導(dǎo)讀：人工智能設(shè)計(jì)醫(yī)學(xué)、無(wú)處文教育甚至是識(shí)別識(shí)別失傳考古領(lǐng)域，隨著人類的已久武漢青山（小姐過(guò)夜服務(wù)）小姐vx《365-2895》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達(dá)發(fā)展，人工智能所表現(xiàn)出的字比必定有部分是超越人類的。

　　曾記得有一次聊天，西夏有個(gè)朋友描述他對(duì)人工智能的無(wú)處文印象，總結(jié)成三個(gè)詞：西方的識(shí)別識(shí)別失傳、商業(yè)的已久、未來(lái)的字比。

　　我當(dāng)即表示你說(shuō)的西夏很好，唯一的無(wú)處文問(wèn)題是一條都沒說(shuō)對(duì)。

　　按下我們倆怎么展開斗毆暫且不提，識(shí)別識(shí)別失傳這里希望破除的已久是大家對(duì)人工智能的某種固有印象。事實(shí)上，字比人工智能作為一種很早就發(fā)展起來(lái)的西夏通用技術(shù)，絕不是西方的專利，也絕不僅僅是夠創(chuàng)造商業(yè)價(jià)值。

　　甚至在某些機(jī)緣巧合下，人工智能能夠成為我們用認(rèn)識(shí)歷史、認(rèn)識(shí)自身民族、武漢青山（小姐過(guò)夜服務(wù)）小姐vx《365-2895》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達(dá)認(rèn)識(shí)祖先與過(guò)去的利器。

　　梁?jiǎn)⒊f(shuō)“學(xué)術(shù)乃天下之公器”，不僅是說(shuō)學(xué)術(shù)天下人共有，同時(shí)也是說(shuō)學(xué)術(shù)天下共致。作為一種基礎(chǔ)工具的人工智能，往往能夠在意想不到地方發(fā)生效用。比如說(shuō)今天為大家介紹的借助人工智能技術(shù)，自動(dòng)識(shí)別西夏文——一個(gè)純粹中國(guó)的人文社科領(lǐng)域。

　　（圖 美感奇特的西夏文）

　　雖然這項(xiàng)技術(shù)大多數(shù)人永遠(yuǎn)不會(huì)涉足，但這個(gè)案例的價(jià)值在于可以打破我們對(duì)AI的某些偏見。AI不只是集中在那幾個(gè)領(lǐng)域，也不是歐美寡頭的玩具，它甚至可能無(wú)處不在。

　　為什么要識(shí)別西夏文？其中隱含著哪些困難？

　　我們知道，西夏是與北宋、遼、金先后對(duì)峙的黨項(xiàng)族國(guó)家，曾經(jīng)統(tǒng)治河西地區(qū)超過(guò)二百年。與大眾認(rèn)知中不同，西夏不是個(gè)茹毛飲血的野蠻文明。他們?cè)?jīng)創(chuàng)立過(guò)驚人的文化、藝術(shù)與宗教文明，但隨著1227年蒙古滅西夏，蒙元不為西夏立史，關(guān)于這個(gè)政權(quán)的記錄快速消亡，李元昊立國(guó)時(shí)創(chuàng)立的西夏文也隨之湮滅。

　　西夏文又名河西字、番文、唐古特文，曾在西夏王朝統(tǒng)轄的今寧夏、甘肅、陜西北部、內(nèi)蒙古南部地區(qū)盛行了約兩個(gè)世紀(jì)。但在西夏滅國(guó)后，這種參考漢字創(chuàng)立的奇特文字逐漸失傳，最終成為了一種死文字。

　　直到1804年，武威大云寺發(fā)現(xiàn)了著名的《重修涼州護(hù)國(guó)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(shí)讀西夏文開始成為了學(xué)界的重要工作。

　　（圖 《重修涼州護(hù)國(guó)寺感通塔碑》局部）

　　二百年以來(lái)，出土的西夏文文獻(xiàn)不斷增多，其中大部分都被英、俄探險(xiǎn)家?guī)У搅司惩狻５鲊?guó)學(xué)者努力下，西夏文的基礎(chǔ)文字識(shí)別已經(jīng)完成，現(xiàn)階段的工作重點(diǎn)是依據(jù)文字列表，去識(shí)讀大量西夏文文獻(xiàn)的具體內(nèi)容，揭開西夏以及當(dāng)時(shí)中原、西域各國(guó)的歷史迷霧。

　　但在這個(gè)過(guò)程里，研究人員認(rèn)讀西夏文必須通過(guò)手工翻閱查找，耗費(fèi)時(shí)間異常辛苦不說(shuō)，由于西夏文是一種相似度極高的文字，人工識(shí)別還可能存在很大的錯(cuò)誤率。

　　所以就有學(xué)者提出，利用計(jì)算機(jī)來(lái)自動(dòng)識(shí)別西夏文。這種設(shè)想很好，但在具體操作中還是有巨大問(wèn)題。比如西夏文結(jié)構(gòu)復(fù)雜、組成字符各部分要素高度相似，并且平均筆畫達(dá)到25畫，計(jì)算機(jī)識(shí)別難以入手。

　　此外，西夏時(shí)期雖然已有印刷術(shù)，但出土文獻(xiàn)還是以手抄本和刻版文字為主，同一個(gè)字的在不同文獻(xiàn)上的位置不固定、整體布局會(huì)發(fā)生偏移，都給機(jī)器識(shí)別帶來(lái)巨大困難。

　　于是有意思的事出現(xiàn)了，寧夏大學(xué)相關(guān)研究機(jī)構(gòu)為代表的學(xué)術(shù)力量，選擇了以人工智能技術(shù)解決西夏文的自動(dòng)識(shí)別。

　　并且這個(gè)工作很早就已經(jīng)開始，不斷有成果涌現(xiàn)。從時(shí)間上看，絕不是趕這波AI熱潮的產(chǎn)物。

　　人工智能完成西夏文自動(dòng)識(shí)別

　　早在1996年，日本國(guó)立亞非語(yǔ)言文化研究所就制作了西夏文字庫(kù)和排版系統(tǒng)。1997 年中國(guó)學(xué)者李范文和日本學(xué)者中島干起利用該排版系統(tǒng)合作出版了《電腦處理西夏文〈雜字〉研究》。俄羅斯應(yīng)該也都有西夏文數(shù)據(jù)化和計(jì)算機(jī)處理的項(xiàng)目與研究成果。

　　而使用彈性網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、AI算法以及深度學(xué)習(xí)來(lái)識(shí)別西夏文，則是中國(guó)領(lǐng)先完成的一個(gè)創(chuàng)舉。

　　用AI識(shí)別西夏文，主要依托的是計(jì)算機(jī)字符識(shí)別( optical character recognition，OCR) 技術(shù)，這種技術(shù)上世紀(jì)60年代就成為了人工智能研究的主要領(lǐng)域之一。它的核心技術(shù)主張是基于人工智能運(yùn)算來(lái)識(shí)別文字符號(hào)的數(shù)字影像，并將其轉(zhuǎn)換為對(duì)應(yīng)的數(shù)字文本，達(dá)到可識(shí)別、可編輯、可轉(zhuǎn)化的目的。

　　OCR技術(shù)目前在很多領(lǐng)域已經(jīng)相當(dāng)成熟，比如我們經(jīng)常用到的印刷文件文字提取。在OCR識(shí)別領(lǐng)域，更多的應(yīng)用是手寫體內(nèi)容的精準(zhǔn)識(shí)別，而利用OCR識(shí)別考古文獻(xiàn)中的非廣泛使用文字卻基本處于空白。

　　這里可以結(jié)合論文簡(jiǎn)單介紹兩種AI識(shí)別西夏文的案例。

　　比如在《基于彈性網(wǎng)絡(luò)的西夏文識(shí)別》當(dāng)中，研究人員利用彈性網(wǎng)絡(luò)技術(shù)，將西夏文中的筆畫特征進(jìn)行網(wǎng)格化提取。再統(tǒng)計(jì)像素點(diǎn)在每個(gè)網(wǎng)格內(nèi)的概率分布，形成一種可讀取的特征模型。最后使用文檔主題模型方法對(duì)提取的特征降維處理，結(jié)合數(shù)據(jù)庫(kù)對(duì)文獻(xiàn)進(jìn)行識(shí)別。

　　根據(jù)論文，這種方法平均識(shí)別率可達(dá)87.99 %。

　　再比如《基于Mean Shift算法的西夏文字筆形識(shí)別》，Mean Shift算法，即偏移均值向量，是機(jī)器學(xué)習(xí)領(lǐng)域的一種基本算法。其基礎(chǔ)理論是利用信息密度來(lái)完成聚類、圖像分割、跟蹤任務(wù)，可應(yīng)對(duì)相似但界限模糊的圖像處理應(yīng)用。利用這種算法，研究人員將原始資料生成概率統(tǒng)計(jì)直方圖，通過(guò)相似度來(lái)判斷歸類具體的西夏文筆形。

　　（圖 西夏文智能識(shí)別算法流程）

　　這里僅僅是兩個(gè)具體應(yīng)用案例，利用深度學(xué)習(xí)等前沿人工智能技術(shù)識(shí)別西夏文的應(yīng)用還在不斷發(fā)展。

　　文獻(xiàn)與考古領(lǐng)域的人工智能應(yīng)用

　　可能識(shí)別西夏文距離我們的日常生活還相對(duì)較遠(yuǎn)，但推廣至當(dāng)整個(gè)人文社科領(lǐng)域，AI的應(yīng)用可能就會(huì)從另一個(gè)角度無(wú)限貼近我們的生活。

　　從近期來(lái)說(shuō)，AI推動(dòng)學(xué)術(shù)效率，可能會(huì)影響我們的學(xué)科配置、學(xué)術(shù)訓(xùn)練甚至高等教育體系。從長(zhǎng)遠(yuǎn)來(lái)看，AI推動(dòng)的進(jìn)一步識(shí)別歷史與文獻(xiàn)的能力，是我們窺探自身過(guò)去，了解“中國(guó)”為何是“中國(guó)”的全新工具。

　　在我們沉浸于未來(lái)帶來(lái)的快感時(shí)，人工智能卻可能在歷史領(lǐng)域快速發(fā)揮它的價(jià)值。通過(guò)西夏文識(shí)別的例子，不難發(fā)現(xiàn)在文獻(xiàn)與考古這些社科領(lǐng)域當(dāng)中，人工智能至少可以發(fā)揮以下幾種功效：

　　1、考古圖像的識(shí)別與歸檔，比如基于算法的文物識(shí)別、文物數(shù)據(jù)化、考古現(xiàn)場(chǎng)數(shù)據(jù)化。

　　2、文獻(xiàn)文本的識(shí)別與轉(zhuǎn)碼，比如原始文獻(xiàn)的文字識(shí)別讀取、文獻(xiàn)聚類、文獻(xiàn)數(shù)據(jù)化。

　　3、文獻(xiàn)數(shù)據(jù)庫(kù)的知識(shí)圖譜化與機(jī)器學(xué)習(xí)應(yīng)用。比如學(xué)科文獻(xiàn)圖譜化、時(shí)代文獻(xiàn)圖譜化、科研項(xiàng)目數(shù)據(jù)圖譜化，以及基于知識(shí)圖譜訓(xùn)練的人文社科領(lǐng)域智能體。這一點(diǎn)尤其重要，想象力也最為充沛。就像金融、翻譯等領(lǐng)域很可能被AI替代一樣，文獻(xiàn)學(xué)與歷史研究領(lǐng)域大部分依賴考證、校勘、資料爬梳的工作，也存在被AI取代的可能性。

　　類似的人文領(lǐng)域與AI跨界還有很多，有些甚至涉及哲學(xué)與倫理層面的技術(shù)與人文互搏，以后我們會(huì)陸續(xù)介紹。