人工智能（AI）正在以前所未有的方式變革著古代文本的研究。神經網絡，一種由相互連接的節點組成的分層模型，已成為解鎖古文字奧秘的關鍵。
復原古代文本
卷積神經網絡（CNN）模型擅長從圖像中提取網格狀數據，這對于復原遭受侵蝕的文字圖案至關重要。中國研究人員利用這些模型重建了嚴重損壞的甲骨文，揭示了其演變歷程，并重新組裝了破碎的文物。
同時，循環神經網絡（RNN）適用于處理線性序列數據，在填補缺失字符和提供文本預測方面展現出潛力。例如，RNN已用于為古巴比倫行政和法律文本提供智能補全建議。
神經網絡還能夠識別專家難以發現的聯系。牛津大學的研究人員利用神經網絡破譯了西西里島的希臘銘文，預測了缺失的單詞和字符，為新文本提供日期和來源地，而這些信息通常依靠對現有文本的理解。
翻譯歷史檔案
神經網絡也在翻譯歷史檔案方面發揮作用。韓國研究人員利用 Transformer 網絡，一種捕捉復雜語言模式的模型，創建了一個自動翻譯系統，可以將朝鮮王國的歷史檔案翻譯成現代韓文。
對于瀕臨滅絕的語言，神經網絡可以幫助恢復失傳的文本。希臘帕特拉斯大學的研究人員使用 RNN 恢復了克里特島線形文字 B 文本，其準確性得到了專家認可。
挑戰與展望
盡管取得了進展，但 AI 破解古文字仍面臨挑戰。確保結果準確是當務之急，需要人文專家和計算機科學家的共同努力，以及開源數據和算法的倡導。
此外，如何從龐大的數字化文本中提取有價值的信息是另一項課題。研究人員需要轉變視角，從文本分析擴展到文化理解，并探索跨文本、跨時間和跨地區的數據關聯，以深入了解古代社會。
隨著技術的不斷進步，AI 將繼續為古籍探秘提供新的可能性，解鎖更多古代智慧，重塑我們對人類歷史的理解。