Onderzoekers aan de San Diego State University hebben een studie gepubliceerd waarin ze, met behulp van kunstmatige intelligentie als belangrijkste analysemiddel, aanzienlijke structurele overeenkomsten aantonen tussen oude schriftsystemen afkomstig uit de Hoorn van Afrika en de Kaukasusregio in Eurazië.

De resultaten, gepubliceerd in het tijdschrift Digital Scholarship, geven aan dat het Armeense alfabet een morfologische relatie vertoont met het oude Ethiopische systeem, bekend als Ge’ez, die veel nauwer is dan de taalkundige en historische gemeenschap eerder aannam op basis van directe visuele waarnemingen.

Het onderzoek, geleid door Sam Kassegne, hoogleraar werktuigbouwkunde, begon met de observatie dat verschillende specialisten al jaren oppervlakkige gelijkenissen opmerkten tussen bepaalde tekens van de Armeense, Georgische en Kaukasisch-Albaanse alfabetten en die van Ge’ez, een schriftsysteem dat meer dan 1600 jaar geleden in Oost-Afrika is ontwikkeld.

Het probleem bij het valideren van deze observaties lag in hun subjectieve aard, omdat ze uitsluitend gebaseerd waren op visuele inspectie van letters door geleerden. Om deze beperking te overwinnen, ontwierp het team van SDSU een kwantitatieve en reproduceerbare methodiek met behulp van een computerprogramma dat getraind was met meer dan 28.000 afbeeldingen van Ethiopische tekens.

Het proces bestond uit het leren van het algoritme om de fundamentele geometrische elementen van het Ethiopische schrift te herkennen, zoals kurken, rechte lijnen, hoeken en de algehele structuur van elke letter. De onderzoekers benadrukken dat het model geen contextuele gegevens had over de geschiedenis, religie, geografie of cultuur van de geanalyseerde systemen; de analyse was strikt beperkt tot de vorm.

Nadat het leertraject was voltooid, vergeleek het programma de morfologische kenmerken van Ethiopische tekens met die van de Armeense, Georgische en Kaukasisch-Albaanse alfabetten. Hierbij werd aan de hand van expliciete wiskundige criteria de mate van gelijkenis tussen deze systemen berekend. Als controle voegden de onderzoekers het Latijnse alfabet toe, dat in het Engels wordt gebruikt, om een vergelijkingsreferentie te vestigen.

De verkregen resultaten toonden een gedefinieerde hiërarchie in de gelijkenissen. Van de drie geanalyseerde alfabetten vertoonde het Armeense alfabet het hoogste niveau van structurele overeenkomst met Ethiopische tekens. Het Kaukasisch-Albaanse alfabet toonde een matige mate van gelijkenis, terwijl het Georgisch enkele overeenkomsten vertoonde, al was dit minder consistent.

Het Latijnse alfabet, dat als externe vergelijking diende, leverde een aanzienlijk lagere mate van gelijkenis op. Een van de meest verrassende bevindingen die de onderzoekers beschrijven, is dat de overeenkomst tussen het Armeense alfabet en Ge’ez bijna net zo hoog bleek te zijn als die tussen het Ethiopische systeem zelf en zijn voorgaande versies. Dit suggereert dat de waargenomen gelijkenis voortkomt uit een significant structureel patroon in plaats van toeval.

“Ons doel was om voorbij de visuele indrukken te gaan die moeilijk te bewijzen of te reproduceren zijn”, legde Kassegne uit in een verklaring van de universiteit. “Door onze criteria expliciet en wiskundig te maken, hebben we een objectieve computationele benadering geïntroduceerd die gemakkelijk reproduceerbaar is. We geloven dat deze reproduceerbaarheid de belangrijkste bijdrage van onze methode is.”

Daniel Zemene, afgestudeerd student en onderzoeker in kunstmatige intelligentie en machine learning aan het NanoFAB-laboratorium van SDSU, en tevens eerste auteur van de studie, benadrukte de convergentie tussen de computationele resultaten en historische hypothesen. Het model had geen toegang tot historische gegevens, maar leerde uitsluitend van visuele en structurele gegevens en identificeerde Armeens als de naaste structurele match met Ethiopisch binnen dezelfde periode waarover historici al lang debatteren. Die convergentie tussen computatie en geschiedenis is krachtig, aldus Zemene.

De historische context waarin deze resultaten passen, heeft betrekking op de oorsprong van het Armeense alfabet, dat rond het jaar 405 van de gangbare jaartelling is gecreëerd, een periode waarin het Ethiopische schriftsysteem zich uitbreidde en wijdverspreid gebruik vond. De onderzoekers wijzen in hun studie op het bestaan van historische bronnen die de mobiliteit van bevolkingsgroepen uit Ethiopië naar regio’s als Jeruzalem, Egypte en Syrië in die periode documenteren.

Eveneens ondernam de bedenker van het Armeense alfabet, Mesrob Mashtots, gedocumenteerde reizen door verschillende gebieden in het Midden-Oosten. Het gepubliceerde werk stelt geen directe kopieerrelatie vast tussen het ene en het andere systeem, maar stelt voor dat de gekwantificeerde structurele overeenkomst, samen met het historische bewijs van culturele contacten in de regio tijdens die periode, de hypothese van wederzijdse invloeden of uitwisselingen tussen deze culturen bij de creatie van schriftsystemen aannemelijker maakt.

De auteurs van de studie benadrukken dat structurele gelijkenis niet automatisch directe overname impliceert, maar ze benadrukken wel dat het gebruik van kunstmatige intelligentie toegepast op de analyse van oude schriftvormen het mogelijk maakt om historische vragen met een ongeëvenaard niveau van precisie aan te pakken. Door de subjectiviteit die inherent is aan menselijke observatie te vervangen door expliciete en reproduceerbare wiskundige criteria, opent de gebruikte methodiek een weg om andere mogelijke relaties tussen grafische systemen van verschillende beschavingen opnieuw te evalueren.

Het onderzoek, voorbij de specifieke implicaties met betrekking tot de banden tussen het Armeense alfabet en Ge’ez, illustreert hoe technologische hulpmiddelen die ontwikkeld zijn voor gebieden als autonoom rijden of medische beeldvorming, kunnen worden toegepast op de studie van literair en cultureel erfgoed. Hierdoor wordt numeriek bewijs geleverd dat traditionele interpretaties op basis van directe observatie aanvult en verfijnt.

Bron:
Daniel Zemene, Esatu Zemene, et al., Machine learning techniques for exploring influence, commonalities, and shared origin of scripts: cases of Ethiopic, Armenian, Georgian, and Caucasian Albanian scripts, Digital Scholarship in the Humanities, 2026.