以多模态大模型推动中国古文字研究发展

人工智能技术与古文字研究的结合已经产生了一批有影响的成果,但几乎都是基于单模态模型。单一模态的智能模型在面对复杂的古文字问题时还存在很大的限制,只能在某些方面起到“辅助”作用,难以独立而完整地解决各种实际问题。文字的形、音、义与各种模态存在不同的关联,汉字的表意属性决定了图像模态和文本模态具有同样重要的作用,中国古文字研究与人工智能的结合须走多模态之路。近年来多模态大模型正在飞速发展,以此为契机来综合性地解决古文字检测、识别、复原等问题,有望取得更好的效果,而文字考释等一些过去难以触及的关键问题也能探索出新的解决路径。

AI缀合中的人机耦合

本文结合我们近期的计算机缀合实践,以五组新缀甲骨为例,探讨了AI时代如何利用计算机的优势,并结合专家知识,共同推进古文字研究发展的一些经验。认为AI和专家各有所长,二者需要密切合作,人机耦合是现阶段利用AI技术最为有效的一种方式。

国家图书馆所藏甲骨缀合九组

甲骨卜辞是我国现存最古老的历史文献，从十九世纪末被发现直至今日，已出土的甲骨数量达13万片左右，珍藏于国内外各博物馆、图书馆、研究机构以及私人藏家手中。国家图书馆珍藏甲骨35651片，约占出土总数的埘，是中国国内乃至世界上收藏甲骨最多的公藏单位，对于甲骨研究起着突出的重要作用。

人工智能模拟辞例归纳的初步测试

古文字考释中的辞例归纳法,其实是综合了经验和理性两个方面共同作用的一种词义推定方法。人工智能语言模型现在主要模拟了人类经验主义的方法,并在日常语言处理方面取得了比较好的效果。如果将此类模型运用于古文字领域来模拟辞例归纳,也定会有所助益。我们基于Bert模型,用《四库全书》作为特定语料对模型进行了训练。以《上博简》(1-9)中2103个字为测试对象,模拟专家的部分辞例归纳能力,预测被遮蔽起来的文字。在总数23157的备选字符中,前300预测正确率达到59%,前100预测正确率达到46%,前50预测正确率达到38%,前10预测正确率达到25%,前5预测正确率达到20%。可见,人工智能在古文字领域也具有类似人脑凭借语言经验进行辞例归纳的能力。同时,结果也提示,必须结合理性主义方法,才能实现完整的辞例归纳能力,建立相关的知识库必不可少。

甲骨文处所介词“自”和“从”意义差别的原因

一《尔雅·释诂上》:"从,自也。"《广韵》至韵:"自,从也。"过去通常都认为"自"和"从"的意义十分相近,故可以互训。在甲骨文发现后的一段时间里,对于卜辞中的"自"和"从",学界也多认为表处所介词时二字可以相通^(①)。近来研究则表明,二者作为处所介词时,意义存在明显差别^(②)。甲骨卜辞中,作为处所介词的"自"可以理解为我们现在的表示"始于"意义的"从"^(③)。

无名组甲骨拼合六则

本文共介绍了笔者新拼合的六组甲骨,分别附以图版,阐述缀合理由,并作相关讨论及释文。

从不对称否定看卜辞中“惠”和“惟”的词义差别

“惠”和“惟”是甲骨语法学研究的热点之一(1),“它们在卜辞中都十分常见。若不把它们研究清楚,就很难真正理解卜辞”(2)。纵观“惠”和“惟”的研究历史,所涉内容很多,包括词性、词义多少等等。而最核心的研究题目,无疑是辨析二者的差别。裘锡圭曾指出:“‘惠’和‘惟’应该是一对音、义皆近的虚词,二者的区别究竟在哪里还有待研究(原注:很多古文字学者认为甲骨文“惠”、“惟”用法无别,是不对的)。”(3)

基于深度学习的甲骨文偏旁与合体字的识别研究

由于甲骨文字形结构多样,异体字较多,其识别一直是甲骨文领域研究的重要问题.本文首次提出以甲骨文偏旁为识别的基本构件,建立单偏旁和合体结构的甲骨文字符识别方法,提升甲骨文识别的精度.方法一:根据甲骨文偏旁字形特点,对甲骨文拓片上的合体字进行甲骨文单偏旁最大极值稳定区域的选取,然后,通过改进的BN-LeNet模型识别甲骨文各个偏旁;方法二:针对甲骨文合体字拓片稀缺的问题,本文提出一种直接对甲骨文合体字进行整体识别的OraNet模型,该模型采用迁移学习的训练策略,对在脱机手写汉字HCL2000数据集预训练的卷积神经网络模型进行参数和结构上的微调,实现迁移得到低层表示和甲骨文合体字集上高层表示的特征融合,以此来提取甲骨文合体字的高级特征.实验结果表明,BN-LeNet网络对甲骨文单偏旁识别率为96.24%,微调的OraNet模型对甲骨文合体字识别率为98.58%,从而表明从甲骨文单偏旁的角度进行甲骨文字形识别,可以获得较高的识别精度.同时本文将甲骨文视为偏旁组合而非整字识别,这使得算法能够识别从未见过的甲骨文新字,即零样本学习,对甲骨文研究有着重要的应用意义.

R-UNet++:用于甲骨材质分类的局部分割网络

同材质甲骨残片的缀合工作是甲骨学研究的重要分支,为解决甲骨材质的分类问题,提出以R-UNet++为主的分类框架.R-UNet++继承了UNet++中密集的卷积块链接,并在此基础上引入注意力模块、双线性上采样方法和残差单元的改进策略,在提升网络细粒度分割能力的前提下,有效抑制了多尺度特征融合时产生的噪声响应.在分类框架中,首先通过R-UNet++准确分割类间差异性信息;然后采用ResNet50作为分类网络,对R-UNet++的分割图像进一步提取特征,并实现甲骨材质的分类.在真实的甲骨材质数据集中进行了分割和分类实验,结果表明,R-UNet++不仅可以实现高准确度的分割,而且对比其他多种优秀的分类网络,分类准确度有较高的提升,这充分验证了所提分类框架的可行性和高效性.

甲骨卜辭不同字體共版情況的整理與研究

甲骨卜辭共版材料對殷墟甲骨研究有非常重要的作用。過去學者進行甲骨文斷代研究,其中一項工作就是通過不同貞人共版來將他們繫聯,由此形成了貞人組。共版被認爲是確定甲骨上内容共時的重要證據,陳夢家説:'在同一版甲骨上往往載有若干卜人,他們是同時的人,因此將同時卜人見於不同版的諸種稱謂彙聚起來,可以得到某一時代整個的稱謂系統。關於後者,必須先有一假定:即同一版甲骨上出現的卜人必定是同時代的,就是没有一版甲骨刻着兩個世代的卜辭。

《殷墟花園莊東地甲骨》中新見的“羔”字

1991年10月,中國社會科學院考古研究所在配合安陽當地築路工程進行考古鑽探時,發現了一個堆滿甲骨的長方形灰坑,即編號爲91的花東H3坑。2003年12月《殷墟花園莊東地甲骨》(下文中簡稱《花東》)一書由雲南人民出版社正式出版,該書著録了此坑中有刻辭的甲骨561片,爲學界提供了十分完備的研究材料。花東甲骨的卜問主體爲'子',與以前作爲殷墟甲骨占卜主體的'王卜辭'不同。

《甲骨文合集》前六册中誤置的歷組卜辭

在殷墟甲骨卜辭的研究中,分期與分組、分類整理工作是十分重要的一個方面。作爲中國現代甲骨學領域集大成性質的著録彙編圖書,《甲骨文合集》①基本按照董作賓先生五期的劃分方法進行編排,依據其體例,在前六册中爲收録第一期的甲骨卜辭,若依照分組分類的劃分來看,歷組卜辭應歸入第四期中(第10、11册),而不應納入其中。但由於歷組卜辭與第一期的賓組卜辭在字體風格上有一定的相似性。

释甲骨文中的“潮”字

金文中的"潮"字作■(利簋)、■(乖伯簋)、■(大盂鼎)、■(令方彝)、■(史■簋)、■(陈侯因■敦)等形,表示"朝夕、宗庙"等义。罗振玉指出"(这些字形)从■、■,象百川之接于海,乃潮汐之专字,引申为朝庙字",王国维也认为"本潮汐字,借为朝夕字"^(①)。罗、王的观点无疑是正确的,现在学者也多信从。过去常将甲骨文中作■(《合》33130)、■(《合》23148)、■(《合》29092)等形的"朝"字与上述金文中的"潮"字相联系讨论。

從字體分類看商代卜辭中“十三月置閏制”的源始

殷墟甲骨卜辭中出現的'十三月'是商代年終置閏的體現,也是商代曆法研究中的一個重要問題,因此學者早有討論。羅振玉是最早提出'十三月'是商代閏月的學者,他認爲'卜辭中書十三月者凡四見,殆皆有閏之年也'[1]。這一觀點早已爲學界廣泛接受,成爲商代曆法研究的基本認識。但對於'十三月置閏制'的源起,由於過去甲骨卜辭的分類工作稍欠縝密,恐未完全解決。隨着甲骨卜辭字體分類方法的進步,加之具體卜辭分類實踐工作的展開,我們認爲現在可以通過字體分類來進一步討論這一問題,以獲得新的認識。

利用深度神經網絡進行甲骨文單字識別和檢測的初步測試

我們嘗試利用深度神經網絡來進行甲骨文單字的初步識別和檢測。通過測試我們認爲:一、利用深度神經網絡搭建的分類和檢測模型,可以據字形對甲骨文單字進行識別和檢測。當訓練集達到一定數量時效果良好;當數量過少時,效果下降明顯。二、使用深度神經網絡對甲骨文單字進行識別和檢測時,應根據甲骨文字數量的多少來分類處理。對於數量較多的甲骨文字,現有模型已經可以取得很好效果,而對於數量較少的甲骨文字,則需要進一步尋求人工摹寫字形等方式來增強學習。三、甲骨文字的圖像識別需要從字的層面深入到構件的層面,這樣才能有進一步發展的基礎。

通过字体分类来看甲骨卜辞中“子”的身份属性

在商代的甲骨卜辞中,"子某"是一种常见的人名形式,如"子渔、子弘、子效、子商"等等①,其中"子"的身份,一直以来都是学界热烈探讨的一个复杂问题。目前的观点总结起来看,可概括为两类:一类意见认为"子"是王的儿子或儿子辈人物。

殷商祖甲时代历法改革的时机

本文采用字体分类的方法,系统整理了与殷商祖甲时代历法改革有关的甲骨卜辞材料,通过数据统计和比率分析等多种方式,研讨了"正月"取代"一月"之名和"十三月"年终置闰制度被废除这两项历法改革的时机。祖甲的改革并不是在即位后就立刻进行的,而是经过了一段时间后才逐步开展起来的。其中,两项历法改革的实施时间也有所不同,废除"十三月"置闰制度在前,改用"正月"之名在后。祀典改革则是在两项历法改革之间开始进行的。这些时间先后实际上反映了祖甲改革各项举措具有内在承续关系。

宾组甲骨新缀五则及考释

甲骨缀合后可以再现残断前的原貌,提供较为完整的信息,对于补足甲骨残辞、通读文意,并在此基础上进行历史、文化、语言等各方面的研究都具有重要的意义。本文在整理卜辞的过程中,缀合了宾组甲骨五则,并作了相关考释和说明。

《上海博物馆藏甲骨文字》甲骨缀合五组

《上海博物馆藏甲骨文字》是一部新近出版的甲骨著录书,拓本精良,优于以往。本文介绍了作者依据此书完成的五组甲骨卜辞缀合,复原了历史遗物,表明收藏于博物馆中的甲骨重出拓本亦对甲骨研究有着十分重要的作用。

花东子卜辞和历组卜辞新缀四组

本文介绍了作者新缀合的四组甲骨,属于"花东子卜辞"和"历组卜辞"作者阐述了缀合理由,并作了相关释文及说明。第一组《辑佚》561加《花东》123,尤有裨于花东子卜辞的研究。