從金融到醫(yī)學(xué)，人工智能（AI）正深刻改變著現(xiàn)代生活。如今，它開始進軍古代文本研究：從希臘與拉丁典籍到中國甲骨文，人工神經(jīng)網(wǎng)絡(luò)正成為解讀古文字的鑰匙。它不僅能駕馭浩瀚檔案，填補字符空缺，還能解碼幾乎無跡可尋的罕見或滅絕語言，令古代智慧在現(xiàn)代科技之光下重現(xiàn)輝煌。
“碎片集”項目正在將數(shù)以萬計的楔形文字數(shù)字化。圖為一份天文學(xué)文本。
2019年，研究人員利用英國鉆石光源同步加速器掃描赫庫蘭尼姆古卷殘片。圖片來源：英國《自然》雜志
2023年10月，費德里卡·尼科拉爾迪收到了一封電子郵件，郵件附帶的一張圖片徹底改變了她的研究。此圖顯示了從公元79年維蘇威火山浩劫中幸存的一卷莎草紙殘骸，它于18世紀在赫庫蘭尼姆古城的一處豪華別墅遺跡中被發(fā)現(xiàn)。這些歷經(jīng)滄桑的莎草紙，曾是數(shù)百卷古籍之一，卻因歲月侵蝕而變得脆弱不堪，多數(shù)已無法展開。
尼科拉爾迪是意大利那不勒斯大學(xué)的一名莎草紙學(xué)者，她曾參與一項利用AI讀取難解文字的研究。而今，她見證了一項奇跡：圖片上，一片莎草紙帶上，希臘字母密布如織，于幽暗中煥發(fā)新生。
這一名為“維蘇威挑戰(zhàn)”的項目只是AI重塑古代歷史研究的“冰山一角”。
神經(jīng)網(wǎng)絡(luò)重建古代文本
幾十年來，計算機一直被用于對數(shù)字化文本進行分類和分析，但目前最令人興奮的是神經(jīng)網(wǎng)絡(luò)的使用。神經(jīng)網(wǎng)絡(luò)由相互連接的節(jié)點組成的分層結(jié)構(gòu)組成，尤其是具有多個內(nèi)部層的“深層”神經(jīng)網(wǎng)絡(luò)。
卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型能夠從這些圖像中精準捕捉網(wǎng)格狀數(shù)據(jù)結(jié)構(gòu)。CNN模型在光學(xué)字符識別領(lǐng)域大放異彩的同時，也開辟了其他多元化的應(yīng)用途徑。例如，中國研究團隊在探索甲骨文時，巧妙地運用這些模型來復(fù)原遭受嚴重侵蝕的文字圖案，深入分析甲骨文隨時間的演變軌跡，并將破碎的文物碎片重新拼湊起來，重現(xiàn)歷史原貌。
與此同時，循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）作為一種專為處理線性序列數(shù)據(jù)設(shè)計的模型，開始展現(xiàn)出在搜索、翻譯以及填補已轉(zhuǎn)錄古代文本缺失內(nèi)容方面的巨大潛力。RNN已被用于為古巴比倫時期數(shù)百份格式嚴謹?shù)男姓头晌谋咎峁┤笔ё址闹悄芑ㄗh。
那么，神經(jīng)網(wǎng)絡(luò)能否在歷史的殘片中找出人類專家難以發(fā)現(xiàn)的聯(lián)系？2017年，英國牛津大學(xué)的一項合作開啟了探索之旅，當(dāng)時，兩名研究人員正面臨破解西西里希臘銘文的難題。
古典學(xué)者通常依賴對現(xiàn)存文本的理解來詮釋新材料，但難以全面掌握所有相關(guān)資料。牛津大學(xué)研究人員認為，這正是機器學(xué)習(xí)可發(fā)揮作用的領(lǐng)域。他們使用基于RNN的Pythia模型，并用數(shù)萬份希臘銘文來訓(xùn)練它，最終成功預(yù)測了文本中缺失的單詞和字符。
2022年，他們又推出Ithaca模型，不僅能預(yù)測缺失內(nèi)容，還能為未知文本提供日期和來源地建議。Ithaca利用了Transformer模型的突破，能捕捉更復(fù)雜的語言模式。當(dāng)前風(fēng)靡全球的聊天機器人，如OpenAI的ChatGPT就是基于Transformer模型。
翻譯復(fù)原浩瀚歷史檔案
韓國研究人員有一項棘手的任務(wù)：整理世界上規(guī)模最大的歷史檔案之一。該檔案詳細記錄了27位朝鮮王國國王自14世紀至20世紀初統(tǒng)治時期的日常，涵蓋數(shù)十萬篇文章。美國紐約大學(xué)機器翻譯專家金亨俊表示，這些文本數(shù)據(jù)量極為龐大。
將這些文本人工譯成現(xiàn)代韓文，預(yù)計需耗時數(shù)十年。金亨俊攜手韓國同行，利用Transformer網(wǎng)絡(luò)訓(xùn)練自動翻譯系統(tǒng)。結(jié)果顯示，AI譯文在準確性和可讀性上遠超古韓文，有時甚至優(yōu)于現(xiàn)代韓文。
對于僅存少量文本的古代語言，研究人員也會采用神經(jīng)網(wǎng)絡(luò)進行破解。希臘帕特拉斯大學(xué)的卡特里娜·帕帕瓦西里歐及其團隊，利用RNN恢復(fù)了克里特島諾索斯邁錫尼泥板中缺失的線性文字B文本。測試顯示，模型預(yù)測準確性高，且常與人類專家建議相符。
面臨驗證與利用雙重挑戰(zhàn)
利用AI破解古文字依舊面臨諸多挑戰(zhàn)。AI技術(shù)使非專業(yè)人士也能接觸到大量古代文獻，如何確保研究成果準確無誤，成為了首要挑戰(zhàn)。神經(jīng)網(wǎng)絡(luò)的強大雖令人矚目，但其偶爾產(chǎn)生的誤導(dǎo)性結(jié)果，即“幻覺現(xiàn)象”，也讓人對結(jié)果的可靠性產(chǎn)生擔(dān)憂。
英國《自然》雜志指出，為解決這一問題，人文科學(xué)專家與計算機科學(xué)家需攜手合作，共同研究并驗證AI的解讀結(jié)果。同時，提倡將所有相關(guān)數(shù)據(jù)（包括原始文本、掃描文件、訓(xùn)練模型及算法）實行開源，以此提升研究的透明度與可驗證性。這一做法被稱為“數(shù)字來源鏈”，旨在構(gòu)建一個從原始數(shù)據(jù)到最終結(jié)論的完整鏈條，便于任何人回溯并核實研究過程。
此外，隨著數(shù)字化文本數(shù)量的激增，如何有效利用這些龐大的數(shù)據(jù)資源，從中提煉出關(guān)于古代社會的重要信息，也是研究人員面臨的新課題。這要求研究者轉(zhuǎn)變視角，從單一的文本分析轉(zhuǎn)向?qū)φw文化的深入理解，并嘗試將不同地域、不同時期的文本數(shù)據(jù)相互關(guān)聯(lián)，以獲得更為全面的認識。（張佳欣）
（責(zé)任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號 
