机器学习如何破译早已消亡的古老语言？

简评：在大英博物馆 (British Museum) 的柔光中，人们只能勉强看到镌刻在这些古老泥板上的密密麻麻的楔形标记。这些细小的标记是世界上最古老的书写系统 —— 楔形文字的遗迹。

古帝国的兴衰

楔形文字起源于 5000 多年前的美索不达米亚，位于底格里斯河和幼发拉底河之间，也就是现在的伊拉克。它记录了一个长达 3000 年之久的、复杂而迷人的文明。

从王室之间愤怒内斗的信件，到安抚一个任性婴儿的仪式，这些石碑让人们可以从另一个独特的视角了解历史初期的社会。它们记录了阿卡德、亚述和巴比伦帝国的兴衰，这是世界上第一个帝国。据估计，人们已经挖掘出了约50万块楔形文字板，但还有很多仍深埋地下。

机器翻译

约 150 年前，学者们首次破译楔形文字。然而，目前仍有约 90% 的楔形文字未被翻译出来。

但是，这种情况可能会有所改变，这都要归功于现代工具 —— 机器翻译。

多伦多大学亚述学研究员佩龙 (Emilie Page-Perron) 现在正在进行的一个项目，是用机器翻译公元前 21 世纪以来美索不达米亚文明的行政记录，数量多达 69000 份，其目的之一是为新的研究发掘过去。

美索不达米亚文明孕育了车轮、天文学、一小时 60 分钟的计时制、地图、洪水和方舟的故事、以及第一部文学作品 ——《吉尔伽美什史诗》。这本诗集主要是用苏美尔语和阿卡德语写成的，能读懂这些语言的学者少之又少。

除了石碑，还有 5 万多枚美索不达米亚雕刻印章散落在世界各地。几千年来，美索不达米亚人使用由雕刻石头制成的印章，这些印章被压入潮湿的粘土中，用来标记门、罐子、石板和其他物品。这些刻章中只有 1/10 被编入目录，更不用说翻译了。

牛津大学亚述学教授达尔 (Jacob Dahl) 表示 —— 我们所获得的关于美索不达米亚文明的资料比希腊、罗马和古埃及的加起来还要多，但真正的挑战在于找到能读懂它们的人。

佩龙与其团队正在对一个数据库中的 4000 个古代行政文本样本编写算法。

这些行政文本包括交易和运输记录，比如把羊、芦苇束或啤酒运到寺庙或个人手中的记录。这些文字最初是用芦苇笔刻在粘土上的。现在，学者已经把它们音译成了我们的字母表。

例如，苏美尔语中表示「大」的词可以写成楔形文字，也可以写成英文字母表中的「gal」。

这些行政文书的措辞很简单。例如「第15天，厨房有 11 只母山羊」。这种特点使得它们特别适合被自动化处理。一旦算法学会了将样本文本翻译成英语，它们就能自动翻译其他经过音译的石碑。

这些记录向我们展示了古代美索不达米亚人的日常生活，包括权力结构和贸易网络，同时还展示了社会历史的其他方面，如女工的角色。

佩龙希望机器分析也能弄清苏美尔人的一些特征，这是至今仍困扰着现代学术界的难题。这种已经灭绝的语言与任何现代语言都没有联系，但却保存在以楔形文字书写的碑文中。这可能是我们与更古老，甚至没有历史记载的社会之间最后的联系。

芬克尔是世界上顶尖的楔形文字专家之一。

他在大英博物馆堆满书的办公室里讲解了手稿是如何慢慢被破译的，这多亏了一位国王的多语种铭文，就像罗塞塔石碑帮助研究人员理解了埃及象形文字一样。

触碰古老宝藏

多亏了先进的成像技术，现在任何人只要能上网就能接触到这些宝藏。

比如，世界上现存最古老的皇家图书馆，人们正在将它数字化。这座图书馆位于尼尼微，由亚述国王亚述巴尼帕（Ashurbanipal）建造。虽然早在公元前 612 年，尼尼微遭遇洗劫时，这些碑文被火烤得又黑又硬，但上面的文字仍可辨认。

新的成像技术让人们在处理这些古老且破损严重的文本时更加轻松。有了精细的图像，人们就有可能找出那些肉眼看不见的模糊标记。

一个名为「楔形文字数字图书馆倡议」(Cuneiform Digital Library Initiative) 的项目，将储存在德黑兰、巴黎和牛津馆藏中的碑文及印章进行数字化处理。这个庞大的在线数据库已经包含了世界上约三分之一的楔形文字，以及一些未被破译的书面语言（如古伊朗的原始埃兰语）。

如果没有这样庞大的数字资源，让机器进行翻译几乎是不可能的。

数字化还帮助研究者们将散落在世界各地的文本拼凑起来。

研究员曾对美索不达米亚的 200 多枚石印的 3D 图像进行了数字化处理。在试点项目中，他们使用了人工智能算法校验了 6 块碑文，并识别出在世界其他地方发现的与之匹配的石印。算法准确地挑选出了两块现存于意大利和美国的石碑，这两块石碑上盖的石印是一样的。

在过去，想要将石印和印痕匹配起来困难重重，因为许多石印储存在数千英里之外的地方。而现在，人工智能的发展能帮助探索世界各地收藏品中蕴藏的丰富信息。

破译古人的语言

成像技术也改变了对于未破译文本的研究。

对于数量少、具创造性文本的破译，人类往往比机器做得更好，人类有着对生活和组织方式的深入理解，以及高度的灵活性。

例如，早期的楔形文字符号并不是线性排布的，而是简单地与画在周围的方框排在一起。原始埃兰语是三维立体的，一个圆印的深浅不同意义也不同。但是，技术可以放大、分享和比较图片的细节，加快了破译进程。

佩龙希望机器最终能够翻译更复杂的苏美尔语石碑和其他语言，比如阿卡德语。也许有一天，我们将能够阅读所有古老文字的翻译版本。

古代美索不达米亚的国王们深深地思考着过去和未来。他们崇敬前朝的楔形文字，将记录着他们的名字和成就的铭文埋藏地下，寄望后世的统治者会将荣耀归于自己。

在某种程度上，他们的愿望已经实现。他们的经历过的战争和征服可能已经被大多数人遗忘，但是他们最强大的发明 —— 文字，在过去的几千年里助力了人类思想和技术的发展。

而现在，人类开始训练机器从过去中学习。

---

原文链接：The key to cracking long-dead languages？
推荐阅读：人工智能缺陷与误觉：让机器产生幻觉的「怪异事件」

欢迎关注微信号「极光开发者」