“碎片集”项目正在将数以万计的楔形文字数字化。图为一份天文学文本。

2019年，研究人员利用英国钻石光源同步加速器扫描赫库兰尼姆古卷残片。图片来源：英国《自然》杂志

2023年10月，费德里卡·尼科拉尔迪收到了一封电子邮件，邮件附带的一张图片彻底改变了她的研究。此图显示了从公元79年维苏威火山浩劫中幸存的一卷莎草纸残骸，它于18世纪在赫库兰尼姆古城的一处豪华别墅遗迹中被发现。这些历经沧桑的莎草纸，曾是数百卷古籍之一，却因岁月侵蚀而变得脆弱不堪，多数已无法展开。

尼科拉尔迪是意大利那不勒斯大学的一名莎草纸学者，她曾参与一项利用AI读取难解文字的研究。而今，她见证了一项奇迹：图片上，一片莎草纸带上，希腊字母密布如织，于幽暗中焕发新生。

这一名为“维苏威挑战”的项目只是AI重塑古代历史研究的“冰山一角”。

神经网络重建古代文本

几十年来，计算机一直被用于对数字化文本进行分类和分析，但目前最令人兴奋的是神经网络的使用。神经网络由相互连接的节点组成的分层结构组成，尤其是具有多个内部层的“深层”神经网络。

卷积神经网络（CNN）模型能够从这些图像中精准捕捉网格状数据结构。CNN模型在光学字符识别领域大放异彩的同时，也开辟了其他多元化的应用途径。例如，中国研究团队在探索甲骨文时，巧妙地运用这些模型来复原遭受严重侵蚀的文字图案，深入分析甲骨文随时间的演变轨迹，并将破碎的文物碎片重新拼凑起来，重现历史原貌。

与此同时，循环神经网络（RNN）作为一种专为处理线性序列数据设计的模型，开始展现出在搜索、翻译以及填补已转录古代文本缺失内容方面的巨大潜力。RNN已被用于为古巴比伦时期数百份格式严谨的行政和法律文本提供缺失字符的智能化建议。

那么，神经网络能否在历史的残片中找出人类专家难以发现的联系？2017年，英国牛津大学的一项合作开启了探索之旅，当时，两名研究人员正面临破解西西里希腊铭文的难题。

古典学者通常依赖对现存文本的理解来诠释新材料，但难以全面掌握所有相关资料。牛津大学研究人员认为，这正是机器学习可发挥作用的领域。他们使用基于RNN的Pythia模型，并用数万份希腊铭文来训练它，最终成功预测了文本中缺失的单词和字符。

2022年，他们又推出Ithaca模型，不仅能预测缺失内容，还能为未知文本提供日期和来源地建议。Ithaca利用了Transformer模型的突破，能捕捉更复杂的语言模式。当前风靡全球的聊天机器人，如OpenAI的ChatGPT就是基于Transformer模型。

翻译复原浩瀚历史档案

韩国研究人员有一项棘手的任务：整理世界上规模最大的历史档案之一。该档案详细记录了27位朝鲜王国国王自14世纪至20世纪初统治时期的日常，涵盖数十万篇文章。美国纽约大学机器翻译专家金亨俊表示，这些文本数据量极为庞大。

将这些文本人工译成现代韩文，预计需耗时数十年。金亨俊携手韩国同行，利用Transformer网络训练自动翻译系统。结果显示，AI译文在准确性和可读性上远超古韩文，有时甚至优于现代韩文。

对于仅存少量文本的古代语言，研究人员也会采用神经网络进行破解。希腊帕特拉斯大学的卡特里娜·帕帕瓦西里欧及其团队，利用RNN恢复了克里特岛诺索斯迈锡尼泥板中缺失的线性文字B文本。测试显示，模型预测准确性高，且常与人类专家建议相符。

面临验证与利用双重挑战

利用AI破解古文字依旧面临诸多挑战。AI技术使非专业人士也能接触到大量古代文献，如何确保研究成果准确无误，成为了首要挑战。神经网络的强大虽令人瞩目，但其偶尔产生的误导性结果，即“幻觉现象”，也让人对结果的可靠性产生担忧。

英国《自然》杂志指出，为解决这一问题，人文科学专家与计算机科学家需携手合作，共同研究并验证AI的解读结果。同时，提倡将所有相关数据（包括原始文本、扫描文件、训练模型及算法）实行开源，以此提升研究的透明度与可验证性。这一做法被称为“数字来源链”，旨在构建一个从原始数据到最终结论的完整链条，便于任何人回溯并核实研究过程。

此外，随着数字化文本数量的激增，如何有效利用这些庞大的数据资源，从中提炼出关于古代社会的重要信息，也是研究人员面临的新课题。这要求研究者转变视角，从单一的文本分析转向对整体文化的深入理解，并尝试将不同地域、不同时期的文本数据相互关联，以获得更为全面的认识。

标签：