, hanem AI-eszközök is „gyötörnek”? A válasz egyszerre ígéretes és kijózanító: az AI fel tudja turbózni a jó ötleteket, de nem pótolja a bizonyítékot.

Mi történt

A történelemben szinte minden sikeresen megfejtett ókori nyelv mögött volt valamilyen biztos kapaszkodó: kétnyelvű felirat (mint a Rosetta-kő), vagy legalább egy közeli rokon nyelv, amihez össze lehetett hasonlítani. A krétai minószi civilizáció bronzkori írása, a Linear A pont azért legendásan nehéz dió, mert egyik sincs meg hozzá. A nyelvészeti szakzsargon ezt „nyelvi izolátumnak” nevezi: olyan nyelv, amelynek nincs megerősített kapcsolata ismert élő vagy kihalt nyelvekkel.

Az etruszk valamivel „jobb” helyzetben van, mert rövid sírfeliratokból összeállt egy részleges szókincs, de a nyelvtan és a mélyebb jelentésvilág továbbra is homályos. Mindkét eset tipikusan az a terep, ahol az AI-t mostanában bevetik: nem úgy, hogy leváltja a nyelvészeket, hanem úgy, hogy a sejtéseiket gyorsabban és nagyobb adatmennyiségen teszteli.

2026 júniusában egy autodidakta AI-mérnök és amatőr nyelvész azt állította, hogy áttörést ért el a Linear A megfejtésében. Kiindulópontja egyetlen tipp volt: egy ima-felirat egyik ismeretlen szava szerinte egy sémi (például héberhez, arámihoz hasonló) gyökből származhat, amelynek jelentése „lakni” vagy „letelepedni”. Ezután AI-val támogatott programozási szkriptekkel végigtesztelte a hangmintázatot a Linear A-korpuszban, és saját értelmezése szerint 40 jel hangértékét tudta hozzárendelni, valamint egy 408 szavas lexikont állított össze. A következtetése: a Linear A egy kihalt sémi nyelv.

Miért fontos

Gondolj az AI-ra itt úgy, mint egy nagyon gyors laborasszisztensre: nem ő találja ki a kísérletet, de villámgyorsan lefuttatja ugyanazt a próbát százféle variációban, és visszadobja a mintázatokat. Ez óriási előny ott, ahol kevés a biztos támpont, mert egy emberi hipotézis percek alatt szembesíthető a teljes adathalmazzal. Csakhogy ugyanebből következik a kockázat is: ha a kiinduló ötlet téves vagy túl rugalmasan értelmezhető, az AI hihetőnek tűnő „megerősítéseket” is gyárthat — egyszerűen azért, mert rengeteg mintázatot lehet belelátni egy zajos, töredékes korpuszba.

Mire figyelj

  1. Mi a független ellenőrzés? Egy megfejtés akkor kezd stabil lenni, ha más kutatók ugyanazzal a módszerrel, de a feltételezések átvétele nélkül is hasonló eredményre jutnak.
  2. Van-e „külső” kapaszkodó? A kétnyelvű szöveg vagy egy biztos rokonnyelvi kapcsolat nem luxus, hanem a legjobb védelem az önigazoló értelmezések ellen.
  3. Mennyire kényszerített a megfejtés? Ha egy jel több hangértéket is kaphat, vagy a szabályok túl gyakran változnak kivételekkel, az inkább kreatív történetmesélésre, mint nyelvfejtésre utal.
  4. Mit csinált ténylegesen az AI? Az Ars Technica egyik legfontosabb pontosítása, hogy az AI nem „találta ki” a kulcsot: az ötlet emberi volt, a gép a skálázást és a gyors tesztelést adta hozzá.

Ha az AI-val támogatott nyelvfejtés be is vált, valószínűleg nem egyetlen nagy varázsmegoldásként fog megérkezni, hanem sok apró, ellenőrizhető lépésben — és ugyanúgy szüksége lesz szigorú bizonyításra, mint bármelyik klasszikus filológiai áttörésnek.