Sebuah sistem digital baru kini mampu membantu membaca aksara paku Hetit dengan akurasi sekitar 90 persen. Kemajuan ini membuka jalan bagi pembacaan ribuan tablet tanah liat yang selama ini masih tersimpan tanpa terurai, padahal isinya sangat penting untuk memahami peradaban besar di Timur Dekat kuno.
Terobosan ini juga menjawab masalah lama yang membuat arsip Hetit berjalan lambat untuk dipelajari. Jumlah tablet terus bertambah dari berbagai situs di wilayah Turki modern, tetapi hanya sedikit ahli yang benar-benar menguasai skrip itu secara lancar.
Membaca tanda yang sulit diseragamkan
Aksara paku Hetit bukan tulisan yang sederhana untuk diautomatisasi. Sistem ini merupakan tulisan logosilabik yang diadaptasi dari tradisi Sumero-Akkadia yang lebih tua, lalu dibentuk melalui tekanan stylus alang-alang ke tanah liat basah.
Jejak yang muncul berwujud baji, tetapi bentuk tandanya sangat beragam. Perbedaan wilayah, periode, dan sekolah juru tulis membuat satu model sering kesulitan saat dipakai pada tablet dari arsip lain.
Cara sistem bekerja
Untuk mengenali tanda, sistem ini menggunakan convolutional neural network yang mengekstrak ciri visual dari foto beresolusi tinggi dan pindai permukaan tablet tiga dimensi. Pendekatan ini diperkuat dengan data augmentation, misalnya dengan memutar, memperbesar, dan menutupi sebagian tanda agar model belajar dari variasi yang lebih luas.
Pindai tiga dimensi memberi keunggulan tersendiri karena mampu menangkap kedalaman relief yang tidak selalu terlihat pada foto datar. Data seperti ini biasanya dibuat lewat structured light atau fotogrametri, sehingga bentuk goresan dan tekanannya dapat terbaca lebih jelas.
Hasil uji dan batasannya
Dalam pengujian internal, sistem ini menunjukkan akurasi tinggi pada tablet yang masih terawat baik dan memiliki jejak tanda yang jelas. Namun performanya menurun saat berhadapan dengan permukaan yang rusak, tablet yang mengalami pelapukan berat, atau urutan tanda dari tradisi juru tulis yang jarang muncul dalam data latih.
Pengujian dilakukan pada set data uji tertahan dari tablet yang sudah ditranskripsi sebelumnya. Fokusnya ada pada pengenalan tanda di level visual, bukan pada penerjemahan penuh menjadi teks yang langsung dibaca.
Tetap membutuhkan ahli
Meski hasilnya menjanjikan, sistem ini belum menggantikan peran ahli bahasa dan epigrafi. Fungsinya masih sebagai asisten transkripsi yang mengubah bentuk visual tanda menjadi kode transliterasi cuneiform.
Setelah itu, manusia tetap harus memakai pengetahuan tata bahasa dan leksikon untuk menyusun terjemahan yang bisa dipahami. Hal ini penting karena tata bahasa Hetit tergolong kompleks, terutama pada morfologi verba dan sistem kasus yang memerlukan penafsiran konteks.
Kesalahan di tahap transkripsi juga dapat terbawa ke tahap terjemahan. Karena itu, hasil mesin tetap perlu diperiksa ulang sebelum masuk ke catatan ilmiah.
Dampak terbesar ada di arsip raksasa Boğazköy-Hattusha
Manfaat paling besar dari sistem ini terlihat pada korpus Boğazköy-Hattusha. Arsip dari bekas ibu kota Hetit dekat Çorum, Turki, itu telah menghasilkan lebih dari 30.000 fragmen tablet sejak penggalian dimulai pada awal abad ke-20.
Banyak fragmen sudah tercatat secara fisik, tetapi belum terbaca. Alat bantu transkripsi yang andal dapat mempercepat penyaringan korpus dan membantu mengenali tablet yang berisi teks administratif, ritual, atau korespondensi diplomatik sesuai prioritas riset.
Bagi studi Timur Dekat kuno, langkah ini berpotensi mengubah kecepatan kerja para peneliti. Ribuan naskah yang selama ini tertutup debu waktu bisa diproses lebih cepat, meski pembacaan akhir tetap bertumpu pada keahlian manusia.
