曾記得有一次聊天，有個同伙描寫他對人工智能的印象，總結(jié)成三個詞：東方的、貿(mào)易的、將來的。

　　我立即表現(xiàn)你說的很好，獨一的成績是一條都沒說對……

　　按下我們倆怎樣睜開斗毆暫且不提。這里愿望廢除的是年夜家對人工智能的某種固有印象。現(xiàn)實上，人工智能作為一種很早就成長起來的通用技巧，毫不是東方的專利，也毫不僅僅可以或許發(fā)明貿(mào)易價值。

　　乃至在某些機緣偶合下，人工智能可以或許成為我們用以熟悉汗青、熟悉本身平易近族、熟悉先人與曩昔的利器。

　　梁啟超說“學(xué)術(shù)乃世界之公器”，不只是說學(xué)術(shù)世界人共有，同時也是說學(xué)術(shù)世界共致。作為一種基本對象的人工智能，常常可以或許在乎想不到處所產(chǎn)生功效。好比說明天為年夜家引見的借助人工智能技巧，主動辨認西夏文——一個純潔中國的人文社科范疇。

　　（美感獨特的西夏文）

　　固然這項技巧年夜多半人永久不會涉足，但這個案例的價值在于可以打破我們對AI的某些成見。AI不只是集中在那幾個范疇，也不是歐美寡頭的玩具，它乃至能夠無處不在。

　　為何要辨認西夏文？個中隱含著哪些艱苦？

　　我們曉得，西夏是與北宋、遼、金前后對立的黨項族國度，已經(jīng)統(tǒng)治河西地域跨越二百年。與年夜眾認知中分歧，西夏不是個茹毛飲血的蠻橫文明。他們已經(jīng)創(chuàng)建過驚人的文明、藝術(shù)與宗教文明，但跟著1227年蒙古滅西夏，蒙元不為西夏立史，關(guān)于這個政權(quán)的記載疾速滅亡，李元昊立國時創(chuàng)建的西夏文也隨之湮滅。

　　西夏文別名河西字、番文、唐古特文，曾在西夏王朝總攬的今寧夏、甘肅、陜東南部、內(nèi)蒙古南部地域風(fēng)行了約兩個世紀。但在西夏滅國后，這類參考漢字創(chuàng)建的獨特文字逐步掉傳，終究成了一種逝世文字。

　　直到1804年，武威年夜云寺發(fā)明了有名的《重建涼州護國寺感通塔碑》，西夏文才在埋藏了數(shù)百年后重現(xiàn)人世。從此識讀西夏文開端成了學(xué)界的主要任務(wù)。

　　（《重建涼州護國寺感通塔碑》部分）

　　二百年以來，出土的西夏文文獻賡續(xù)增多，個中年夜部門都被英、俄探險家?guī)У搅司惩狻５袊鴮W(xué)者盡力下，西夏文的基本文字辨認曾經(jīng)完成，現(xiàn)階段的任務(wù)重點是根據(jù)文字列表，去識讀年夜量西夏文文獻的詳細內(nèi)容，揭開西夏和其時華夏、西域列國的汗青迷霧。

　　但在這個進程里，研討人員認讀西夏文必需經(jīng)由過程手工翻閱查找，消耗時光異常辛勞不說，因為西夏文是一種類似度極高的文字，人工辨認還能夠存在很年夜的毛病率。

　　所以就有學(xué)者提出，應(yīng)用盤算機來主動辨認西夏文。這類假想很好，但在詳細操作中照樣有偉大成績。好比西夏文構(gòu)造龐雜、構(gòu)成字符各部門要素高度類似，而且均勻筆劃到達25畫，盤算機辨認難以動手。

　　另外，西夏時代固然已有印刷術(shù)，但出土文獻照樣以手手本和刻版文字為主，統(tǒng)一個字的在分歧文獻上的地位不固定、全體結(jié)構(gòu)會產(chǎn)生偏移，都給機械辨認帶來偉大艱苦。

　　因而成心思的事涌現(xiàn)了，寧夏年夜學(xué)相干研討機構(gòu)為代表的學(xué)術(shù)力氣，選擇了以人工智能技巧處理西夏文的主動辨認。

　　而且這個任務(wù)很早就曾經(jīng)開端，賡續(xù)有結(jié)果出現(xiàn)。從時光上看，毫不是趕這波AI熱的產(chǎn)品。

　　人工智能完成西夏文主動辨認

　　其實，用盤算機技巧處置西夏文很早就曾經(jīng)開端。

　　早在1996年，日本國立亞非說話文明研討所就制造了西夏文字庫和排版體系。1997 年中國粹者李范文和日本學(xué)者中島干起應(yīng)用該排版體系協(xié)作出書了《電腦處置西夏文〈雜字〉研討》。俄羅斯應(yīng)當(dāng)也都有西夏文數(shù)據(jù)化和盤算機處置的項目與研討結(jié)果。

　　而應(yīng)用彈性收集、神經(jīng)收集、AI算法和深度進修來辨認西夏文，則是中國搶先完成的一個創(chuàng)舉。

　　（記載片《奧秘的西夏》創(chuàng)建文字片斷）

　　用AI辨認西夏文，重要依托的是盤算機字符辨認（ optical character recognition，OCR） 技巧，這類技巧上世紀60年月就成了人工智能研討的重要范疇之一。它的焦點技巧主意是基于人工智能運算來辨認文字符號的數(shù)字影象，并將其轉(zhuǎn)換為對應(yīng)的數(shù)字文本，到達可辨認、可編纂、可轉(zhuǎn)化的目標(biāo)。

　　OCR技巧今朝在許多范疇曾經(jīng)相當(dāng)做熟，好比我們常常用到的印刷文件文字提取。在OCR辨認范疇，更多的運用是手寫體內(nèi)容的精準(zhǔn)辨認，而應(yīng)用OCR辨認考古文獻中的非普遍應(yīng)用文字卻根本處于空白。

　　這里可以聯(lián)合論文簡略引見兩種AI辨認西夏文的案例。

　　好比在《基于彈性收集的西夏文辨認》傍邊，研討人員應(yīng)用彈性收集技巧，將西夏文中的筆劃特點停止網(wǎng)格化提取。再統(tǒng)計像素點在每一個網(wǎng)格內(nèi)的幾率散布，構(gòu)成一種可讀取的特點模子。最初應(yīng)用文檔主題模子辦法對提取的特點降維處置，聯(lián)合數(shù)據(jù)庫對文獻停止辨認。

　　依據(jù)論文這類辦法實際，這類辦法均勻辨認率可達87.99 %。

　　再好比《基于Mean Shift算法的西夏文字筆形辨認》，Mean Shift算法，即偏移均值向量，是機械進修范疇的一種根本算法。其基本實際是應(yīng)用信息密度來完成聚類、圖象朋分、跟蹤義務(wù)，可應(yīng)對類似但界線隱約的圖象處置運用。應(yīng)用這類算法，研討人員將原始材料生成幾率統(tǒng)計直方圖，經(jīng)由過程類似度來斷定歸類詳細的西夏文筆形。

　　（西夏文智能辨認算法流程）

　　這里僅僅是兩個詳細運用案例，應(yīng)用深度進修等前沿人工智能技巧辨認西夏文的運用還在賡續(xù)成長。

　　文獻與考古范疇的人工智能運用

　　能夠辨認西夏文間隔我們的平常生涯還絕對較遠，但推行當(dāng)全部人文社科范疇，AI的運用能夠就會從另外一個角度無窮切近我們的生涯。

　　從近處來講，AI推進學(xué)術(shù)效力，能夠會影響我們的學(xué)科設(shè)置裝備擺設(shè)、學(xué)術(shù)練習(xí)乃至高級教導(dǎo)系統(tǒng)，從遠處來看，AI推進的進一步辨認汗青與文獻的才能，是我們窺測本身曩昔，懂得“中國”為什么是“中國”的全新對象。

　　在我們沉溺于將來帶來的快感時，人工智能卻能夠在汗青范疇疾速施展它的價值。經(jīng)由過程西夏文辨認的例子，不難發(fā)明在文獻與考古這些社科范疇傍邊，人工智能至多可以施展以下幾種功能：

　　1、考古圖象的辨認與歸檔，好比基于算法的文物辨認、文物數(shù)據(jù)化、考古現(xiàn)場數(shù)據(jù)化。

　　2、文獻文本的辨認與轉(zhuǎn)碼，好比原始文獻的文字辨認讀取、文獻聚類、文獻數(shù)據(jù)化。

　　3、文獻數(shù)據(jù)庫的常識圖譜化與機械進修運用。好比學(xué)科文獻圖譜化、時期文獻圖譜化、科研項目數(shù)據(jù)圖譜化，和基于常識圖譜練習(xí)的人文社科范疇智能體。這一點特別主要，想象力也最為充分。就像金融、翻譯等范疇極可能被AI替換一樣，文獻學(xué)與汗青研討范疇年夜部門依附考據(jù)、校勘、材料爬梳的任務(wù)，也完整可以被AI代替。

　　相似的人文范疇與AI跨界還有許多，有些乃至觸及哲學(xué)與倫理層面的技巧與人文互搏，今后我們會陸續(xù)引見。

　　或許AI就像風(fēng)，當(dāng)它是一場風(fēng)暴的時刻，家家戶戶都邑門窗緊鎖當(dāng)心防護。但當(dāng)它是清風(fēng)徐來穿屋而過的時刻，在我們不知覺間，AI就曾經(jīng)無孔不入了。