近年來，深度學習作為機器學習的一個分支
，在考古學中迅速普及應用，使得考古工作的效率得到提升。除了用於發現考古遺跡，預測
、翻譯古文字，人工智能還參與了部分文物的修複過程。

◎本報記者 翟冬冬

人工智能繼續探索新領域，這次是考古。

近日，來自美國賓夕法尼亞州立大學、澳大利大悉尼大學等4所研究機構的研究人員，在著名考古學期刊《考古學雜誌》上發表的研究成果展現了深度學習算法在發現古人類遺跡方麵的潛力。

該成果顯示，利用深度學習算法，研究人員在美國東南部發現了多處距今3000—5000年前的美洲原住民生存遺跡——貝環（shell ring），該遺跡的發現將有助於進一步了解美國原住民的社會經濟結構。

解決樣本稀少問題

貝環是由動物骨骸、植物、軟體動物殼
、陶瓷碎片等堆積而成的一個環形結構
，它們通常位於富含豐富貝類的河口附近。貝環中夾雜的貝殼﹑各種食物的殘渣以及石器﹑陶tao器qi等deng文wen化hua遺yi物wu

，對dui於yu了le解jie當dang時shi的de自zi然ran環huan境jing和he社she會hui環huan境jing有you很hen大da幫bang助zhu。此ci次ci研yan究jiu主zhu要yao以yi美mei國guo東dong南nan部bu的de貝bei環huan為wei研yan究jiu對dui象xiang，其qi貝bei環huan主zhu要yao由you動dong物wu和he花hua卉hui等deng沉chen積ji物wu組zu成cheng。

jinguanbeihuanduiyulejieshiqianrenleishehuifazhanshifenzhongyao，danyaofaxiantaquefeiyishi。zhuyaoshiyinweizhexiebeihuantongchangfenbuzaimimimamadeyanhaisenlinzhong
，jiaotongbubiannanyijiejin，ruguobeifaxianyechangshiyinweiyixietuchudebiaozhiwu。jumeiguoguojiakaogushujukujizai，muqianzaimeiguodongnanbuyuefenbuyou50個貝環遺跡。但因其分布零散
、發現困難
，此前對貝環的分布範圍未有係統統計。

近jin年nian來lai
，深shen度du學xue習xi作zuo為wei機ji器qi學xue習xi的de一yi個ge分fen支zhi
，在zai考kao古gu學xue中zhong迅xun速su普pu及ji應ying用yong，使shi得de考kao古gu工gong作zuo的de效xiao率lv得de到dao提ti升sheng。盡jin管guan越yue來lai越yue受shou歡huan迎ying
，但dan也ye有you學xue者zhe質zhi疑yi其qi實shi用yong性xing：需要大量的訓練數據、高(gao)性(xing)能(neng)的(de)算(suan)力(li)以(yi)及(ji)對(dui)於(yu)開(kai)發(fa)者(zhe)專(zhuan)業(ye)知(zhi)識(shi)的(de)要(yao)求(qiu)都(dou)讓(rang)人(ren)工(gong)智(zhi)能(neng)在(zai)考(kao)古(gu)領(ling)域(yu)的(de)應(ying)用(yong)受(shou)到(dao)限(xian)製(zhi)。而(er)貝(bei)環(huan)作(zuo)為(wei)一(yi)種(zhong)史(shi)前(qian)人(ren)類(lei)遺(yi)跡(ji)，其(qi)數(shu)量(liang)稀(xi)少(shao)，無(wu)法(fa)滿(man)足(zu)深(shen)度(du)學(xue)習(xi)需(xu)要(yao)大(da)量(liang)訓(xun)練(lian)樣(yang)本(ben)的(de)需(xu)求(qiu)。

duici，yanjiurenyuanshiyongleqianyixuexisuanfajiejuelezheyinanti，bingliyongsuanfafaxianleduochubeihuan，tongshiduimeiguodongnanbugudaibeihuanjianzaohuodongdedilifanweijinxinglexitongpinggu。

早已應用於考古領域

除了用於發現考古遺跡，人工智能在考古工作的其他領域也有應用。

在近日發表的一篇論文中，人工智能成功地預測了楔形文字版上缺失的段落
，這意味著4500年前的文獻，現在可以閱讀了。

論文中寫道，來自“公元前2500年至公元100年的10000塊楔形文字版”的腳本被輸入到人工智能程序中。這個被稱為“巴比倫引擎”的人工智能模型成功地預測了一係列缺失的單詞、短語和句子
，準確率達到90%。

此(ci)前(qian)，美(mei)國(guo)麻(ma)省(sheng)理(li)工(gong)學(xue)院(yuan)和(he)穀(gu)歌(ge)人(ren)工(gong)智(zhi)能(neng)實(shi)驗(yan)室(shi)的(de)研(yan)究(jiu)人(ren)員(yuan)也(ye)提(ti)出(chu)了(le)一(yi)種(zhong)自(zi)動(dong)破(po)譯(yi)失(shi)傳(chuan)文(wen)字(zi)的(de)神(shen)經(jing)網(wang)絡(luo)算(suan)法(fa)。這(zhe)一(yi)算(suan)法(fa)首(shou)次(ci)實(shi)現(xian)了(le)古(gu)希(xi)臘(la)邁(mai)錫(xi)尼(ni)文(wen)明(ming)時(shi)期(qi)“線形文字B”的自動翻譯，準確地把67.3%的“線形文字B”同源詞翻譯成了希臘語。

除了預測、翻譯古文字
，人工智能還參與了部分文物的修複過程。由於古文物年代久遠，剛剛出土的文物往往磨損嚴重、支離破碎，而文物複原的整個過程耗時長且操作繁瑣，極具挑戰性。

目前，考古學家已經通過人工智能算法分析、重(zhong)現(xian)文(wen)物(wu)殘(can)缺(que)部(bu)分(fen)
，並(bing)通(tong)過(guo)技(ji)術(shu)手(shou)段(duan)使(shi)其(qi)與(yu)原(yuan)物(wu)合(he)二(er)為(wei)一(yi)，完(wan)整(zheng)呈(cheng)現(xian)出(chu)文(wen)物(wu)的(de)原(yuan)始(shi)樣(yang)貌(mao)。這(zhe)一(yi)技(ji)術(shu)在(zai)修(xiu)複(fu)塞(sai)普(pu)洛(luo)斯(si)出(chu)土(tu)的(de)古(gu)代(dai)雕(diao)像(xiang)以(yi)及(ji)拜(bai)占(zhan)庭(ting)時(shi)期(qi)的(de)壁(bi)畫(hua)時(shi)得(de)到(dao)了(le)運(yun)用(yong)。人(ren)工(gong)智(zhi)能(neng)在(zai)考(kao)古(gu)界(jie)的(de)運(yun)用(yong)大(da)大(da)提(ti)高(gao)了(le)考(kao)古(gu)修(xiu)複(fu)的(de)準(zhun)確(que)性(xing)和(he)科(ke)學(xue)性(xing)，省(sheng)時(shi)省(sheng)力(li)。

研究人員在論文網站arXiv上發表文章稱，人工智能除了能幫助考古作業，還能為包括文物修複
、圖像編輯
、生物研究等多個領域帶來諸多便利。

雖然目前學者對於人工智能在考古領域的應用仍有爭議，但上述研究顯示，深度學習在分析複雜、不成結構的考古學遺存及現象上頗有優勢。有研究人員表示，人工智能程序“不是人類專家的替代品”，而是一種輔助工具。未來，人工智能在考古學的研究上將更加著眼於強人工智能領域。