AI助力考古：MIT谷歌用神經(jīng)網(wǎng)絡破譯失傳古文字

人工智能技術正在被用來破譯失傳已久的古文字。

近日，麻省理工學院和谷歌人工智能實驗室的研究人員提出了一種自動破譯失傳文字的神經(jīng)網(wǎng)絡算法。這一算法首次實現(xiàn)了古希臘邁錫尼文明時期“線形文字B”的自動翻譯，準確地把67.3% 的線形文字B同源詞翻譯成了希臘語。下一步，人工智能和機器學習技術可能會被用來解密至今仍未被破譯的古文字。

線形文字B大約出現(xiàn)在公元前1400年后，于1953年被語言學家邁克爾·文特里斯破譯。麻省理工學院和谷歌人工智能實驗室的實驗是自動翻譯線形文字B的首次嘗試。

據(jù)《麻省理工科技評論》報道，1886年，英國考古學家阿瑟·埃文斯（Arthur Evans）偶然發(fā)現(xiàn)了地中海克里特島上的大量刻字石頭和石碑。后續(xù)研究中，他和其他研究者認定這些石頭和石碑由兩種不同文字寫就。更古老的那一種后來被稱作“線性文字A”，可追溯到公元前1800年至公元前1400年，另一種被命名為“線形文字B”，大約出現(xiàn)在公元前1400年后。

針對這兩種文字的早期破譯工作都宣告失敗。直到1953年，一位業(yè)余語言學家邁克爾·文特里斯（Michael Ventris）成功破譯了線形文字B。他的成功源于兩個重要的推斷。首先，文特里斯推測線形文字B詞匯表中許多重復單詞是克里特島上的地名，這一推測后來被證明是正確的。其二，他假設線形文字B記錄了古希臘與的早期形式，這個想法隨即幫助他破譯了剩余的文字。

這次，麻省理工學院人工智能實驗室博士羅佳鳴、麻省理工學院教授Regina Barzilay和谷歌大腦的曹原以歷史語言學中記錄的語言變化模式為依據(jù)，利用序列對序列表達模型捕獲同源詞之間的字符級對應關系，建立了一種自動破譯失傳古文字的神經(jīng)網(wǎng)絡算法。

論文介紹，研究人員在模型中輸入失傳文字和已知相關語言中的非并行語料，模型再根據(jù)失傳文字與已知語言中的對應詞之間的對齊精度進行評估。

這種方法不僅準確地把67.3% 的線形文字B同源詞翻譯成了希臘語，還被用來翻譯公元前15世紀的烏加里特語，翻譯結(jié)果比傳統(tǒng)方法提升了5.5%。

研究人員表示，他們的方法也顯示了對羅馬語言翻譯工作的改進作用。