廈大嘗試AI大模型破譯甲骨文

近日，廈門大學信息學院自然語言處理實驗室教授史曉東團隊申報的“基于甲骨文多模態大模型的多元信息甲骨文輔助考釋模型”入選“探元計劃2024”“創新探索型項目”TOP10榜單。

基于甲骨文多模態大模型的多元信息甲骨文輔助考釋模型。廈門大學供圖

甲骨文也被稱作“殷墟文字”，距今已有三千多年歷史，是世界四大古文字之一，是現代漢字的根脈。傳統的甲骨文字考釋工作極其耗時費力，依托于專家進行人工釋讀，多采用字形分析、辭例研究等方法，需要考古專家以深厚的知識積累和大量的文獻閱讀為基礎，結合多方面的知識去破譯甲骨字，已經難以為繼。近年來AI技術迅猛發展，利用深度學習模型超強語義表示能力來實現甲骨文的輔助考釋，優勢已經嶄露頭角。

團隊研究人員針對甲骨文數據稀缺、圖像質量參差不齊的現狀，系統整理相關古文字數據，構建更大規模、更高質量的甲骨文多模態數據集，提出了“基于甲骨文多模態大模型的多元信息輔助考釋模型”的技術方案。

項目將設計一系列與實際考釋過程密切相關的任務和評估方法，如跨字體圖像映射、跨字體IDS（表達結構的部首偏旁序列）解碼和甲骨字現代字對譯關系等，以有效訓練多模態大模型。利用其強大的跨模態理解能力，輔助甲骨文考釋。在大模型提供的語義嵌入基礎上，本項目還將設計融合音、形、義、用多元信息的端到端甲骨文綜合考釋模型，綜合利用字形結構、語義關聯、同音通假和用法聚類分析，開發一種更加輕量的考釋系統，以適應資源有限的實際考釋場景。

據悉，“探元計劃2024”是由國家文物局科技教育司指導，中國文物信息咨詢中心（國家文物局數據中心）、騰訊SSV數字文化實驗室、騰訊研究院、社會價值投資聯盟（深圳）與中國文物報、紫荊雜志社聯合發起。廈門大學信息學院教授史曉東為“基于甲骨文多模態大模型的多元信息甲骨文輔助考釋模型”項目的團隊負責人。