从维苏威卷轴到清华简：AI技术重塑古代文献研究

从维苏威卷轴到清华简：AI技术重塑古代文献研究

2023年10月，一封电子邮件发到了Federica Nicolardi的手机上，其中有一张图片将永远改变她的研究。这是一张纸莎草卷轴的碎片，此卷轴在公元79年维苏威火山喷发时被烧毁。18世纪，人们在意大利庞贝城附近Herculeaneum的一座豪华罗马别墅遗迹中发现了数百件卷轴，这本烧焦的卷轴就是其中之一。几百年来，研究者们试图剥开卷轴上脆弱的碳化层，探寻内部记录的秘密，却都没有成功，许多卷轴因此变成了碎片。学者们只好接受这些「上古卷轴」永远无法打开的事实。意大利那不勒斯大学的纸莎草纸学家Nicolardi曾尝试使用AI来阅读这些难以辨认的内容。现在最新结果已经发过来了，AI将文字还原为了整齐清晰的希腊字母，——这是一段过去2000年来完全无法访问的文本。从希腊语、拉丁语、到中国的甲骨文（Oracle Bone Script），AI正在准备重塑我们看待古代世界的方式。

AI技术在古代文献复原中的应用，为研究者提供了前所未有的数据资源，有望重塑我们对古代世界的认知。例如，意大利那不勒斯大学的纸莎草文献学家费德里卡·尼科拉尔迪利用AI技术成功还原了公元79年维苏威火山爆发时被烧毁的纸莎草卷轴上的文字，这一成就标志着古代文献研究进入了一个全新阶段。

在维苏威火山挑战赛（Vesuvius Challenge）中，三名学生通过训练机器学习算法，成功揭示了2000年前被火山灰掩埋的烧焦纸莎草纸卷轴中的希腊文字内容。这一突破性成就不仅展示了AI技术在考古学中的巨大潜力，还为未来的研究开辟了新的可能性。

AI技术在古代文献复原中的应用，不仅限于纸莎草卷轴。在楔形文字泥板的识别方面，AI同样展现出了惊人的能力。例如，希腊Patras大学的Katerina Papavassileiou和同事使用RNN从克里特岛克诺索斯的1,100块迈锡尼泥板中恢复了缺失的文本，包含公元前两千年书写的羊群记录（Linear B）。在人工测试中，模型的前十个预测准确率达到了72%，而在实际应用中，其性能通常能跟人类专家打平。

AI技术在古代文献复原中的应用，主要依赖于神经网络、机器学习算法和CT扫描等技术。例如，在维苏威火山挑战赛中，参赛者通过训练机器学习算法，解析CT扫描中的微小墨点，成功揭示了纸莎草卷轴中的文字内容。这种技术不仅能够识别出肉眼难以辨认的微弱纹理，还能通过算法预测缺失的字符和单词。

在楔形文字泥板的识别中，研究者使用了循环神经网络（RNN）和Transformer模型。RNN在处理时间序列数据方面具有优势，被用于搜索、翻译和填补已翻译文本的空白。而Transformer模型则通过并行分析输入的不同特征（字符或单词）来捕获更复杂的语言模式，并根据上下文对其进行加权。例如，英国牛津大学的Ithaca模型在预测古代文本中人工产生的空白时，准确率达到了62%，远高于人类专家的25%。

AI技术在古代文献复原中的应用，已经取得了许多重要发现和成果。例如，“清华简”第13辑整理成果中，首次发现了战国时期的礼书《大夫食礼》和《大夫食礼记》，以及两篇重要的音乐类文献《五音图》和《乐风》。这些发现对了解先秦礼制和音乐文化具有重要参考价值。

此外，AI技术还帮助研究者破译了大量古代文献，如英国牛津大学的Ithaca模型在预测古代文本中人工产生的空白时，准确率达到了62%，远高于人类专家的25%。这些成果不仅丰富了我们对古代世界的认知，还为历史研究、文化传承和学术交流提供了新的可能性。

AI技术在古代文献复原中的应用，具有深远的意义和影响。首先，AI技术提供了前所未有的数据资源，使研究者能够处理之前无法理解的庞大档案。例如，韩国历史档案的翻译工作，通过基于Transformer的网络自动翻译，不仅提高了翻译的准确性和可读性，还大大缩短了翻译时间。

其次，AI技术加速了繁琐的任务，提高了研究效率。例如，在处理大量古代文献时，AI能够快速识别和分类文本，减轻了研究者的负担。同时，神经网络还帮助建立了人类专家无法发现的关系，如英国牛津大学的Ithaca模型在预测古代文本的日期和起源地点方面，准确率达到了71%。

最后，AI技术为古代文献的研究和传播提供了新的可能性。例如，虚拟现实（VR）技术可以再现历史场景，为语言环境提供沉浸式体验，助力教学与传播。此外，AI技术还为跨学科研究提供了新的工具和方法，促进了不同领域的学术交流和合作。

总之，AI技术在古代文献复原中的应用，不仅展示了其在考古学和历史研究中的巨大潜力，还为文化传承和学术交流开辟了新的途径。随着技术的不断发展和完善，我们有理由相信，AI将在古代文献复原领域取得更多突破性成果，为我们揭示更多古代文明的秘密。