“碎片集”项目正在将数以万计的字AI助猫扑app小程序楔形文字数字化。图为一份天文学文本。力古

2019年，解码究研讨人员运用英国钻石光源同步加速器扫描赫库兰尼姆古卷残片。古文图片来历：英国《天然》杂志。字AI助

　　从金融到医学，力古人工智能（AI）正深化改变着现代生活。代历现在，史研它开端进军古代文本研讨：从希腊与拉丁典籍到我国甲骨文，解码究人工神经网络正成为解读古文字的古文钥匙。它不仅能驾御众多档案，字AI助猫扑app小程序添补字符空缺，还能解码简直无迹可寻的稀有或灭绝言语，令古代才智在现代科技之光下重现光辉。

　　2023年10月，费德里卡·尼科拉尔迪收到了一封电子邮件，邮件顺便的一张图片彻底改变了她的研讨。此图显现了从公元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奢华别墅遗址中被发现。这些历经沧桑的莎草纸，曾是数百卷古籍之一，却因年月腐蚀而变得脆弱不堪，大都已无法打开。

　　尼科拉尔迪是意大利那不勒斯大学的一名莎草纸学者，她曾参加一项运用AI读取难解文字的研讨。当今，她见证了一项奇观：图片上，一片莎草纸带上，希腊字母布满如织，于幽私自勃发重生。

　　这一名为“维苏威应战”的项目仅仅AI重塑古代前史研讨的“冰山一角”。

　　。神经网络重建古代文本。

　　几十年来，计算机一向被用于对数字化文本进行分类和剖析，但现在最令人兴奋的是神经网络的运用。神经网络由彼此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）模型可以从这些图画中精准捕捉网格状数据结构。CNN模型在光学字符识别范畴大放异彩的一起，也拓荒了其他多元化的运用途径。例如，我国研讨团队在探究甲骨文时，奇妙地运用这些模型来康复遭受严峻腐蚀的文字图画，深化剖析甲骨文随时刻的演化轨道，并将破碎的文物碎片从头凑集起来，重现前史原貌。

　　与此一起，循环神经网络（RNN）作为一种专为处理线性序列数据规划的模型，开端展示出在查找、翻译以及添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局谨慎的行政和法令文本供给缺失字符的智能化主张。

　　那么，神经网络能否在前史的残片中找出人类专家难以发现的联络？2017年，英国牛津大学的一项协作敞开了探究之旅，其时，两名研讨人员正面对破解西西里希腊铭文的难题。

　　古典学者一般依靠对现存文本的了解来诠释新材料，但难以全面把握一切相关材料。牛津大学研讨人员以为，这正是机器学习可发挥作用的范畴。他们运用根据RNN的Pythia模型，并用数万份希腊铭文来练习它，终究成功猜测了文本中缺失的单词和字符。

　　2022年，他们又推出Ithaca模型，不仅能猜测缺失内容，还能为不知道文本供给日期和来历地主张。Ithaca运用了Transformer模型的打破，能捕捉更杂乱的言语形式。当时风行全球的谈天机器人，如OpenAI的ChatGPT便是根据Transformer模型。

　　。翻译康复众多前史档案。

　　韩国研讨人员有一项扎手的使命：收拾国际上规模最大的前史档案之一。该档案具体记录了27位朝鲜王国国王自14世纪至20世纪初控制时期的日常，包含数十万篇文章。美国纽约大学机器翻译专家金亨俊表明，这些文本数据量极为巨大。

　　将这些文本人工译成现代韩文，估计需耗时数十年。金亨俊携手韩国同行，运用Transformer网络练习主动翻译体系。成果显现，AI译文在准确性和可读性上远超古韩文，有时乃至优于现代韩文。

　　关于仅存少数文本的古代言语，研讨人员也会选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，运用RNN康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。测验显现，模型猜测准确性高，且常与人类专家主张相符。

　　。面对验证与运用两层应战。

　　运用AI破解古文字仍旧面对许多应战。AI技能使非专业人士也能接触到很多古代文献，怎么保证研讨成果准确无误，成为了首要应战。神经网络的强壮虽令人瞩目，但其偶然发生的误导性成果，即“错觉现象”，也让人对成果的可靠性发生忧虑。

　　英国《天然》杂志指出，为处理这一问题，人文科学专家与计算机科学家需携手协作，共同研讨并验证AI的解读成果。一起，发起将一切相关数据（包含原始文本、扫描文件、练习模型及算法）实施开源，以此提高研讨的透明度与可验证性。这一做法被称为“数字来历链”，旨在构建一个从原始数据到终究定论的完好链条，便于任何人回溯并核实研讨进程。

　　此外，跟着数字化文本数量的激增，怎么有用运用这些巨大的数据资源，从中提炼出关于古代社会的重要信息，也是研讨人员面对的新课题。这要求研讨者改变视角，从单一的文本剖析转向对全体文明的深化了解，并测验将不同地域、不一起期的文本数据彼此相关，以取得更为全面的知道。（记者 张佳欣）。