【一线讲述】
作者：聂菲（南京大学文学院助理研究员）
古文字，主要指中国商代晚期至秦代使用的汉字。二十世纪30年代，殷墟发掘出大量有字甲骨，证实了商王朝的存在，重塑了世界对中国古代文明的评价。近年，抄有《老子》《诗经》等内容的战国竹书呈井喷式涌现。可以说，古文字是解读中华文明基因的关键。
古文字研究与科技发展密不可分。红外采集、高精度扫描等技术手段极大改善了资料条件，索引、搜索引擎、数据库，为古文字研究提供了巨大助力。如今，AI技术蓬勃发展，当通过人工智能拼缀上第一片甲骨时，实现的不仅是技术突破，更是中华文明根脉的赓续与新生。
简单来讲，“破译”古文字可分为两步：一是识形，二是读词。即先认出古文字形体是什么字，再判定其音义，弄明白它在文献中的含义。如，先认出甲骨中“[图1]”是“王”，再读懂刻辞与商王有关。人工智能辅助古文字研究，就是要模仿人类专家的学习过程，进行“记字形”和“读古书”的训练。
图1
目前对计算机而言，“认字形”十分艰难。机器学习面临着诸多挑战，包括图像预处理结果不佳、标注样本稀缺、字形实情极其复杂等。其中，“数据困境”是显性瓶颈，古文字单字量低，有效样本密度低，机器学习样本不足。最近，我所在的课题组参与开发了“古文字线上书写系统”，旨在收集专家书写古文字的动态路径，将古文字字形转换成有顺序、有方向的矢量线段，为训练计算机识读字形提供学习参考。
此前计算机识图多从像素角度入手，受图像质量、样本量、字形复杂性等影响，特征提取困难，识别率低。为了破题，我们课题组转换了思路——并非让模型分析静态字形，而是通过动态路径数据，捕捉专家的书写顺序和对字形结构的理解，帮助模型像人一样“思考”如何书写古文字。我们希望通过提取人类书写古文字的动态特征，将人的经验转换成可训练的数据规则，从而弥补传统方法在异体字处理上的缺陷，解决数据量不足等问题。
目前，我们的研究已进入初步试验阶段，录入了12825条字形书写数据进行前期测验。眼下正在搭建机器学习的模型，相关代码达到万余行，计算机累计运行时间超过400小时，模型迭代3个版本。从生成结果看已初见成效，计算机能成功模仿人类书写的笔势、笔顺和大致轮廓，但在部件书写的准确性、笔画组合和构件位置关系上，仍有很大的进步空间。
图2
图3
例如甲骨文中“千”字有一类形体作“[图2]”形，是在侧视站立人形“[图3]”的基础上，在其腿部加一横笔分化而来，其书写顺序一般是先写出侧视身体躯干和手臂，再写后加的一横笔：
目前训练得到的机器书写路径是：
可以看出，计算机已能再现字形轮廓和笔顺，但对第二笔的起始位置把握欠佳：第二笔不应与第一笔交叉穿出；二、三笔虽顺序相接，但笔迹并不相连，即第二笔的终点并非第三笔的起点。
为修正结果，我们将在现有试验的基础上，对机器学习方法和算法结构进行调试和整改。这项工作可能十分漫长，但也蕴含着无限潜力。
《光明日报》（2025年06月10日 14版）
