从金融到医学，人工智能（AI）正深刻改变着现代生活。如今，它开始进军古代文本研究：从希腊与拉丁典籍到中国甲骨文，人工神经网络正成为解读古文字的钥匙。它不仅能驾驭浩瀚档案，填补字符空缺，还能解码几乎无迹可寻的罕见或灭绝语言，令古代智慧在现代科技之光下重现辉煌。
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。
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。
翻译复原浩瀚历史档案
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。
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。