Puluhan ribu tablet tanah liat dari peradaban Het masih menunggu dibaca, dan sebagian besar isinya belum tersentuh karena tidak banyak ahli yang mampu menguasai aksara paku mereka. Di tengah tumpukan arsip yang terus bertambah itu, sebuah sistem digital berbasis machine learning kini menawarkan jalan baru dengan kemampuan membaca tanda Hetit secara otomatis hingga 90 persen akurat.
Terobosan ini penting bukan hanya karena skala arsipnya besar, tetapi juga karena bentuk tulisannya sangat rumit. Aksara paku Hetit merupakan sistem logosilabik yang diadaptasi dari tradisi Sumero-Akkadia yang lebih tua, lalu ditorehkan pada tanah liat basah menggunakan stylus dari alang-alang.
Jejak yang dihasilkan berbentuk baji, tetapi variasinya sangat luas. Gaya tulisan dapat berbeda menurut wilayah, periode, dan sekolah juru tulis, sehingga model yang dilatih dari satu kumpulan tablet sering kali kesulitan saat dipakai pada arsip lain.
Untuk mengatasi masalah itu, sistem ini tidak hanya membaca foto tablet beresolusi tinggi. Peneliti juga memasukkan pindai permukaan tiga dimensi agar model dapat menangkap kedalaman relief yang sering tidak terlihat pada gambar datar.
Pendekatan tersebut dijalankan dengan convolutional neural network yang mengekstrak fitur visual dari kedua jenis data itu. Agar model lebih tangguh, data latih juga diperluas lewat pemutaran, pembesaran, dan penutupan sebagian tanda, sehingga sistem belajar dari lebih banyak variasi bentuk.
Pengujian dilakukan pada data uji tertahan dari tablet yang sudah ditranskripsi sebelumnya. Fokusnya ada pada pengenalan tanda, bukan langsung menghasilkan terjemahan penuh, sehingga akurasi yang diukur benar-benar menunjukkan kemampuan membaca bentuk visual aksara paku.
Hasilnya menjanjikan pada tablet yang kondisinya baik dan memiliki jejak yang jelas. Namun performa masih turun ketika permukaan tablet rusak, mengalami pelapukan berat, atau memuat urutan tanda yang jarang muncul dalam data latih.
Meski tingkat akurasinya tinggi, sistem ini belum menggantikan peran ahli bahasa dan epigrafi. Fungsinya masih sebagai asisten transkripsi yang mengubah bentuk visual tanda menjadi kode transliterasi cuneiform, sementara manusia tetap diperlukan untuk menafsirkan tata bahasa dan leksikon.
Hal itu penting karena bahasa Hetit memiliki tata bahasa yang kompleks. Morfologi verba dan sistem kasusnya menuntut interpretasi kontekstual, sehingga kesalahan pada tahap transkripsi bisa ikut terbawa ke tahap terjemahan dan perlu diperiksa ulang sebelum masuk ke catatan ilmiah.
Penggunaan yang paling langsung terlihat ada 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. Dengan alat bantu transkripsi yang lebih andal, penyaringan korpus bisa berjalan lebih cepat, termasuk untuk mengenali tablet berisi teks administratif, ritual, atau korespondensi diplomatik yang sedang diprioritaskan dalam riset.
Bagi studi Timur Dekat kuno, dampaknya bisa besar karena ribuan naskah masih tertutup debu waktu. Jika sistem ini terus dikembangkan, pekerjaan yang selama ini bergantung pada sedikit spesialis berpeluang menjadi jauh lebih cepat dan lebih terjangkau untuk arsip sebesar itu.
