不可否認的是，人工智能（AI）正在加速全行業變革。小到生活中常見的人臉識別、語音助手，大到基礎科學領域的蛋白質結構預測、核聚變控制等，如今的人工智能應用，已經遍地開花。而這一次，它又瞄向了記載歷史的碑文。

圖｜在復原古代銘文方面，AI 或許已經戰勝了人類（來源：Nature）

今天，來自 DeepMind、威尼斯大學、哈佛大學的聯合研究團隊及其合作者，提出了一種可以復原、定位、定年古希臘銘文的深度神經網絡——Ithaca（以荷馬史詩《奧德賽》中的希臘島嶼命名）。相關研究論文以“Restoring and attributing ancient texts using deep neural networks”為題，以封面文章形式發表在權威科學期刊 Nature 上。

研究結果顯示，當 Ithaca 單獨被用于復原受損銘文時，準確率可以達到 62%，而參與此次研究的歷史學家，單獨預測準確率僅為 25%；而當 Ithaca 與歷史學家“合作”后，這一數字可以提升到 72%。而且，Ithaca 還能以 71% 的準確度判斷這些銘文的原始位置，鑒定年代與歷史學家提出的范圍也相差少于 30 年。在論文的最后，研究人員表示，研究方法適用于手稿學、錢幣學和紙草學等所有與古代文本相關的學科，也適用于古代、現代的任何語言。這一研究成果，或將釋放人工智能與歷史學家的合作潛力，提升我們對人類歷史的理解。

挖掘遺失的歷史

從狹義上講，人類文字的誕生，標志著歷史的開端。原始文字是人類用來紀錄特定事物、簡化圖像而成的書寫符號，對人類理解過去人類文明和當前世界至關重要。早期文字以圖畫形式存在，有些是以形表意，有些是以形表音。象形文字就屬于以形表意的范疇，與語音關系不大，漢字便由從象形文字漸次演變而成。

圖｜不同象形文字的演化（來源：維基百科）

而古埃及文、羅馬文字和拉丁文字等以形表音的圖畫文字，也在漫長的人類歷史中，逐漸演化成語音符號，即外文字母。不同的外文字母可以組合成不同的外國文字。

圖｜不同語言文字的字體與樣式（來源：維基百科）

因此，要想更好地探究古代文明史，研究古人直接書寫在石頭、陶器或金屬等材料上并留存至今的銘文，是一種通用且有效的研究手段。例如，早在 2500 多年前，古希臘人便開始在石頭、陶器和金屬上記錄從租約、法律到日歷、預言的一切。正是這些史料，讓歷史學家們對地中海地區有了詳細的了解。但不幸的是，這一記錄并不完整。幾個世紀以來，眾多幸存下來的銘文也陸續遭到破壞，從原來的位置被移走，或被販運。而且，由于各種外部原因，這些文本難以辨認，書寫時間也不確定。盡管當前歷史學家們可以借助現有方法重建出缺失的文本，但目前的年代測定技術（如放射性碳年代測定法）卻無法在這些材料上使用?；谝陨显?，這些銘文解讀起來，既困難又費時。

歷史學家的 AI 助手

如何解決上述問題？如今，AI 做得或許要更好一些。當前，自然語言處理（NLP）模型通常會使用大量單詞來進行訓練，因為這些單詞在句子中出現的順序與它們之間的關系可以提供額外的含義。比如，“once upon a time” 一起出現，就比單個字符或單詞更有含義。在此次研究中，Ithaca 是基于帕卡德人文學院（Packard Humanities Institute）提供的最大希臘碑文數字數據集訓練的。為確保 Ithaca 模型在使用缺失字符時仍能正常進行訓練，研究人員同時將單詞和單個字符作為輸入，模型核心的稀疏自我注意機制并行地評估這兩個輸入，允許 Ithaca 根據需要評估銘文。結果表明，Ithaca 的設計決策和可視化輔助可以幫助歷史學家更容易地復原銘文，強大的人機合作潛力，有助于更好地還原歷史真相，甚至幫助解決一些爭議性問題。例如，歷史學家們對雅典頒布的一系列重要法令的日期存在分歧，這些法令是在蘇格拉底和伯里克利等著名人物在世時期頒布的，被認為是在公元前 446/5 年之前書寫的。而 Ithaca 與歷史學家一起，將這一日期更新到了公元前 424/3 年。

圖｜碑文記錄了迦爾西斯城對雅典的效忠誓言。（來源：衛城博物館）

放眼歷史長河，盡管這兩個數字看起來差別不大，但這些法令對當前人類理解古雅典的政治史是至關重要的。此外，歷史學家們也與 Ithaca 一起，重新復原了希臘歷史上一次關于雅典衛城的法令。

圖｜修復后的銘文記錄了一項關于公元前 485/4 年雅典衛城的法令

Ithaca 的架構側重于協作、決策支持和可解釋性。盡管單獨使用 Ithaca 修復受損銘文的準確率只有 62%，但當與歷史學家們協同工作時，可以將人類的準確率從 25% 提高到 72%。這一變化證明，Ithaca 具有強大的協同效應?！皩W者們不會被取代，相反，Ithaca 就像一只獵犬，會為學者尋找線索，但不做最后的決定?！庇鴤惗貒鯇W院（King"s College London）榮譽退休教授 Charlotte Roueche? 在評論文章中表示。Roueche? 認為，這一進步不應該被解讀為對上百年傳統的威脅，而應該是對傳統的一種補充。人工智能不應該讓學者變得多余，而應該是挑戰他們對自認為已經知道的東西的理解。

原文鏈接：、

https://www.nature.com/articles/s41586-022-04448-z https://en.wikipedia.org/wiki/Writing_system

本文來自微信公眾號“學術頭條”（ID：SciTouTiao），作者：楊逍，36氪經授權發布。