AI 能破解未解密的古文字吗？

未解密的古文字一直是语言学难题。Linear A 是希腊克里特岛米诺斯文明使用的书写系统，被归类为「语言孤立体」，既无罗塞塔石碑式的双语对照文本，也无已知亲属语言可供比对；意大利的伊特鲁里亚语状况略好，凭借墓志铭积累了部分词汇，但语法与深层含义仍付之阙如。一个世纪以来，人类专家未能攻克这两道难关，而 AI 正在被引入这一领域，扮演研究助手的角色，能否最终完成破译仍存争议。

一个引发关注的案例

2026 年 6 月，一位自学成才的 AI 工程师兼业余语言学家声称在 Linear A 上取得突破。他从一条祈祷铭文中猜测某个未知词源自闪米特语词根，含义为「居住」「栖居」。随后他利用 AI 编写的脚本，将这一语音模式在全部 Linear A 语料中交叉检验。最终他称：

• 为 40 个符号赋予了读音候选值；
• 编纂了一份包含 408 个词条的小型词典；
• 主张 Linear A 是闪米特语族中的一种已灭绝语言，与希伯来语、阿拉米语同源。

该结论仍在学术审阅之中。值得注意的是，灵感来自人，AI 只是快速放大了人类假设的验证范围，把原本需要数月的手工比对压缩到分钟级别。

AI 真正擅长与力不能及的边界

AI 在大规模模式测试方面确有优势：能在整个档案中检验某一符号或词的假设是否成立，能识别肉眼忽略的重复序列，也能预测并补全残缺铭文中可能缺失的字符。另一项被频繁提及的能力是「跨语言迁移」——基于已知语言训练的模型，有时可对关系密切的未知语言作出推断，这类似于懂西班牙语有助于猜测葡萄牙语。在已知语族归属的乌加里特语等案例上，这类方法已取得成果。

然而天花板同样清晰：统计模式匹配无法凭空创造意义。破译工作需要一个「锚点」——已知的语族关系或双语对照文本——才能在海量巧合中筛选出真正有意义的信号。Linear A 与伊特鲁里亚语之所以困难，恰恰在于锚点缺失或残缺，计算能力的提升并不能替代这一缺口。

流畅不等于理解

理论上，若语料足够大，AI 模型或许能在统计层面「流利地」与一位假想的米诺斯人或伊特鲁里亚人对话——识别重复的词与结构模式，并在新语境中复用这些术语。但这与真正意义上的翻译相去甚远：模型可以学会符号之间的搭配规律，却永远不会知道这些符号究竟指代什么。

验证也因此变得格外困难：通常可以通过母语者、其他文本或数十年累积的专家共识来检验译文与解释，而这些对真正未解密的语言一概不存在。Linear A 现存语料仅约 7500 个字符，不到一屏之量，任何假设几乎都能从中找到零散匹配作为支撑。正因如此，这一领域的结论更依赖独立专家审阅与同行评审，而非统计置信度。「AI 找到了一个模式」与「AI 找到了正确含义」是截然不同的两个论断，两者却极易被混为一谈。

加速者而非替代者

AI 远不是死胡同。恰恰相反，它将多年的手工交叉比对压缩到几分钟，让更多非机构背景的研究者得以参与这些历史悬案。但它无法取代破译工作始终需要的两个关键要素：一是可靠的语言比较锚点，二是严谨的人工审查，以区分真正的突破与好看的巧合。在 Linear A 或伊特鲁里亚语获得其中任何一项之前，AI 在这一领域的角色仍将维持现状：一位极快的助理，面对一道极古老、极人类的问题。