讓沉默三千年的甲骨開(kāi)口：首個(gè)模仿人類專家工作流的輔助釋讀系統(tǒng)

新智元報(bào)道

一片龜甲或牛肩胛骨擺在案頭，裂紋穿過(guò)刻辭，幾個(gè)字還缺了筆畫。

研究者想確認(rèn)其中一個(gè)生字，往往要翻檢成百上千張拓片，比對(duì)青銅器銘文、戰(zhàn)國(guó)文字和小篆的形體，再到古籍與現(xiàn)代論文里尋找用例。證據(jù)散在不同年代、不同載體和不同數(shù)據(jù)庫(kù)中，一輪查證可能持續(xù)數(shù)日。

近日，來(lái)自華中科技大學(xué)等聯(lián)合團(tuán)隊(duì)推出首個(gè)模擬專家釋讀流程的人工智能系統(tǒng)AlphaOracle，以輔助專家完成繁雜的甲骨文破譯工作。

論文鏈接：https://doi.org/10.1016/j.xinn.2026.101462

補(bǔ)充材料：https://arxiv.org/abs/2607.17849

代碼網(wǎng)址：https://github.com/Yuliang-Liu/AlphaOracle

Demo鏈接：http://vlrlabmonkey.xyz:7685/?lan=zh

AlphaOracle先考察甲骨字形在歷史上的演變軌跡，隨后回到完整辭例和同類卜辭中，結(jié)合上下文進(jìn)行檢驗(yàn)，最后查閱古籍與研究文獻(xiàn)加以佐證，形成完整的證據(jù)鏈條。

AlphaOracle的每一步釋讀分析均附有出處、候選答案和置信度，方便專家逐條復(fù)核，提供便捷、高效且可靠的智能輔助。論文已被《The Innovation》接收。

研究背景

甲骨文把商王朝的戰(zhàn)爭(zhēng)、農(nóng)事、疾病、祭祀、天象和日常決策留在了三千多年前的骨片上。已發(fā)現(xiàn)的甲骨碎片超過(guò)15萬(wàn)片，至少包含4500個(gè)不同字形，得到較可靠釋讀的約有1500個(gè)。

余下約3000多個(gè)字像一扇尚未推開(kāi)的門，門后藏著早期漢語(yǔ)的詞義、地名、族名，也藏著商代社會(huì)運(yùn)行的細(xì)節(jié)。甲骨文的釋讀，讓三千多年前祖先的語(yǔ)言、觀念與社會(huì)生活重新變得清晰可見(jiàn)，也使中華文明綿延不絕的歷史脈絡(luò)變得生動(dòng)而璀璨。

甲骨文記錄著商代社會(huì)的生活圖景，是中華民族珍貴的文化瑰寶，也是探尋中華文明源流的重要依據(jù)。

然而，甲骨文破譯與釋讀的過(guò)程困難且繁瑣。專家釋讀未破譯文字時(shí)，通常會(huì)分析文字的歷史異體形態(tài)，從海量參考語(yǔ)料庫(kù)中檢索語(yǔ)境與文本對(duì)證材料，并結(jié)合多條銘文與傳世文獻(xiàn)對(duì)相關(guān)假說(shuō)進(jìn)行驗(yàn)證。這一過(guò)程既要求研究者具備廣博的知識(shí)積累與豐富的研究經(jīng)驗(yàn)，也需要他們長(zhǎng)期收集、整理并反復(fù)比對(duì)大量文獻(xiàn)資料。

依靠專家獨(dú)立開(kāi)展的相關(guān)研究雖取得諸多重要成果，但該模式耗費(fèi)大量時(shí)間和人力，且相關(guān)評(píng)估過(guò)程往往依賴專家主觀判斷，高度依靠研究者個(gè)人學(xué)識(shí)，不易達(dá)成一致結(jié)論，難以規(guī)模化推進(jìn)。

人工智能技術(shù)的迅速發(fā)展為輔助專家釋讀古文字帶來(lái)了全新可能。以往的研究工作通常依據(jù)甲骨文字的孤立字形預(yù)測(cè)其對(duì)應(yīng)的現(xiàn)代漢字。

然而，這類方法基本僅依托視覺(jué)信息，很少結(jié)合文本語(yǔ)境用法與傳世文獻(xiàn)進(jìn)行交叉佐證。因此，盡管部分輸出結(jié)果在字形層面看似合理，但卻缺少語(yǔ)言學(xué)與史料層面的論證依據(jù)，能夠給予專家的幫助十分有限。

這些挑戰(zhàn)表明，亟需構(gòu)建能夠貫通破譯各階段、模擬專家推理過(guò)程的計(jì)算框架，并將其擴(kuò)展于大規(guī)模語(yǔ)料分析，使相關(guān)推論建立在全面且可核查的證據(jù)基礎(chǔ)之上。

工作亮點(diǎn)

團(tuán)隊(duì)提出首個(gè)完整模擬專家釋讀流程的人工智能系統(tǒng)AlphaOracle，將難以規(guī)模化、依賴個(gè)人經(jīng)驗(yàn)的古文字考釋流程，部分轉(zhuǎn)化為可復(fù)核、可重復(fù)、可協(xié)作的計(jì)算框架。

AlphaOracle整合了大規(guī)模甲骨拓片、摹本、傳世典籍和兩萬(wàn)余篇相關(guān)研究，分析過(guò)程中產(chǎn)生的候選結(jié)果和證據(jù)來(lái)源都會(huì)被完整保留下來(lái)，最終匯集成一份可溯源和核查的輔助考釋報(bào)告，可供專家逐項(xiàng)檢驗(yàn)和討論。

幫助學(xué)者從分散龐雜的材料中快速發(fā)現(xiàn)線索、匯集證據(jù)并比較不同解釋，這一技術(shù)思路讓人工智有潛力進(jìn)入古文字研究的核心環(huán)節(jié)。

在86名領(lǐng)域?qū)＜液筒┦垦芯空邊⑴c的評(píng)估中，78.7%的參與者給予AlphaOracle較高評(píng)價(jià)，并認(rèn)為其平均可節(jié)省約64%的分析時(shí)間。

研究方法

AlphaOracle沿著專家開(kāi)展真實(shí)考釋的思路，將甲骨拓片解析、字形演變分析、辭例檢索與語(yǔ)境判斷、傳世文獻(xiàn)和現(xiàn)代研究核驗(yàn)依次串聯(lián)起來(lái)。

系統(tǒng)先從整字演變、部件構(gòu)形和跨時(shí)代字形關(guān)系中提出多個(gè)候選釋讀，再到大規(guī)模甲骨材料中考察這些候選在不同卜辭中的分布和用法，最后從古代典籍與現(xiàn)代學(xué)術(shù)研究中尋找進(jìn)一步的支持或質(zhì)疑，形成完整的證據(jù)鏈。

AlphaOracle釋讀流程：先解析拓片，再依次完成形態(tài)分析、語(yǔ)境對(duì)齊和文獻(xiàn)校驗(yàn)，最終形成可供專家核查的證據(jù)報(bào)告。

第一步：拓片解析

輸入一張?jiān)技坠俏耐仄螅到y(tǒng)先完成字符檢測(cè)、分類和句子重建。檢測(cè)模型首先定位每個(gè)甲骨文字符，并通過(guò)一個(gè)分類器辨認(rèn)已釋字，并把仍有爭(zhēng)議的未釋字交給后續(xù)模塊。

接著，系統(tǒng)把每一個(gè)字符看作節(jié)點(diǎn)，利用圖神經(jīng)網(wǎng)絡(luò)并結(jié)合空間信息，同時(shí)判斷句子的起點(diǎn)、終點(diǎn)和字符之間的連接關(guān)系，再據(jù)此恢復(fù)閱讀順序。最終拓片解析模型將甲骨拓片拆分為若干個(gè)帶有閱讀順序、具備初步字符識(shí)別結(jié)果的獨(dú)立語(yǔ)句。

第二步：形態(tài)分析

有了清晰的單字圖像和讀序，系統(tǒng)開(kāi)始從歷時(shí)演變與內(nèi)部結(jié)構(gòu)兩個(gè)方向?yàn)槲瘁屪痔岢隹赡艿娜舾蓚€(gè)破譯假設(shè)。

字形演變網(wǎng)絡(luò)利用擴(kuò)散模型模擬古代字形向后世形體的變化，并對(duì)多次生成結(jié)果進(jìn)行識(shí)別和匯總；

部件演變網(wǎng)絡(luò)拆解甲骨字形中的構(gòu)件，并將其映射為漢字的IDS序列，根據(jù)部件的組合推測(cè)對(duì)應(yīng)的漢字；

歷史時(shí)期演變網(wǎng)絡(luò)則把甲骨文、金文、戰(zhàn)國(guó)文字、小篆和隸書等階段放在同一條時(shí)間線上比較相似程度。

三個(gè)專家模型各自給出候選及概率，系統(tǒng)按照模型的可信程度加權(quán)，判斷該字是否已有公認(rèn)釋讀，再為未釋字保留多個(gè)可能的破譯答案和相應(yīng)置信度。

第三步：語(yǔ)境對(duì)齊

形態(tài)分析給出的破譯假設(shè)還要放回語(yǔ)句上下文中檢驗(yàn)，并從其他相關(guān)拓片中尋找相似案例。

系統(tǒng)先從《甲骨文合集》、《甲骨文摹本大系》和《甲骨文校釋總集》等數(shù)字化資料中依據(jù)圖像信息和文本信息檢索目標(biāo)字符的全部已知用例，再用面向甲骨文訓(xùn)練的掩碼語(yǔ)言模型分析前后搭配。

訓(xùn)練時(shí)，模型學(xué)習(xí)根據(jù)已知甲骨上下文補(bǔ)回被遮住的字；推理時(shí)，它一方面重新排列形態(tài)模塊給出的多個(gè)候選，判斷哪個(gè)放進(jìn)句子最通順，另一方面獨(dú)立提出語(yǔ)義候選。

語(yǔ)境對(duì)齊還包含一個(gè)解釋模型，經(jīng)過(guò)監(jiān)督微調(diào)和基于反饋的強(qiáng)化學(xué)習(xí)，用來(lái)匯總同一字在不同卜辭中的用法，并生成便于研究者核查的現(xiàn)代漢語(yǔ)說(shuō)明。

第四步：文獻(xiàn)佐證

經(jīng)過(guò)字形與語(yǔ)境篩選的破譯候選，隨后將使用傳世文獻(xiàn)和現(xiàn)代研究論文進(jìn)行進(jìn)一步佐證。

系統(tǒng)所用資料包括25部古代傳世文獻(xiàn)和23,755篇權(quán)威現(xiàn)代研究，涵蓋《說(shuō)文解字》、先秦兩漢典籍以及《古文字詁林》《甲骨文詁林》《甲骨文字林》等專業(yè)著作。

檢索時(shí)，它會(huì)把異體字和近義詞一并納入查詢，同時(shí)從文字語(yǔ)義和字形圖像兩條途徑尋找相關(guān)材料。

不同文獻(xiàn)的相關(guān)程度、資料權(quán)威性、文獻(xiàn)類型和時(shí)代早晚都會(huì)影響證據(jù)權(quán)重，每條材料都保留書目信息和檢索理由，便于研究者追查原文。

最后生成的綜合報(bào)告依次呈現(xiàn)字形依據(jù)、語(yǔ)境用例和文獻(xiàn)證據(jù)，指出當(dāng)前支持度最高的讀法及其可信度，也明確保留尚未解決的分歧。

總的來(lái)說(shuō)，AlphaOracle會(huì)自己提出假設(shè)，并針對(duì)每一個(gè)假設(shè)收集相關(guān)證據(jù)，然后呈現(xiàn)給研究者。

整個(gè)過(guò)程系統(tǒng)只做少量必要的判斷，但并不替代專家作出最終判斷，其核心作用在于幫助研究者更高效地發(fā)現(xiàn)線索、核查證據(jù)和比較不同解釋，并將最終的裁決權(quán)留給研究者。

實(shí)驗(yàn)結(jié)果與專家評(píng)估

甲骨文釋讀缺少公認(rèn)的統(tǒng)一基準(zhǔn)，因此論文把大問(wèn)題拆成幾個(gè)可測(cè)任務(wù)，并從組件性能和專家使用價(jià)值兩方面評(píng)估AlphaOracle。

在字形分析實(shí)驗(yàn)中，研究團(tuán)隊(duì)采用「模擬未釋字」設(shè)置，將88個(gè)訓(xùn)練階段從未出現(xiàn)的已知字類作為測(cè)試集，AlphaOracle的Top-1準(zhǔn)確率達(dá)到23.1%。

在語(yǔ)境分析中，系統(tǒng)從殘缺卜辭中恢復(fù)被遮蔽文字的準(zhǔn)確率為56.1%，并能以95.2%的準(zhǔn)確率從字形分析給出的候選結(jié)果中選出更符合上下文的釋讀，分別高于最佳通用大模型基線的22.2%和65.4%。

在以現(xiàn)代漢語(yǔ)釋義作為代理任務(wù)的綜合解釋評(píng)測(cè)中，AlphaOracle的BLEU、ROUGE和METEOR分別達(dá)到0.491、0.586和0.659。

需要說(shuō)明的是，GPT-5、Gemini 2.5 Pro和DeepSeek等通用模型在論文中采用零樣本設(shè)置，未接受甲骨文領(lǐng)域數(shù)據(jù)微調(diào)。因此相關(guān)結(jié)果說(shuō)明專門語(yǔ)料與領(lǐng)域化流程對(duì)于該任務(wù)的重要性。

人類專家評(píng)估的具體調(diào)查結(jié)果

在專家實(shí)際使用評(píng)估中，86名來(lái)自甲骨文、人工智能及相關(guān)領(lǐng)域的專家和博士研究者匿名參與了系統(tǒng)評(píng)估。

其中78.7%的參與者認(rèn)為系統(tǒng)「有幫助」或「非常有幫助」，并估計(jì)平均可節(jié)省64%的分析時(shí)間。在滿分為5分的模塊化評(píng)估中，拓片解析、字形分析、語(yǔ)境對(duì)齊和文獻(xiàn)依據(jù)檢索四個(gè)部分的平均得分分別為4.20、4.44、4.38和4.01。

文獻(xiàn)檢索環(huán)節(jié)隨機(jī)抽取42個(gè)甲骨文字進(jìn)行人工檢查，命中率為90.2%，準(zhǔn)確率為74.8%。這意味著系統(tǒng)會(huì)將大部分有價(jià)值的材料呈現(xiàn)出來(lái)，但其中仍會(huì)夾雜需要專家排除的文獻(xiàn)資料。

對(duì)研究者而言，這減少了文獻(xiàn)的翻檢成本，而把節(jié)省時(shí)間更多留給證據(jù)的判斷上。

論文還組織了一場(chǎng)盲評(píng)「人類競(jìng)技場(chǎng)」，由來(lái)自故宮博物館、上海博物館、中國(guó)社會(huì)科學(xué)院、清華大學(xué)、復(fù)旦大學(xué)、南京大學(xué)、吉林大學(xué)、鄭州大學(xué)、河南大學(xué)、河南師范大學(xué)、首都師范大學(xué)、西南大學(xué)、中國(guó)海洋大學(xué)、甲骨文信息處理教育部重點(diǎn)實(shí)驗(yàn)室、及韓國(guó)、日本、美國(guó)相關(guān)學(xué)術(shù)團(tuán)體的資深甲骨學(xué)者對(duì)上下文解釋任務(wù)完成210次盲測(cè)。

結(jié)果顯示AlphaOracle獲得45.2%的最高偏好率，DeepSeek為34.8%，Gemini 2.5 Pro為12.9%，GPT-5為7.1%。

對(duì)疑難字的具體釋讀

AlphaOracle針對(duì)「屯南307」拓片中，長(zhǎng)期存在爭(zhēng)議的甲骨文

（早期研究常把它釋作「卒」），綜合字形、辭例和文獻(xiàn)材料，將其解釋為「勞」的異體字，為其作為地名或族名的解釋補(bǔ)充了證據(jù)。

此外，論文還報(bào)告了22個(gè)有爭(zhēng)議異體字的消歧結(jié)果，部分分析已進(jìn)入甲骨文權(quán)威學(xué)術(shù)數(shù)據(jù)庫(kù)，展現(xiàn)出人工智能輔助專家高效考察爭(zhēng)議文字、推進(jìn)學(xué)術(shù)討論的潛力。

總結(jié)

AlphaOracle通過(guò)模擬人類專家的研究方式，將甲骨文字形演變、辭例分布與文獻(xiàn)材料被放進(jìn)同一條證據(jù)鏈中，幫助研究者發(fā)現(xiàn)線索、尋找文獻(xiàn)、核對(duì)材料，提高了甲骨文釋讀的效率。

同時(shí)，它為計(jì)算古文字研究打開(kāi)了一條更接近真實(shí)實(shí)踐的路徑，機(jī)器不該只是端到端地、沒(méi)有依據(jù)地給出一個(gè)最終答案，而是應(yīng)該在研究者進(jìn)行的每一步工作流程中提供可靠的證據(jù)輔助。

這樣的思路同樣可以延伸到其他古文字領(lǐng)域，為分散而龐雜的古文字研究建立更系統(tǒng)的AI輔助整理與研究方式。

古文字研究終究離不開(kāi)人的判斷。機(jī)器擅長(zhǎng)從海量材料中迅速提出假設(shè)、完成檢索、進(jìn)行比對(duì)與歸納，學(xué)者則負(fù)責(zé)辨別證據(jù)的輕重、把握最終的決策。

未來(lái)更值得期待的，正是這樣一種彼此配合的研究圖景，人工智能拓展材料搜索的廣度，人的學(xué)識(shí)守住學(xué)術(shù)判斷的深度，讓更多沉睡在甲骨與古文字中的歷史信息被重新看見(jiàn)。

參考資料：

https://doi.org/10.1016/j.xinn.2026.101462

編輯：LRST