冷门不冷 绝学不绝 | 甲骨学研究的智能化演进

《甲骨补合集》 作者\供图

当下，人文研究各领域正逐步与人工智能技术相结合。作为中国已发现最古老的汉字体系，甲骨文长期以来是冷门绝学的重要代表。然而，甲骨学界历来重视新科技的应用，其智能化进程起步较早，目前正稳步推进智能化研究向纵深发展。

随着甲骨文献数字化建设日益完善，智能化已逐步成为推动甲骨学发展的重要趋势，并呈现出三个阶段性特征：从现有成果来看，人工智能作为研究工具已展现出显著效能，此为第一阶段；通过与传统专家知识的任务互动，人工智能正逐步发展为学术研究的重要助手，此为第二阶段；若进一步弥补现有局限，提升多模态综合处理能力，人工智能将以合作伙伴的身份成为未来甲骨学研究的关键形态，这将是第三阶段。这一发展路径日益清晰，并将在更多实践中得到充实与拓展。

助推研究提速的智能工具。计算机是人工智能的载体，将计算机作为核心研究工具引入甲骨学研究，是伴随甲骨材料逐步数字化发展而来的。早期甲骨学研究仅依托纸质文献开展，随着甲骨文图像数字化推进与各类甲骨文数据库陆续建成，计算机逐渐成为最重要的研究工具，资料整理、数据检索、论文撰写、成果传播和知识存储均已以计算机为主要依托，成为覆盖研究全流程的重要支撑。

随着人工智能浪潮的兴起，计算机的工具效能得到进一步拓展，持续催生出以往不具备的新型研究工具。从数字化向智能化的转变，直接表现为工具能力的扩展，这是一个渐进的过程。在此阶段，愈发智能化的计算机显著提升了甲骨学者完成既有整理任务的效率，并产生了如下多项具有实际应用价值的成果。

计算机辅助智能化缀合。甲骨大多残损破碎，需经缀合方可复原并用于研究。传统缀合工作完全由专家独立完成，需耗费大量时间。而“缀多多”“知微缀”等智能化缀合工具的出现，大幅减少了专家的时间投入。部分缀合成果直接促进了研究的深入。例如，一则商代日食材料正是通过智能缀合得以揭示，从而加深了人们对商代天文知识的认识。

甲骨图像智能化校重。甲骨存世总量超过16万片，受流转过程影响，衍生图像数量成倍增长，梳理甲骨与图像的对应关系，核心在于完成校重工作。“校重助手”“智寻原档”等智能校重工具出现后，校重工作可交由机器完成。过去数年才能完成的工作，现在机器一周就能完成。除上述智能工具外，在甲骨文字的检测、识别、提取、字体辨识等领域，也涌现出新型智能工具，相关工作可以不再完全依赖人工完成；随着领域知识库与智能体的不断接入，该工具库仍在持续扩充，大幅提升了整体研究效率。这类成果本质上是依托计算机的计算能力优势，基于新型智能算法拓展了研究任务的边界，实现了诸多新功能。

从智能工具到智能助手。人工智能作为一种“智能”形态，不能仅停留在简单的工具层面，否则与学界对人工智能的期望定然存在差距。随着人工智能可参与的甲骨文研究内容不断增加，其逐步向研究助手转变的趋势愈发明显。它不仅可执行预先设定的任务，还能在研究过程中产出反馈信息；依托这些反馈，可深化对相关学术问题的认识，推动知识更新，在人机交互中实现模型迭代与知识迭代的联动。下面以我们近期完成的甲骨文同文卜辞智能整理为例，阐述这一深刻转变。

甲骨文同文卜辞指商人针对同一事件多次占卜后留存的多份文本“备份”。将这些备份全部检出归类整理，对充分认识与利用甲骨文具有极高的价值。以往这项工作完全依靠研究者人工记忆零散开展，在人工智能的协助下，则可实现系统全面的整理。但是要让人工智能做好该项工作，需向机器明确界定“同文”的概念。以往研究者对同文提出了多种不同定义，若定义满足充分且必要条件，计算机便易于掌握并可实现智能化复现。但通过与智能工具的交互可见，既有定义均存在不完备之处：部分定义不够精确，部分定义不够完整，导致智能化处理结果始终存在遗漏。

通过与智能工具的持续交互，一方面推动同文卜辞筛查模型不断迭代升级，发现了一批新的同文卜辞；另一方面也促使学界对同文卜辞的定义形成更为深刻精准的认知，构建了更为细致周密的类型体系。例如，区分了理论层面完善的同文定义与实际操作层面可行的同文定义，区分了语言相同的同文卜辞与语言相似的同文卜辞，还区分了语言层面相同的同文卜辞与文字层面相同的同文卜辞。上述区分均来自智能模型的持续反馈，这种反馈又进一步推动了我们对同文卜辞形成机制的深入思考，令学界对同文之“同”的认知愈发清晰，挖掘出在载体、卜法、语言层面呈现的多种同文关系。

在过往的甲骨文字体分类、甲骨缀合等智能化研究中亦可发现，人工智能不仅协助人类专家完成了既定任务，更在任务推进过程中拓展了学界对研究问题多维度的认知。例如，依托人工智能的字体分类实践，可更好地辨析字体中字形与书体因素的差异；依托人工智能的缀合实践，可发现边缘无残字残辞的甲骨仍存在较大的缀合空间。我们认为，这类认知层面的收获比完成既定目标任务更具意义。在此过程中，人工智能并非仅承担工具职能，而是发挥了研究助手的作用，推动了整个工作流程的优化与进步，而非仅在单个环节发挥工具作用。

从根本而言，人工智能的助手角色源于其与人类智能的差异。计算机在计算速度、存储容量等诸多方面优于人类，现有相关算法正是基于上述优势设计而成。关注人工智能算法与专家研究流程的差异，学界获得了诸多新认知，此类差异为研究带来了不同维度的视角，促使学界基于结果差异追索差异所带来的新认知。随着人工智能在甲骨学更多领域实现深度赋能，这种技术实践反向驱动认知重构的模式也将释放更大潜能，持续推动甲骨学的深入发展。

从智能助手到研究伙伴。智能助手虽可在部分领域为甲骨学研究提供支持，但文字考释、商史探研等核心问题的解决，尚需能够开展全方位研究的智能伙伴。当前，智能体已可在某些学科独立完成一些任务，甲骨学研究领域是否会形成此类人工智能型伙伴，仍待进一步探索。现有人工智能在甲骨学部分问题研究中仍存在短板，对复杂问题的处理尚不全面，因此还难以成为合格的研究伙伴。从助手升级为伙伴，仍需解决一些核心问题。

首先，各类单项问题的处理能力需达到人类专家水平。以甲骨文字识别为例，目前尚无模型能够真正接近人类专家的水平，尤其是少样本文字的识别仍存在较大困难；若进一步纳入图像噪声、字体类型辨析等复杂因素，现有模型难以满足研究级的需要。

其次，需全方位解决甲骨文研究面临的各类问题。当前虽已有多种独立模型从不同维度辅助甲骨文研究，但甲骨文研究涉及范围极广，仍有诸多重要问题尚未被人工智能覆盖。例如，甲骨学研究的核心目标之一是精准把握卜辞内在的语义。传统研究主要依托学者长期积累的“语感”确立语义认知，而人工智能受限于共时语料的稀缺，以及甲骨语料本身的程式化特征，暂无法完全习得这种“语感”，目前还缺乏甲骨文语言模型。

最后，需构建多模态模型的一体化问题解决机制。甲骨文兼具图像与语言属性，因此甲骨文的多数问题均是图像与语言双模态的综合问题，有时还涉及历史知识等内容。所以，如何整合各类智能助手，协同解决问题，是实现人工智能从助手向研究伙伴转变的核心问题。

当这些核心问题逐步得到解决后，人工智能将真正突破助手定位，成长为能够与人类学者协同开展研究的可靠伙伴。人类学者可将基础整理、材料筛查、初步分析等工作交由人工智能完成，自身则聚焦于核心问题的理论建构与价值阐释，实现人机优势互补。人工智能发挥计算存储能力强、处理流程标准化的优势，解决重复性、规模化的研究任务；人类学者依托长期积累的学术感悟与跨领域知识整合能力，把握研究方向、回应核心学术问题，二者形成稳定的协作关系，共同推进甲骨学研究向纵深发展。

从工具到助手再到伙伴，人工智能介入甲骨学研究的过程呈现出由点到线再到面的演进特征，这也许还代表了交叉研究发展的一种普遍样貌。从人机协作的角度来看，若要充分发挥人工智能的研究伙伴作用，不能仅停留在应用其产出成果的阶段，而需对其运行过程形成深入理解与细致体察，在研究中发掘新问题，这应是智能化甲骨学研究值得深化发展的方向。

作者系首都师范大学甲骨文研究中心、古文字与中华文明传承发展工程协同攻关创新平台教授；首都师范大学甲骨文研究中心博士研究生

来源 ： 中国社会科学报

责任编辑： 张云华

新媒体编辑：宗悦

如需交流可联系我们