機(jī)器學(xué)習(xí)如何破譯早已消亡的古老語(yǔ)言

●蘇菲·哈達(dá)克

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

楔形文字起源于5000多年前的美索不達(dá)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。楔形文字捕捉了一個(gè)長(zhǎng)達(dá)3000年之久的、復(fù)雜而迷人的文明。從王室兄弟姐妹之間憤怒內(nèi)斗的信件，到安撫一個(gè)任性嬰兒的儀式，這些石碑讓人們可以從另一個(gè)獨(dú)特的視角了解歷史初期的社會(huì)。

它們記錄了阿卡德、亞述和巴比倫帝國(guó)的興衰，這是世界上第一個(gè)帝國(guó)。據(jù)估計(jì)，人們已經(jīng)挖掘出了約50萬(wàn)塊楔形文字板，但還有很多仍深埋地下。約150年前，學(xué)者首次破譯楔形文字。然而，只有一小部分能讀懂這種文字的人才了解其中的秘密。目前，仍有約90%的楔形文字未被翻譯出來(lái)，但是這種情況可能會(huì)有所改變，這都要?dú)w功于現(xiàn)代工具——機(jī)器翻譯。

亞述國(guó)王積攢了大量刻有楔形文字的石碑。這些文字是與早已滅絕的語(yǔ)言之間最后的聯(lián)系

“人們并不了解美索不達(dá)米亞文明對(duì)自身文化的影響，”多倫多大學(xué)亞述學(xué)研究員佩龍說(shuō)。美索不達(dá)米亞文明孕育了車輪、天文學(xué)、一小時(shí)60分鐘的計(jì)時(shí)制、地圖、洪水和方舟的故事、以及第一部文學(xué)作品——《吉爾伽美什史詩(shī)》。這本詩(shī)集主要是用蘇美爾語(yǔ)和阿卡德語(yǔ)寫成的，能讀懂這些語(yǔ)言的學(xué)者少之又少。

佩龍現(xiàn)在正在進(jìn)行的一個(gè)項(xiàng)目，是用機(jī)器翻譯公元前21世紀(jì)以來(lái)美索不達(dá)米亞文明的行政記錄，數(shù)量多達(dá)6.9萬(wàn)份，其目的之一是為新的研究發(fā)掘過(guò)去。佩龍說(shuō)：“我們雖然已經(jīng)獲得了關(guān)于美索不達(dá)米亞人生活的信息，但卻沒(méi)有真正從（美索不達(dá)米亞）不同領(lǐng)域?qū)I(yè)人士的知識(shí)中獲益，比如經(jīng)濟(jì)和政治領(lǐng)域。如果有渠道（了解這些知識(shí)），我們能更好地了解那些古老的社會(huì)?！?/p>

除了石碑，還有五萬(wàn)多枚美索不達(dá)米亞雕刻印章散落在世界各地。幾千年來(lái)，美索不達(dá)米亞人使用由雕刻石頭制成的印章，這些印章被壓入潮濕的粘土中，用來(lái)標(biāo)記門、罐子、石板和其他物品。這些刻章中只有1/10被編入目錄，更不用說(shuō)翻譯了。

牛津大學(xué)亞述學(xué)教授達(dá)爾表示：“我們所獲得的關(guān)于美索不達(dá)米亞文明的資料比希臘、羅馬和古埃及的加起來(lái)還要多，但真正的挑戰(zhàn)在于找到能讀懂它們的人?！?/p>

佩龍和她的團(tuán)隊(duì)正在對(duì)一個(gè)數(shù)字化數(shù)據(jù)庫(kù)中的4000個(gè)古代行政文本樣本編寫算法。這些行政文本包括交易和運(yùn)輸記錄，比如把羊、蘆葦束或啤酒運(yùn)到寺廟或個(gè)人手中的記錄。這些文字最初是用蘆葦筆刻在粘土上的，現(xiàn)在，學(xué)者已經(jīng)把它們音譯成了我們的字母表。例如，蘇美爾語(yǔ)中表示“大”的詞可以寫成楔形文字，也可以寫成英文字母表中的“gal”。

能夠識(shí)別古代石碑文字的算法能夠幫助研究人員將它們與制造它們的原始石印進(jìn)行匹配

人們?cè)谙冗M(jìn)的成像技術(shù)及機(jī)器視覺工具的幫助下破譯古代語(yǔ)言，如原始埃蘭語(yǔ)

三維成像技術(shù)能夠詳細(xì)檢測(cè)青金石石印這樣的圓柱形石印

這些行政文書的措辭很簡(jiǎn)單。例如，“第15天，廚房有11只母山羊”。這種特點(diǎn)使得它們特別適合被自動(dòng)化處理。一旦算法學(xué)會(huì)了將樣本文本翻譯成英語(yǔ)，它們就能自動(dòng)翻譯其他經(jīng)過(guò)音譯的石碑。

佩龍表示：“如果單獨(dú)看我們正在研究的文本，它并沒(méi)有那么有趣。但如果你把它們當(dāng)作一組文本來(lái)看，就有意思多了。”她預(yù)計(jì)英文版平臺(tái)將在明年內(nèi)上線。這些記錄向我們展示了古代美索不達(dá)米亞人的日常生活，包括權(quán)力結(jié)構(gòu)和貿(mào)易網(wǎng)絡(luò)，同時(shí)還展示了社會(huì)歷史的其他方面，如女工的角色。平臺(tái)上可被檢索的翻譯，將使不同地方的研究人員都能探索到古代生活的豐富面向。

佩龍解釋說(shuō)：“這些人與我們是如此不同，但他們也面對(duì)著和我們一樣的基本問(wèn)題。理解美索不達(dá)米亞文明，能夠幫助我們理解生而為人的意義?！?/p>

她希望機(jī)器分析也能弄清蘇美爾人的一些特征，這是至今仍困擾著現(xiàn)代學(xué)術(shù)界的難題。這種已經(jīng)滅絕的語(yǔ)言與任何現(xiàn)代語(yǔ)言都沒(méi)有聯(lián)系，但卻保存在以楔形文字書寫的碑文中。這可能是我們與更古老，甚至沒(méi)有歷史記載的社會(huì)之間最后的聯(lián)系。

“蘇美爾語(yǔ)可能是數(shù)千年前的語(yǔ)言大家庭中的最后一個(gè)成員，”芬克爾說(shuō)?！拔淖旨皶r(shí)地出現(xiàn)在這個(gè)世界上，拯救了蘇美爾語(yǔ)……幸運(yùn)的是，在蘇美爾語(yǔ)與其他文字一起消失之前，我們及時(shí)地開始學(xué)習(xí)這種語(yǔ)言?！?/p>

芬克爾是世界上頂尖的楔形文字專家之一。他在大英博物館堆滿書的辦公室里講解了手稿是如何慢慢被破譯的，這多虧了一位國(guó)王的多語(yǔ)種銘文，就像羅塞塔石碑幫助研究人員理解了埃及象形文字一樣。

他說(shuō)：“當(dāng)你與千年前的靈魂進(jìn)行交談時(shí)你會(huì)驚訝地發(fā)現(xiàn)，這簡(jiǎn)直太有趣了，仿佛在和他們打電話。認(rèn)識(shí)他們是世界上最令人興奮的事情。”

觸碰古老寶藏

只有少數(shù)人能接觸到擁有5000年歷史的石碑，但多虧了先進(jìn)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(guó)王亞述巴尼帕建造。大英博物館展出了圖書館里幸存的一些碑文，是亞述巴尼帕專題展覽的一部分。雖然早在公元前612年，尼尼微遭遇洗劫時(shí)，這些碑文被火烤得又黑又硬，但上面得文字仍可辨認(rèn)。

新的成像技術(shù)讓人們?cè)谔幚磉@些古老且破損嚴(yán)重的文本時(shí)更加輕松。有了精細(xì)的圖像，人們就有可能找出那些肉眼看不見的模糊標(biāo)記。

達(dá)爾和他的同事一直在進(jìn)行一個(gè)名為“楔形文字?jǐn)?shù)字圖書館倡議”的項(xiàng)目，將儲(chǔ)存在德黑蘭、巴黎和牛津館藏中的碑文及印章進(jìn)行數(shù)字化處理。這個(gè)龐大的在線數(shù)據(jù)庫(kù)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(yǔ)言，如古伊朗的原始埃蘭語(yǔ)。如果沒(méi)有這樣龐大的數(shù)字資源，讓機(jī)器進(jìn)行翻譯幾乎是不可能的。

伊拉克考古學(xué)家發(fā)掘出數(shù)千塊刻有世界上最古老文字的石碑

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(lái)。達(dá)爾與南安普頓大學(xué)及巴黎南泰爾大學(xué)的研究者一同對(duì)美索不達(dá)米亞的200多枚石印的3D圖像進(jìn)行了數(shù)字化處理。在試點(diǎn)項(xiàng)目中，他們使用了人工智能算法校驗(yàn)了六塊碑文，并識(shí)別出在世界其他地方發(fā)現(xiàn)的與之匹配的石印。算法準(zhǔn)確地挑選出了兩塊現(xiàn)存于意大利和美國(guó)的石碑，這兩塊石碑上蓋的石印是一樣的。

在過(guò)去，想要將石印和印痕匹配起來(lái)困難重重，因?yàn)樵S多石印儲(chǔ)存在數(shù)千英里之外的地方。達(dá)爾預(yù)計(jì)，五年內(nèi)可以將所有的印章進(jìn)行數(shù)字化處理，這樣就可以追蹤其他方面的信息。比如說(shuō)，有跡象表明，某種石頭更受到女性的青睞。

達(dá)爾說(shuō)：“要得出這種結(jié)論必須擁有大量經(jīng)過(guò)處理的石印圖像，并運(yùn)用算法和機(jī)器學(xué)習(xí)等技術(shù)?！彼Ｍ斯ぶ悄艿陌l(fā)展能幫助探索世界各地收藏品中蘊(yùn)藏的豐富信息。

“亞述研究涵蓋了人類歷史的一半，是一種瀕臨滅絕的文化遺產(chǎn)。我希望亞述學(xué)能走在這方面的前沿。”

破譯古人的語(yǔ)言

成像技術(shù)也改變了對(duì)于未破譯文本的研究。對(duì)于數(shù)量少、具創(chuàng)造性文本的破譯，人類往往比機(jī)器做得更好，人類有著對(duì)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(hào)并不是線性排布的，而是簡(jiǎn)單地與畫在周圍的方框排在一起。原始埃蘭語(yǔ)是三維立體的，一個(gè)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(xì)節(jié)，加快了破譯進(jìn)程。

一直致力于破譯神秘文本的達(dá)爾說(shuō)：“獲得正確的圖像是問(wèn)題的核心。原始埃蘭語(yǔ)研究缺乏的正是這個(gè)?！?/p>

這些進(jìn)步已經(jīng)超越了亞述學(xué)領(lǐng)域。劍橋大學(xué)高級(jí)研究員斯蒂爾是研究古克里特和希臘早期文字系統(tǒng)的專家。其中包括“線形文字A”(一種未破譯的文字)和“線形文字B”(一種古代希臘語(yǔ)的書寫形式)。

歸功于成熟的成像技術(shù)，古代石碑上的文字被很好第呈現(xiàn)，斯蒂爾才在其中發(fā)現(xiàn)了新的細(xì)節(jié)。

她說(shuō)：“你可以辨認(rèn)出肉眼很難辨認(rèn)的特征。這些特征通常與撰寫文本的人與文本交互的方式相對(duì)應(yīng)。例如，對(duì)于線性B，你可以分辨出更改的痕跡。有時(shí)你可以判斷出撰寫這份文件的人是什么時(shí)候想出來(lái)了什么，然后又在上面寫了什么?！?/p>

佩龍希望機(jī)器最終能夠翻譯更復(fù)雜的蘇美爾語(yǔ)石碑和其他語(yǔ)言，比如阿卡德語(yǔ)。她說(shuō)：“關(guān)于古代文化，還有很多東西有待發(fā)現(xiàn)?！?/p>

也許有一天，我們將能夠閱讀所有古老文字的翻譯版本，盡管當(dāng)我們?nèi)ナ罆r(shí)，美索不達(dá)米亞的許多未解之謎還未解開，尤其是現(xiàn)在許多缺失的楔形文字碎片仍深埋地下，等待挖掘。

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

在某種程度上，他們的愿望已經(jīng)實(shí)現(xiàn)。他們的經(jīng)歷過(guò)的戰(zhàn)爭(zhēng)和征服可能已經(jīng)被大多數(shù)人遺忘，但是他們最強(qiáng)大的發(fā)明——文字——在過(guò)去的幾千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(xùn)練機(jī)器從過(guò)去中學(xué)習(xí)。