AI大模型輔助破譯甲骨文？廈門大學正探索

　　大模型正在為古文字考釋工作添磚加瓦。

　　近日，據(jù)廈門大學官方公眾號消息，廈門大學宣布該校信息學院自然語言處理實驗室史曉東教授團隊正嘗試利用人工智能多模態(tài)大模型，結(jié)合甲骨文的音、形、義等多元信息，輔助專家進行更高效的甲骨文考釋工作。

　　甲骨文距今已有三千多年歷史，是世界四大古文字之一。傳統(tǒng)的甲骨文字考釋工作極其耗時費力，依托于專家進行人工釋讀，多采用字形分析、辭例研究等方法，需要考古專家以深厚的知識積累和大量的文獻閱讀為基礎(chǔ)，結(jié)合多方面的知識去破譯甲骨字，已經(jīng)難以為繼。

　　據(jù)人民日報援引清華大學出土文獻研究與保護中心常務(wù)副主任、中國文字博物館館長黃德寬教授的觀點表示，甲骨文考釋當前還有許多問題沒有懸而未決，一是認字，二是片數(shù)，三是斷代。以認字為例，學者編纂的甲骨文字典收字已有4300多個，其中2000多字有人進行過研究，但目前取得共識的破譯字僅1300多個，一大半字還不認識，只能放在字典的附錄中存疑待考。

　　另據(jù)大河網(wǎng)曾援引古文字學博士、河南財經(jīng)政法大學講師武亞帥的觀點剖析了許多甲骨文難以破譯的原因：“這些未識字或是字形未被后世傳承，或是出現(xiàn)頻率很低，或是辭例殘缺，無法提供有效信息，所以使得考釋工作舉步維艱，因此，現(xiàn)存的未識字多是難啃的‘硬骨頭’。而且甲骨文考釋不同于看圖說話，需要從形、音、義多方面尋找證據(jù)，只有達到‘字形無誤，文義大安’的效果才算是比較可信的考釋意見。”

　　為了激發(fā)古文字研究工作者積極主動地破譯甲骨文，中國文字博物館于2016年發(fā)布通告，對破譯未釋讀甲骨文并經(jīng)專家委員會鑒定通過的研究成果，單字獎勵10萬元;對存爭議甲骨文作出新的釋讀并經(jīng)專家委員會鑒定通過的研究成果，單字獎勵5萬元。

　　近年來，近年來AI技術(shù)迅猛發(fā)展，利用深度學習模型超強語義表示能力來實現(xiàn)甲骨文的輔助考釋，優(yōu)勢已經(jīng)嶄露頭角。

　　據(jù)介紹，廈門大學信息學院自然語言處理實驗室史曉東教授團隊研究人員針對甲骨文數(shù)據(jù)稀缺、圖像質(zhì)量參差不齊的現(xiàn)狀，系統(tǒng)整理相關(guān)古文字數(shù)據(jù)，構(gòu)建更大規(guī)模、更高質(zhì)量的甲骨文多模態(tài)數(shù)據(jù)集，提出了“基于甲骨文多模態(tài)大模型的多元信息輔助考釋模型”的技術(shù)方案。

　　項目將設(shè)計一系列與實際考釋過程密切相關(guān)的任務(wù)和評估方法，如跨字體圖像映射、跨字體IDS(表達結(jié)構(gòu)的部首偏旁序列)解碼和甲骨字現(xiàn)代字對譯關(guān)系等，以有效訓練多模態(tài)大模型。利用其強大的跨模態(tài)理解能力，輔助甲骨文考釋。在大模型提供的語義嵌入基礎(chǔ)上，本項目還將設(shè)計融合音、形、義、用多元信息的端到端甲骨文綜合考釋模型，綜合利用字形結(jié)構(gòu)、語義關(guān)聯(lián)、同音通假和用法聚類分析，開發(fā)一種更加輕量的考釋系統(tǒng)，以適應(yīng)資源有限的實際考釋場景。

（圖源自廈門大學公眾號）　　

　　目前，該團隊申報的“基于甲骨文多模態(tài)大模型的多元信息甲骨文輔助考釋模型”入選“探元計劃2024”“創(chuàng)新探索型項目”TOP10榜單。據(jù)悉，“探元計劃2024”是由國家文物局科技教育司指導(dǎo)，中國文物信息咨詢中心(國家文物局數(shù)據(jù)中心)、騰訊SSV數(shù)字文化實驗室、騰訊研究院、社會價值投資聯(lián)盟(深圳)與中國文物報、紫荊雜志社聯(lián)合發(fā)起。