AI čte 5 000 let staré tabulky. Co z toho mají firmy

Hliněná tabulka z Mezopotámie, popsaná klínovým písmem před pěti tisíci lety, je dnes pro AI čitelnější než rukopis vašeho dědy. Tým z Univerzity v Dubaji nechal neuronovou síť přečíst první ustanovení Chammurapiho zákoníku — text vzniklý kolem roku 1754 př. n. l. — a dosáhl 98% přesnosti na úrovni jednotlivých znaků. Tedy přibližně dvě chyby na sto znaků.

Zní to jako kuriozita pro archeology. Ve skutečnosti je to jeden z nejčistších existujících příkladů toho, co dnes AI umí nejlépe: najít řád v obrovské hromadě nepřehledných, poškozených a nekonzistentních dokumentů, kterou žádný tým lidí nikdy nestihne zpracovat.

Co se ve světě děje: 70 000 fotografií a pět milionů znaků

V květnu 2026 představili badatelé z Univerzity ve Würzburgu, Akademie věd a literatury v Mainzu a Technické univerzity v Dortmundu nástroj Palaeographicum. Jeho databáze dnes obsahuje přibližně 70 000 fotografií klínopisných tabulek, které pokrývají více než pět milionů jednotlivých znaků.

Úkol, který řeší, je mimořádně nevděčný. Klínové písmo není plochý inkoust na papíře — jsou to trojrozměrné vrypy do hlíny. Jak znak na fotografii vypadá, závisí na tom, odkud na tabulku svítilo světlo. Tabulky jsou navíc rozlámané a jejich části leží v muzeích na různých kontinentech. Badatel, který chtěl doteď rozpoznat ruku konkrétního písaře, musel ručně porovnávat tvary vrypů napříč tisíci snímků.

Palaeographicum tohle srovnávání automatizuje. Vedlejší efekt je ještě cennější: většina chetitských textů není datovaná, a protože se styl písma v čase měnil, dokáže systém pomoci určit, kdy tabulka vznikla. Z hromady nepopsaných fragmentů se tak stává datovatelný archiv.

Peníze už tečou: 800 000 dolarů na projekt CuneiAI

19. října 2026 oznámila George Mason University, že její badatel Marcos Zampieri spolu s Tommim Jauhiainenem z Helsinské univerzity získal na projekt CuneiAI trojletý grant ve výši 800 000 dolarů od organizace Schmidt Sciences. Projekt byl vybrán jako jeden z 19 z celkových 501 přihlášených návrhů.

Cílem není jen „přečíst“ text. Modely mají určovat geografický původ dokumentu, rozlišovat dialekty, sledovat změnu jazyka v čase a řadit texty do žánrů — tedy odlišit právní smlouvu od školního cvičení nebo diplomatické korespondence. Podmínkou grantu je navíc otevřené zveřejnění kódu, vah modelů i testovacích datasetů.

To je mimochodem důvod, proč má smysl takové projekty sledovat i mimo akademii: za tři roky bude existovat veřejně dostupný model natrénovaný na klasifikaci silně poškozených historických dokumentů. A klasifikace poškozených dokumentů není problém Mezopotámie. Je to problém každé firmy se starým archivem.

Proč by to mělo zajímat firmu, která neřeší Mezopotámii

Odhlédněte od hlíny a podívejte se na strukturu problému. Je nápadně podobná tomu, co leží ve sklepech a na discích českých firem:

Rozdíl je jediný: archeologové si nemohou vybrat snadnější data. Vy ano — a přesto většina firem ten archiv roky neotevře, protože se zpracování zdá nekonečné. Přitom to, co dnes zvládne model na 3 800 let starém klínopisu, zvládne na vašich dodacích listech z roku 2011 s velkou rezervou.

Praktická pointa: hodnota nevzniká v momentě, kdy AI „přečte“ jeden dokument. Vzniká ve chvíli, kdy se z neprohledatelné hromady stane databáze, ve které jde filtrovat, srovnávat a hledat vzory. Würzburg nezískal rychlejší čtení — získal datovatelný archiv. Firma nezíská rychlejší opisování faktur, ale přehled o tom, jak se jí za deset let měnily ceny u dodavatelů.

Pokud si nejste jistí, jestli na tohle váš archiv vůbec stačí, začněte diagnózou, ne nákupem nástroje. Projděte si AI Kompas, nebo si u AI poradenství od Praxia vezměte úvodní konzultaci zdarma — projdeme to s vámi krok za krokem a řekneme vám i to, co nechcete slyšet, včetně případů, kdy je AI na daný problém zbytečná.

Tři věci, které si z toho odnést

• AI je nejsilnější tam, kde je dat moc a jsou nekvalitní. Ne tam, kde je dat málo a jsou čistá — to zvládne tabulka v Excelu.
• Nejcennější výstup není text, ale struktura. Metadata, datování a kategorie mají větší hodnotu než samotný přepis.
• Nemusíte trénovat vlastní model. CuneiAI i podobné projekty své modely zveřejňují. Většina firem si vystačí s existujícími nástroji a dobrým zadáním. Konkrétní příklady nasazení najdete v sekci AI v praxi.

Často kladené otázky

Jak přesně umí AI číst klínové písmo?

Studie badatelů z Univerzity v Dubaji (preprint na arXiv, květen 2025) dosáhla na prvním ustanovení Chammurapiho zákoníku 98% přesnosti na úrovni znaků pomocí modelu z rodiny EfficientNet; druhý testovaný model skončil na 89 %. Jde o rozpoznávání znaků z obrazu, nikoli o plnohodnotný překlad celého textu.

Znamená to, že AI nahradí historiky a archiváře?

Ne. Ve všech zmíněných projektech AI vykonává mechanickou část práce — porovnávání tvarů, třídění, předběžné datování. Interpretaci obsahu a kontrolu výstupů dělají lidé. Přesně tak to v praxi funguje i ve firmách: AI připraví podklad, člověk rozhoduje.

Dá se podobný přístup použít na firemní archiv v češtině?

Ano, a je to výrazně jednodušší úloha než klínopis. Moderní modely pro rozpoznávání textu zvládají i psací písmo a nekvalitní skeny v češtině. Hlavní práce není v technologii, ale v rozhodnutí, jaká metadata chcete z dokumentů dostat a k čemu je budete používat.

Zdroje: George Mason University — Bringing ancient Mesopotamia into the AI age (19. 10. 2026), HeritageDaily — AI tool revolutionises the study of ancient cuneiform texts (18. 5. 2026), The Jerusalem Post — AI cracks Hammurabi’s ancient script with near-perfect accuracy.