Vesuvius Challenge: KI entziffert verkohlte Schriftrolle aus Herculaneum

ArtikelIan SampleNews

Ein dreiköpfiges Forschungsteam hat mithilfe von Computertomographie und Algorithmen für maschinelles Lernen mehr als 2.000 griechische Buchstaben aus einer beim Ausbruch des Vesuvs im Jahr 79 n. Chr. verkohlten Papyrusrolle lesbar gemacht. Das Team gewann damit den Hauptpreis der Vesuvius Challenge in Höhe von 700.000 US-Dollar.

Das Wichtigste

  1. Die Schriftrollen aus einer römischen Villa in Herculaneum wurden 79 n. Chr. verkohlt und zerfallen bei physischen Öffnungsversuchen sofort.
  2. Hochauflösende CT-Scans wurden an der britischen Synchrotron-Forschungsanlage Diamond Light Source erstellt.
  3. Youssef Nader, Luke Farritor und Julian Schilliger nutzten KI-Modelle und Segmentierungsalgorithmen, um die Tinte im Inneren der Rolle digital sichtbar zu machen.
  4. Der freigelegte Text stammt laut Papyrologen wahrscheinlich vom Philosophen Philodemos und thematisiert den Ursprung von Sinnesfreuden bei Musik und Nahrung.
  5. Die Methode soll künftig auf hunderte weitere Schriftrollen sowie auf Papyrusfunde um ägyptische Mumien übertragen werden.

Warum das relevant ist

Die Herculaneum-Papyri bilden die einzige erhaltene geschlossene Bibliothek der klassischen Antike. Da physische Öffnungsversuche das Material zerstören, eröffnet das virtuelle Entrollen per CT-Scan und KI-basierter Tintenerkennung den Zugang zu bisher unlesbaren antiken Texten.

Einordnung

Das Projekt demonstriert den erfolgreichen Einsatz von Crowdsourcing und Preiswettbewerben in der geisteswissenschaftlichen Spitzenforschung. Die von Brent Seales initiierten Vorarbeiten wurden durch private Geldgeber skaliert und für weltweite Softwareentwickler geöffnet. Zu den verbleibenden technischen Herausforderungen gehört nun die vollständige Automatisierung der Schichterkennung sowie die Entwicklung mobiler CT-Scanner für Museen vor Ort.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Artikel:Noga Alon, Thomas F. Bloom, W. T. Gowers, Daniel Litt, Will Sawin, Arul Shankar, Jacob Tsimerman, Victor Wang, Melanie Matchett Wood

    Erdős-Einheitsabstand-Vermutung widerlegt: OpenAI-Gegenbeispiel menschlich verifiziert

    Ein hochkarätiges Team von Mathematikern hat ein von OpenAI generiertes Gegenbeispiel zur Erdős-Einheitsabstand-Vermutung menschlich verifiziert und in einer 19-seitigen Arbeit aufbereitet.

    KI & AI· Forschung

  • Link:Discovery Loop

    Discovery Loop: Automatisierung wissenschaftlicher Entdeckungsprozesse

    Jeff Dean, Sanjay Ghemawat, Quoc Le und Oriol Vinyals haben Discovery Loop vorgestellt. Das Unternehmen will wissenschaftliche Experimentierzyklen mithilfe von Frontier-KI und verteilten Systemen automatisieren, beginnend bei der ML-Forschung selbst.

    KI & AI· Ankündigung

  • Link:Melanie Lefkowitz

    Frank Rosenblatts Perzeptron: Wie ein Cornell-Forscher die Grundlagen moderner KI schuf

    Ein Rückblick der Cornell University beleuchtet das Leben und Werk von Frank Rosenblatt, der 1958 mit dem Perzeptron das erste künstliche neuronale Netzwerk vorstellte. Trotz heftiger Kritik seiner Zeitgenossen und des darauffolgenden KI-Winters bilden seine Algorithmen das Fundament moderner Deep-Learning-Systeme.

    KI & AI· News

  • Artikel:Kai Zheng

    Stanford Virtual Lab: Autonome KI-Agenten als Forschungsteams in der Onkologie

    Ein Forschungsteam an der Stanford University um James Zou hat das 'Virtual Lab' entwickelt, ein Multi-Agenten-System, das wissenschaftliche Forschungsprozesse weitgehend autonom durchführt. Spezialisierte KI-Agenten übernehmen dabei Rollen wie Projektleitung, Fachforschung und Kritik, um biomedizinische Entdeckungen und Krebsforschungen massiv zu beschleunigen.

    KI & AI· News

  • Artikel:David M. Berry and Sarah Ciston

    Auf den Spuren von Weizenbaums Sekretärin: Rekonstruktion der ELIZA-Urheberschaft

    Das Forschungsprojekt 'ELIZA Archaeology' untersucht die historische Identität der namenlosen Frauen in Joseph Weizenbaums Publikationen. Analysen von Archivmaterial zeigen Textvarianten des berühmten Dialogs und beleuchten die Entstehung des 'ELIZA-Effekts'.

    KI & AI· Forschung

  • Repository:josch14/double-descent

    Double-Descent-Phänomen bei Fully Connected Neural Networks auf MNIST

    Ein Forschungsprojekt der Universität Ulm untersucht das Double-Descent-Phänomen bei zweischichtigen Fully Connected Neural Networks (FCNN) auf dem MNIST-Datensatz. Die Arbeit reproduziert und erweitert Erkenntnisse von Belkin et al. (2019) und analysiert den Einfluss von Label Noise sowie Regularisierungsmethoden.

    15SternePython

    KI & AI· Forschung

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.