کمپیوٹنگ تے مصنوعی ذہانتپری پرنٹڈیٹا دا تجزیہپڑھن لئی ۷ منٹ

وائنچ دا مخطوطہ بولی دا مساں ای کوئی نشان وکھاؤندا اے

وائنچ دا مخطوطہ (Voynich manuscript) لگ بھگ 240 صفحیاں دی اک کتاب اے جیہنوں ریڈیو کاربن تاریخ بندی (radiocarbon dating) پندرھویں صدی دے شروع دی دسدی اے۔ بوٹیاں، تاریاں تے نہاؤندیاں شکلاں دیاں تصویراں کوئی 38,000 لفظاں نوں گھیردیاں نیں، جو اک اجیہی لِپی وچ نیں جو ہور کتے نہیں لبھی۔ کوئی ایہنوں پڑھ نہیں سکدا۔

ایہہ لکھائی ورگا لگدا اے: خالی تھاں نال وکھرے کیتے لفظ، بہت سارے ٹانویں لفظ، تے نشان — جیہناں نوں گلِف (glyphs) آکھدے نیں — جو لفظاں دے اندر پکیاں تھاواں اُتے ای رہندے نیں۔ فیر وی ایہہ کسے جانی پچھانی بولی وانگ نہیں چلدا۔ اکو لفظ اکثر لگاتار دو یا تِن وار آؤندا اے، بہت سارے لفظ اپنے گوانڈھیاں توں صرف اک گلِف نال وکھرے ہوندے نیں، تے عام لفظ چھوٹے تے اک دوجے ورگے ہوندے نیں۔

بے معنی بکواس، یا بھیس وٹائی بولی؟

اک نظریے موجب، لکھت دا کوئی مطلب نہیں: اک کاتب نے ہر نواں لفظ کسے پہلاں دے لفظ دی نقل کر کے تے اوہدے اک یا دو گلِف بدل کے لکھیا، اک طریقہ جو Timm تے Schinner نے 2020 وچ سجھایا سی۔ دوجے موجب، اک اصلی بولی کسے سائفر (cipher) دے پِچھے لُکی اے — اک حالیہ بناوٹ، Naibbe سائفر، لاطینی یا اطالوی نوں مخطوطے نال بہت ملدی جلدی لکھت وچ بدل دیندی اے۔

ہر دھڑا چِراں توں ایسے مقصد لئی چُنے گئے انکڑیاں نال دلیل دیندا آیا اے۔ Texas Tech یونیورسٹی دے Xin Zhang تے Victor S. Sheng نے دوہاں نوں اکو اصولاں تحت پرکھیا۔

اوہو صفحے، اوہو بجٹ، اَن ڈِٹھے انکڑے

ہر نظریہ اک پروگرام بن گیا جو مخطوطے دے صفحیاں تے سطراں نوں لفظ لفظ کر کے بھردا اے۔ نقل والے پروگرام ہر لفظ نوں یا تے نواں لکھدے نیں یا کسے پہلاں دے لفظ دی بدلی ہوئی نقل دے طور اُتے۔ سائفر والے پروگرام وچکارلے زمانے (medieval) دی کسے اصلی لکھت نوں خفیہ بناؤندے نیں، ہر لفظ دی تھاں اک کوڈ لفظ (code word) رکھ کے، یا اوہدے اکھراں، اوہدے ہِجیاں (syllables) یا صرف اوہدی گرامر والی قسم دی تھاں۔ ہر سائفر نوں اک نقل کرن والا کاتب وی دتا جاندا اے، تاں جو مقامی دُہراؤ کسے وی دھڑے دا پاسا نہ لوے۔

ہر پروگرام نوں لکھت دے 22 انکڑیاں اُتے ٹیون کیتا گیا، فیر 15 ہور انکڑیاں اُتے جو اوہنے کدے نہیں ویکھے پرکھیا گیا۔

  • Timm تے Schinner دے نقل والے اصول اوہناں اَن ڈِٹھے انکڑیاں دی پیشین گوئی اک کُنجی والے کسے وی سائفر نالوں کتے چنگی کردے نیں۔ اوہناں دی سب توں وڈی چُوک پنج سٹینڈرڈ ڈیوی ایشن (standard deviations) توں تھلے رہندی اے (پروگرام دیاں اپنیاں لکھتاں دا عام کھلار)؛ اک لفظی کوڈ اک انکڑے وچ سو توں ودھ نال چُک جاندا اے۔
  • فیصلہ کن انکڑا اک سرکاؤ (drift) اے۔ مخطوطے دے دو «لہجے» نیں، Currier A تے B، جو گلِف وکھرے طریقیاں نال ورتدے نیں۔ اک پکی کُنجی ہر صفحے اُتے گلِفاں دیاں اوہو عادتاں لکھدی اے؛ جو کاتب اپنے ہُنے لکھے لفظاں توں نویں لفظ بناؤندا اے اوہ اوہناں عادتاں نوں بھٹکن دیندا اے۔
  • پر دوجی کُنجی والے سائفر — Currier B دے صفحیاں لئی اک وکھری کُنجی — یا اوہ جو کسے اصلی لکھت دیاں صرف لفظی قسماں نوں کوڈ کردے نیں، اونے ای چنگے رہندے نیں، اجیہے کاتب نال جو لگ بھگ ادھے لفظ غلط نقل کردا اے۔ لکھاریاں دے لفظاں وچ، «سب توں چنگا میل کھان والے سائفر اوہ نیں جیہناں وچ پلین ٹیکسٹ دی سب توں گھٹ اہمیت اے» (پلین ٹیکسٹ (plaintext) اصلی لکھت اے، خفیہ بناؤن توں پہلاں)۔

صرف لفظاں دے انکڑے فیصلہ نہیں کر سکدے، تے کوئی وی پروگرام اکو ویلے سارے 37 انکڑیاں نال میل نہیں کھاندا۔

اوہ لفظ جو اک سطر اُتے وار وار ملدے نیں

ایس لئی لکھاریاں نے بولی دا اجیہا نشان لبھیا جیہدے لئی کوڈ کھولن (decipherment) دی لوڑ نہ ہووے۔ کسے معنی والی لکھت وچ، اک دوجے نال جُڑن والے لفظ — اک اسم تے اوہدا فعل، کسے بنے بنائے فقرے دے حصے — اتفاق نالوں ودھ اکو سطر وچ آؤندے نیں، تے لکھت وچ کسے ہور تھاں مُڑ اینج ای کردے نیں۔ اک لفظی کوڈ ایس نمونے نوں قائم رکھدا اے؛ کسے اک صفحے اُتے نقل توں جمے جوڑے کول کجھ صفحیاں بعد مُڑ آؤن دی کوئی وجہ نہیں۔

ٹیسٹ کتاب نوں دو حصیاں وچ ونڈدا اے تے ویکھدا اے کہ کیہ عام لفظاں دے اوہو جوڑے دوہاں ادھیاں وچ وار وار اکو سطر وچ آؤندے نیں۔ اکو جیہے لفظ تے اک گلِف دے فرق والے لفظ باہر رکھے جاندے نیں، تاں جو نقل ایس سگنل دی جعل سازی نہ کر سکے۔

  • 16 بولیاں دیاں 28 لکھتاں، مخطوطے دے صفحیاں اُتے ترتیب دے کے، 0.139 تے 0.411 وچکار سکور کردیاں نیں (دوہاں ادھیاں وچکار اک کوریلیشن (correlation): 0 جدوں اک ادھ وچ لبھے جوڑے دوجے بارے کجھ نہ دسن، 1 جدوں اوہ پورے پورے میل کھان)۔
  • مخطوطہ 0.071 سکور کردا اے، تے اک دوجی، آزاد ٹرانسلٹریشن (transliteration) وچ 0.053 (گلِفاں نوں اک معیاری ابجد وچ ٹائپ کرنا): سب توں کمزور لکھت نالوں ادھی طاقت۔
  • لفظی کوڈ ایس پدھر تیکر صرف اوس ویلے ڈِگدے نیں جدوں اوہناں دی اصلی لکھت ایہہ نمونہ ہولا وکھائے — سب توں ودھ کے اپنے مخففاں (abbreviations) نال لکھی گئی وچکارلے زمانے دی لاطینی، 0.102 اُتے — یا جدوں بہت سارے لفظ غلط نقل ہون۔

پیمانہ بندی (calibration) اہم اے: رضاکاراں دی بکواس نوں اصلی نثر توں وکھ پچھانن لئی سکھایا گیا اک پروگرام مخطوطے نوں بکواس آکھدا اے، پر ایہہ 54 وچوں 53 خفیہ بنائیاں معنی والیاں لکھتاں نوں وی بکواس آکھدا اے۔

کوڈ توڑن والے جیہناں نوں پہلاں جانیاں پچھانیاں لکھتاں پڑھنیاں پیندیاں نیں

ہر حل کرن والا پروگرام (solver) اوہ کُنجی لبھدا اے جیہدے نال لکھت کسے دتی گئی بولی ورگی سب توں ودھ پڑھی جاوے، تے سکور اک سادے انکڑیاتی ٹیبل نال دیندا اے جو دسدا اے کہ اوس بولی دیاں پرانیاں لکھتاں وچ کیہڑا اکھر، یا لفظ، اکثر کیہڑے دے مگروں آؤندا اے۔ ہر اک نوں پہلاں کنٹرول لکھتاں (control texts) اُتے چلایا گیا، یعنی اوسے طرحاں خفیہ بنائیاں گئیاں اصلی لکھتاں؛ جتھے اوہ اوہناں نوں پڑھ نہ سکیا، اوتھے ٹیسٹ نوں اَن فیصلہ گِنیا گیا۔

  • اکھراں والے سائفر۔ حل کرن والے نے 16 وچوں 15 بولیاں دیاں کنٹرول لکھتاں پڑھ لئیاں۔ ہر اک وچ، مخطوطے نے کنٹرولاں نالوں گھٹ ترتیب وکھائی، تے ایہدیاں پڑھتاں اکھراں دیاں اجیہیاں لڑیاں سن جیہناں وچ کوئی پچھانن جوگا لفظ نہیں سی۔ عبرانی (Hebrew) اَن فیصلہ رہی۔
  • لفظی کوڈ۔ مخففاں والی لاطینی دے اک کوڈ لئی، جو اوہ اصلی لکھت سی جیہنوں سائفر پروگراماں نے ترجیح دتی، اجیہی لاطینی دے 5 ملین لفظاں توں بنے ٹیبل نوں وی مخطوطے نالوں کنٹرولاں وچ لفظاں دی ودھ ترتیب لبھی، جدوں تیکر پنج وچوں دو لفظ غلط نقل نہ کیتے گئے ہون۔
  • ہر اکھر یا ہِجے لئی اک لفظ۔ اجیہیاں 28 سکیماں نے 1,144 فیصلے دتے: 596 خارج، 429 اَن فیصلہ، تے 119 جو خارج نہ کیتے جا سکے: مخطوطہ بنا کسے سنیہے والیاں لکھتاں توں مساں ای اُتے سی، فیر وی کھولن اُتے کجھ وی پڑھن جوگا نہ نکلیا۔

اوہ سائفر جو بچ نکلدا اے

اک نومینکلیٹر (nomenclator)، اوس دور وچ عام اک قسم دا کوڈ، سب توں ودھ آؤن والے لفظاں نوں پورے کوڈ لفظاں دے طور اُتے لکھدا اے تے باقیاں نوں اکھر اکھر کر کے ہِجے کردا اے۔ دوجی کُنجی تے اجیہے کاتب نال جو لفظاں دا وڈا حصہ غلط نقل کردا اے (ایہدے دو سب توں چنگے میلاں وچ 37% تے 56%)، ایہہ مخطوطے دے لفظی جوڑیاں نال میل کھاندا اے، تے حل کرن والے ایہنوں 16 وچوں 9 بولیاں وچ خارج نہیں کر سکدے۔ اجیہا سائفر جیہدی کُنجی لکھت دے نال نال بدلدی رہندی اے بالکل وی نہیں پرکھیا گیا۔

لفظاں وچکار اک جوڑ

سب توں تکڑی بچی ہوئی بناوٹ لفظاں دیاں حداں اُتے بیٹھی اے۔ کسے لفظ دا آخری گلِف اگلے لفظ دے پہلے گلِف نوں بنھدا اے: 0.204 بِٹ دی باہمی معلومات (mutual information) (اک دوجے بارے کِنا کجھ دسدا اے)، جدکہ نقل والے پروگرام لئی 0.078 تے سائفراں لئی 0.014۔ ایہہ کڑی اوس دا بہتا حصہ چُکدی اے جو اکھراں والے حل کرن والے نوں لبھیا۔ لکھاری ایہدا کھرا اجیہے گلِفاں تیکر کڈھدے نیں جو اپنے گوانڈھیاں نال، پرکھیاں گئیاں بولیاں دے اکھراں نالوں دُگنا کس کے بجھے ہوئے نیں؛ کوئی وی پروگرام ایہنوں مخطوطے دیاں خالی تھاواں سمیت نہیں دُہراؤندا۔

اک چھوٹے سنیہے لئی تھاں

لکھاریاں نے مخطوطے دی لکھت وچ 50 توں 5,000 اکھراں دے سنیہے وی لُکائے تے فیر اوہناں نوں لبھیا۔ صرف اک قسم بھروسے نال پھڑی جاندی اے: ہر اکھر ہمیشہ اوسے اک لفظ دے طور اُتے لکھیا جاوے، تے لفظ نال نال ہون۔ پیراگرافاں دے پہلے لفظاں وچ لُکایا گیا، 500 اکھراں دا اجیہا ہر سنیہا لبھ لیا گیا۔ مخطوطے وچ کوئی شے اجیہے سنیہے ول اشارہ نہیں کردی — پر اجیہا سنیہا جو ہر اکھر لئی کئی لفظ ورتے، یا جیہدے اکھر وِتھ نال کھلرے ہون، فیر وی اوتھے لُکیا ہو سکدا اے۔