機器學習如何讓破譯早已消亡的古老文字

一只小手

在大英博物館的柔光中，人們只能勉強看到鐫刻在這些古老泥板上的密密麻麻的楔形標記。這些細小的標記，是世界上最古老的書寫系統(tǒng)——楔形文字的遺跡。

大約150年前，學者們首次破譯了楔形文字，然而直到目前，能被讀懂的文字僅有一小部分，仍有約90%的文字未被破譯出來。但是，這種情況可能會有所改變，一項新技術(shù)正在給它們進行“解鎖”，效果還挺不錯。這都要歸功于現(xiàn)代工具——機器翻譯。

現(xiàn)在你是不是越來越好奇了，連學者們都無法完全破解這種古老文字的秘密，機器又是如何做到的呢？

見證古帝國的興衰

楔形文字起源于5000多年前的美索不達米亞，位于底格里斯河和幼發(fā)拉底河之間，也就是現(xiàn)在的伊拉克。它記錄了一個長達3000年之久的、復雜而迷人的文明。從王室之間憤怒內(nèi)斗的信件，到安撫一個任性嬰兒的儀式，這些泥板可以讓人們從一個獨特的視角了解那段歷史，它們記錄了阿卡德、亞述和巴比倫帝國的興衰。據(jù)估計，人們已經(jīng)挖掘出了約50萬塊楔形文字板，但還有很多仍深埋地下。

約150年前，學者們首次破譯了楔形文字，然而直到目前，仍有約90%的楔形文字未被翻譯出來。

但是，這種情況可能會有所改變.這都要歸功于現(xiàn)代工具——機器翻譯。

加拿大多倫多大學亞述學研究員佩龍現(xiàn)在正在進行的一個項目，是用機器翻譯公元前21世紀以來美索不達米亞文明的行政記錄，數(shù)量多達69000份。

美索不達米亞文明孕育了車輪、天文學、每小時有60分鐘的計時制、地圖、洪水和方舟的故事，以及世界上最古老的英雄敘事詩——《吉爾伽美什史詩>。這本詩集主要是用蘇美爾語和阿卡德語寫成的，能讀懂這些語言的學者少之又少。

除了泥板，還有5萬多枚美索不達米亞雕刻印章散落在世界各地。幾千年來，古人使用由雕刻石頭制成的印章，這些印章被壓入潮濕的黏土中，用來標記門、罐子、石板和其他物品。這些刻章只有1/10被編入目錄，更不用說翻譯了。

英國牛津大學亞述學教授達爾表示，“我們所獲得的關(guān)于美索不達米亞文明的資料比古希臘、古羅馬和古埃及的加起來還要多，但真正的挑戰(zhàn)在于找到能讀懂它們的人。”

佩龍與其團隊正在對一個數(shù)據(jù)庫中的4000個古代行政文本樣本編寫算法。這些行政文本包括交易和運輸記錄，比如把羊、蘆葦束或啤酒運到神廟或個人手中的記錄。這些文字最初是用蘆葦筆刻在黏±上的，向我們展示了古代美索不達米亞文明的日常生活情況，包括權(quán)力結(jié)構(gòu)和貿(mào)易網(wǎng)絡(luò)，同時還展示了社會歷史的其他方面，如女工的角色。

這些行政文書的措辭很簡單，例如“第15天，廚房有11只母山羊”。這種特點使得它們特別適合被自動化處理。一旦算法學會了如何將樣本文本翻譯成英語，它們就能自動翻譯其他泥板上的文字了。

佩龍希望機器分析也能弄清蘇美爾語的一些特征，這是至今仍困擾著現(xiàn)代學術(shù)界的難題。這種已經(jīng)滅絕的語言與任何現(xiàn)代語言都沒有聯(lián)系，但卻保存在以楔形文字書寫的泥板中。這可能是我們與更古老，甚至沒有歷史記載的社會之間最后的聯(lián)系。

觸碰古老寶藏

多虧了先進的成像技術(shù)，現(xiàn)在任何人只要能上網(wǎng)就能接觸到這些寶藏。比如，世界上現(xiàn)存最古老的皇家圖書館，人們正在將它數(shù)字化。這座圖書館位于尼尼微，由亞述國王亞述巴尼帕建造。雖然早在公元前612年，尼尼微遭遇洗劫時，這些泥板被火烤得又黑又硬，但上面的文字仍可辨認。

新的成像技術(shù)讓人們在處理這些古老且破損嚴重的文本時更加輕松。有了精細的圖像，人們就有可能找出那些肉眼看不見的模糊標記。

一個名為“楔形文字數(shù)字圖書館倡議”的項目，將保存在德黑蘭、巴黎和牛津館藏中的泥板及印章進行數(shù)字化處理。這個龐大的在線數(shù)據(jù)庫已經(jīng)包含了世界上約1/3的楔形文字，以及一些未被破譯的書面語言（如古伊朗的原始埃蘭語）。

如果沒有這樣龐大的數(shù)字資源，讓機器進行翻譯幾乎是不可能的。

數(shù)字化還幫助研究者們將散落在世界各地的文本拼湊起來。

研究人員曾對美索不達米亞的200多枚石印的3D圖像進行了數(shù)字化處理。在試點項目中，他們使用了人工智能算法校驗了6塊碑文，并識別出在世界其他地方發(fā)現(xiàn)的與之匹配的石印。算法準確地挑選出了兩塊現(xiàn)存于意大利和美國的泥板，這兩塊泥板上蓋的石印是一樣的。

在過去，想要將石印和印痕匹配起來困難重重，因為許多石印保存在數(shù)千千米之外的地方。而現(xiàn)在，人工智能的發(fā)展能幫助人們探索世界各地收藏品中蘊藏的豐富信息。

破譯古人的語言

成像技術(shù)也改變了對于未破譯文本的研究。

對于數(shù)量少、具創(chuàng)造性文本的破譯，人類往往比機器做得更好，人類有著對生活和組織方式的深入理解，以及高度的靈活性。例如，早期的楔形文字符號并不是線性排布的，而是簡單地與畫在周圍的方框排在一起。原始埃蘭語是三維立體的，一個圓印的深淺不同意義也不同。但是，技術(shù)可以放大、分享和比較圖片的細節(jié)，加快了破譯進程。

佩龍希望機器最終能夠翻譯更復雜的蘇美爾語和其他語言，比如阿卡德語。也許有一天，我們將能夠閱讀所有古老文字的翻譯版本。

古代美索不達米亞的國王們深深地思考著過去和未來。他們崇敬前朝的楔形文字，也將記錄著他們名字和成就的銘文埋藏地下，希望后世的統(tǒng)治者會將榮耀歸于自己。

在某種程度上，他們的愿望已經(jīng)實現(xiàn)了。他們經(jīng)歷過的戰(zhàn)爭和征服可能已經(jīng)被大多數(shù)人遺忘，但是他們最強大的發(fā)明——文字，在過去的幾干年里助力了人類思想和技術(shù)的發(fā)展。

而現(xiàn)在，人類開始訓練機器從過去中學習。（原文刊載于BBC網(wǎng)站，標題為《The key to cracking long-deadlanguages？》）（責任編輯：白玉磊責任校對：司明婧）