解碼古文字，AI助力古代歷史研究

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(kāi)始進(jìn)軍古代文本研究：從希臘與拉丁典籍到中國(guó)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(bǔ)字符空缺，還能解碼幾乎無(wú)跡可尋的罕見(jiàn)或滅絕語(yǔ)言，令古代智慧在現(xiàn)代科技之光下重現(xiàn)輝煌。

2023年10月，費(fèi)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(jì)在赫庫(kù)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(wú)法展開(kāi)。

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(xiàng)利用AI讀取難解文字的研究。而今，她見(jiàn)證了一項(xiàng)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(xiàng)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(lái)，計(jì)算機(jī)一直被用于對(duì)數(shù)字化文本進(jìn)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(diǎn)組成的分層結(jié)構(gòu)組成，尤其是具有多個(gè)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(zhǔn)捕捉網(wǎng)格狀數(shù)據(jù)結(jié)構(gòu)。CNN模型在光學(xué)字符識(shí)別領(lǐng)域大放異彩的同時(shí)，也開(kāi)辟了其他多元化的應(yīng)用途徑。例如，中國(guó)研究團(tuán)隊(duì)在探索甲骨文時(shí)，巧妙地運(yùn)用這些模型來(lái)復(fù)原遭受?chē)?yán)重侵蝕的文字圖案，深入分析甲骨文隨時(shí)間的演變軌跡，并將破碎的文物碎片重新拼湊起來(lái)，重現(xiàn)歷史原貌。

與此同時(shí)，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(jì)的模型，開(kāi)始展現(xiàn)出在搜索、翻譯以及填補(bǔ)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(shí)期數(shù)百份格式嚴(yán)謹(jǐn)?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(guó)牛津大學(xué)的一項(xiàng)合作開(kāi)啟了探索之旅，當(dāng)時(shí)，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(duì)現(xiàn)存文本的理解來(lái)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(rèn)為，這正是機(jī)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(wàn)份希臘銘文來(lái)訓(xùn)練它，最終成功預(yù)測(cè)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(cè)缺失內(nèi)容，還能為未知文本提供日期和來(lái)源地建議。Ithaca利用了Transformer模型的突破，能捕捉更復(fù)雜的語(yǔ)言模式。當(dāng)前風(fēng)靡全球的聊天機(jī)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(guó)研究人員有一項(xiàng)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(xì)記錄了27位朝鮮王國(guó)國(guó)王自14世紀(jì)至20世紀(jì)初統(tǒng)治時(shí)期的日常，涵蓋數(shù)十萬(wàn)篇文章。美國(guó)紐約大學(xué)機(jī)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(jì)需耗時(shí)數(shù)十年。金亨俊攜手韓國(guó)同行，利用Transformer網(wǎng)絡(luò)訓(xùn)練自動(dòng)翻譯系統(tǒng)。結(jié)果顯示，AI譯文在準(zhǔn)確性和可讀性上遠(yuǎn)超古韓文，有時(shí)甚至優(yōu)于現(xiàn)代韓文。

對(duì)于僅存少量文本的古代語(yǔ)言，研究人員也會(huì)采用神經(jīng)網(wǎng)絡(luò)進(jìn)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(tuán)隊(duì)，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(cè)試顯示，模型預(yù)測(cè)準(zhǔn)確性高，且常與人類專家建議相符。

面臨驗(yàn)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(xiàn)，如何確保研究成果準(zhǔn)確無(wú)誤，成為了首要挑戰(zhàn)。神經(jīng)網(wǎng)絡(luò)的強(qiáng)大雖令人矚目，但其偶爾產(chǎn)生的誤導(dǎo)性結(jié)果，即“幻覺(jué)現(xiàn)象”，也讓人對(duì)結(jié)果的可靠性產(chǎn)生擔(dān)憂。

英國(guó)《自然》雜志指出，為解決這一問(wèn)題，人文科學(xué)專家與計(jì)算機(jī)科學(xué)家需攜手合作，共同研究并驗(yàn)證AI的解讀結(jié)果。同時(shí)，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(shí)行開(kāi)源，以此提升研究的透明度與可驗(yàn)證性。這一做法被稱為“數(shù)字來(lái)源鏈”，旨在構(gòu)建一個(gè)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(shí)研究過(guò)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(huì)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)φw文化的深入理解，并嘗試將不同地域、不同時(shí)期的文本數(shù)據(jù)相互關(guān)聯(lián)，以獲得更為全面的認(rèn)識(shí)。