Sepotong tulang kura-kura atau tulang belikat sapi tergeletak di atas meja, retakan melintasi tulisan yang terukir, beberapa karakter masih kurang goresannya.
Untuk memastikan salah satu karakter yang belum dikenal, peneliti seringkali harus membalik ratusan bahkan ribuan lembar cetakan, membandingkan bentuknya dengan tulisan pada perunggu, karakter Zaman Negara-negara Berperang, dan aksara segel kecil, lalu mencari contoh penggunaan dalam literatur kuno dan makalah penelitian modern. Bukti-bukti tersebar di berbagai era, media, dan basis data yang berbeda, satu putaran verifikasi bisa berlangsung berhari-hari.
Baru-baru ini, tim gabungan dari Huazhong University of Science and Technology dan lainnya meluncurkan sistem kecerdasan buatan pertama yang meniru alur kerja penafsiran ahli, AlphaOracle, untuk membantu para ahli menyelesaikan pekerjaan rumit penguraian aksara tulang orakel.
Tautan Makalah:https://doi.org/10.1016/j.xinn.2026.101462
Materi Tambahan:https://arxiv.org/abs/2607.17849
Situs Kode:https://github.com/Yuliang-Liu/AlphaOracle
Tautan Demo:http://vlrlabmonkey.xyz:7685/?lan=zh
AlphaOracle pertama-tama menelusuri jalur evolusi historis bentuk aksara tulang orakel, kemudian kembali ke konteks kalimat lengkap dan tulisan ramalan serupa untuk menguji berdasarkan konteks, dan akhirnya mengonsultasikan literatur kuno dan penelitian modern sebagai bukti pendukung, membentuk rantai bukti yang lengkap.
Setiap langkah analisis penafsiran AlphaOracle dilengkapi dengan sumber, kandidat jawaban, dan tingkat kepercayaan, memudahkan ahli untuk memeriksa satu per satu, menyediakan bantuan cerdas yang mudah, efisien, dan dapat diandalkan. Makalah telah diterima oleh jurnal *The Innovation*.
Latar Belakang Penelitian
Aksara tulang orakel meninggalkan perang, aktivitas pertanian, penyakit, upacara, fenomena langit, dan keputusan sehari-hari Dinasti Shang di atas potongan tulang berusia lebih dari tiga ribu tahun. Lebih dari 150.000 fragmen tulang orakel telah ditemukan, setidaknya mengandung 4.500 bentuk aksara berbeda, dan sekitar 1.500 di antaranya telah berhasil ditafsirkan dengan cukup andal.
Sekitar 3.000 karakter lainnya bagaikan pintu yang belum terbuka, di baliknya tersimpan makna kata, nama tempat, nama suku dari bahasa Tiongkok kuno, serta detail operasional masyarakat Dinasti Shang. Penafsiran aksara tulang orakel membuat bahasa, konsep, dan kehidupan sosial nenek moyang lebih dari tiga ribu tahun lalu kembali menjadi jelas terlihat, dan juga membuat sejarah peradaban Tiongkok yang tak terputus menjadi hidup dan gemilang.
Aksara tulang orakel merekam gambaran kehidupan masyarakat Dinasti Shang, merupakan pusaka budaya berharga bangsa Tiongkok, dan juga dasar penting untuk menelusuri asal-usul peradaban Tiongkok.
Namun, proses penguraian dan penafsiran aksara tulang orakel sulit dan rumit. Saat menafsirkan karakter yang belum terpecahkan, para ahli biasanya menganalisis bentuk varian historis karakter, mencari bahan pembuktian konteks dan teks dari basis data referensi yang luas, dan menggabungkan banyak prasasti dengan literatur yang diturunkan untuk memverifikasi hipotesis terkait. Proses ini menuntut peneliti memiliki akumulasi pengetahuan yang luas dan pengalaman penelitian yang kaya, serta perlu mengumpulkan, mengorganisir, dan berulang kali membandingkan sejumlah besar bahan literatur dalam jangka panjang.
Meskipun penelitian yang dilakukan ahli secara mandiri telah mencapai banyak hasil penting, model ini menghabiskan banyak waktu dan tenaga, dan proses evaluasi terkait sering bergantung pada penilaian subjektif ahli, sangat mengandalkan pengetahuan pribadi peneliti, sulit mencapai kesimpulan yang konsisten, dan sulit untuk dilanjutkan secara skala besar.
Perkembangan pesat teknologi kecerdasan buatan membawa kemungkinan baru untuk membantu ahli menafsirkan tulisan kuno. Penelitian sebelumnya biasanya memprediksi karakter Han modern yang sesuai berdasarkan bentuk aksara tulang orakel yang terisolasi.
Namun, metode semacam ini sebagian besar hanya mengandalkan informasi visual, jarang menggabungkan penggunaan konteks teks dan literatur yang diturunkan untuk saling membuktikan. Oleh karena itu, meskipun beberapa hasil keluaran tampak masuk akal pada tingkat bentuk, mereka kurang memiliki dasar pembuktian linguistik dan sejarah, sehingga bantuan yang dapat diberikan kepada ahli sangat terbatas.
Tantangan ini menunjukkan perlunya membangun kerangka komputasi yang dapat menghubungkan semua tahap penguraian, meniru proses penalaran ahli, dan memperluasnya ke analisis bahan skala besar, sehingga kesimpulan terkait dibangun di atas dasar bukti yang komprehensif dan dapat diverifikasi.
Sorotan Pekerjaan
Tim mengusulkan sistem kecerdasan buatan pertama yang sepenuhnya meniru alur kerja penafsiran ahli, AlphaOracle, mengubah sebagian alur penafsiran tulisan kuno yang sulit diskalakan dan bergantung pada pengalaman pribadi menjadi kerangka komputasi yang dapat diperiksa, diulang, dan kolaboratif.
AlphaOracle mengintegrasikan cetakan, salinan gambar, literatur klasik yang diturunkan, dan lebih dari 20.000 penelitian terkait aksara tulang orakel skala besar, kandidat hasil dan sumber bukti yang dihasilkan selama analisis akan disimpan lengkap, dan akhirnya dikumpulkan menjadi laporan bantuan penafsiran yang dapat ditelusuri dan diverifikasi, yang dapat diperiksa dan didiskusikan oleh ahli satu per satu.
Membantu sarjana dengan cepat menemukan petunjuk, mengumpulkan bukti, dan membandingkan penjelasan berbeda dari bahan yang tersebar dan rumit, pemikiran teknis ini memungkinkan kecerdasan buatan berpotensi memasuki inti penelitian tulisan kuno.
Dalam evaluasi yang melibatkan 86 ahli bidang dan peneliti doktoral, 78.7% peserta memberikan penilaian tinggi pada AlphaOracle, dan memperkirakan rata-rata dapat menghemat sekitar 64% waktu analisis.
Metode Penelitian
AlphaOracle mengikuti pemikiran ahli dalam melakukan penafsiran sebenarnya, menghubungkan secara berurutan analisis cetakan tulang orakel, analisis evolusi bentuk aksara, pencarian konteks kalimat dan penilaian konteks, serta verifikasi literatur yang diturunkan dan penelitian modern.
Sistem pertama-tama mengusulkan beberapa kandidat penafsiran dari evolusi karakter utuh, struktur komponen, dan hubungan bentuk lintas zaman, kemudian meneliti distribusi dan penggunaan kandidat ini dalam berbagai tulisan ramalan dari bahan tulang orakel skala besar, dan akhirnya mencari dukungan atau pertanyaan lebih lanjut dari literatur kuno dan penelitian akademis modern, membentuk rantai bukti yang lengkap.
Alur kerja penafsiran AlphaOracle: Pertama menganalisis cetakan, lalu menyelesaikan analisis bentuk, penyelarasan konteks, dan verifikasi literatur secara berurutan, akhirnya membentuk laporan bukti yang dapat diverifikasi ahli.
Langkah Pertama: Analisis Cetakan
Setelah memasukkan satu cetakan asli aksara tulang orakel, sistem pertama-tama menyelesaikan deteksi karakter, klasifikasi, dan rekonstruksi kalimat. Model deteksi pertama-tama melokalisasi setiap karakter aksara tulang orakel, dan melalui classifier mengenali karakter yang telah ditafsirkan, serta menyerahkan karakter yang belum ditafsirkan dan masih diperdebatkan ke modul berikutnya.
Selanjutnya, sistem menganggap setiap karakter sebagai node, menggunakan jaringan saraf graf dan menggabungkan informasi spasial, sekaligus menilai titik awal, titik akhir kalimat, dan hubungan koneksi antar karakter, kemudian memulihkan urutan membaca berdasarkan hal ini. Model analisis cetakan akhirnya membagi cetakan tulang orakel menjadi beberapa kalimat independen dengan urutan membaca dan hasil pengenalan karakter awal.
Langkah Kedua: Analisis Bentuk
Dengan gambar karakter tunggal yang jelas dan urutan membaca, sistem mulai mengusulkan beberapa kemungkinan hipotesis penguraian untuk karakter yang belum ditafsirkan dari dua arah: evolusi diakronis dan struktur internal.
Jaringan evolusi bentuk aksara menggunakan model difusi untuk mensimulasikan perubahan bentuk aksara kuno ke bentuk aksara masa selanjutnya, dan mengidentifikasi serta merangkum hasil yang dihasilkan berkali-kali;
Jaringan evolusi komponen membongkar komponen dalam bentuk aksara tulang orakel, dan memetakannya menjadi urutan IDS karakter Han, kemudian menebak karakter Han yang sesuai berdasarkan kombinasi komponen;
Jaringan evolusi periode sejarah kemudian membandingkan tingkat kesamaan antara aksara tulang orakel, aksara perunggu, aksara Zaman Negara-negara Berperang, aksara segel kecil, dan aksara klerikal pada garis waktu yang sama.
Tiga model ahli masing-masing memberikan kandidat dan probabilitas, sistem melakukan pembobotan berdasarkan tingkat keandalan model, menilai apakah karakter tersebut telah memiliki penafsiran yang diakui, lalu mempertahankan beberapa kemungkinan jawaban penguraian dan tingkat kepercayaan yang sesuai untuk karakter yang belum ditafsirkan.
Langkah Ketiga: Penyelarasan Konteks
Hipotesis penguraian yang diberikan oleh analisis bentuk juga harus diuji kembali dalam konteks kalimat, dan mencari kasus serupa dari cetakan terkait lainnya.
Sistem pertama-tama mengambil semua contoh penggunaan yang diketahui dari karakter target dari data digital seperti *Kumpulan Tulang Orakel*, *Seri Salinan Gambar Tulang Orakel*, dan *Kumpulan Total Koreksi dan Penafsiran Tulang Orakel* berdasarkan informasi gambar dan informasi teks, kemudian menggunakan model bahasa bertopeng yang dilatih khusus untuk tulang orakel untuk menganalisis kombinasi sebelum dan sesudahnya.
Saat pelatihan, model belajar melengkapi karakter yang ditutupi berdasarkan konteks tulang orakel yang diketahui; saat penalaran, di satu sisi mengatur ulang beberapa kandidat yang diberikan oleh modul bentuk, menilai mana yang paling masuk akal saat dimasukkan ke dalam kalimat, di sisi lain secara independen mengusulkan kandidat semantik.
Penyelarasan konteks juga mencakup model penjelasan, yang disempurnakan melalui fine-tuning terawasi dan pembelajaran penguatan berbasis umpan balik, digunakan untuk merangkum penggunaan karakter yang sama dalam tulisan ramalan yang berbeda, dan menghasilkan penjelasan dalam bahasa Mandarin modern yang mudah diperiksa peneliti.
Langkah Keempat: Bukti Pendukung Literatur
Kandidat penguraian yang telah disaring melalui bentuk aksara dan konteks kemudian akan diverifikasi lebih lanjut menggunakan literatur yang diturunkan dan makalah penelitian modern.
Bahan yang digunakan sistem mencakup 25 literatur klasik kuno yang diturunkan dan 23.755 penelitian modern otoritatif, meliputi *Shuowen Jiezi*, literatur klasik pra-Qin dan Dinasti Han, serta karya profesional seperti *Kumpulan Penjelasan Tulisan Kuno*, *Kumpulan Penjelasan Tulang Orakel*, dan *Hutan Karakter Tulang Orakel*.
Saat pencarian, sistem akan memasukkan varian karakter dan sinonim ke dalam kueri, sekaligus mencari bahan terkait melalui jalur semantik teks dan gambar bentuk aksara.
Tingkat relevansi literatur yang berbeda, otoritas bahan, jenis literatur, dan usia literatur akan memengaruhi bobot bukti, setiap bahan menyimpan informasi bibliografi dan alasan pencarian, memudahkan peneliti menelusuri teks asli.
Laporan komprehensif yang dihasilkan akhirnya menyajikan dasar bentuk aksara, contoh penggunaan konteks, dan bukti literatur secara berurutan, menunjukkan cara membaca dengan dukungan tertinggi saat ini dan tingkat kredibilitasnya, juga dengan jelas mempertahankan perbedaan pendapat yang belum terselesaikan.
Secara keseluruhan, AlphaOracle akan mengusulkan hipotesis sendiri, dan mengumpulkan bukti terkait untuk setiap hipotesis, kemudian menyajikannya kepada peneliti.
Seluruh proses sistem hanya melakukan sedikit penilaian yang diperlukan, tetapi tidak menggantikan ahli dalam membuat keputusan akhir, inti perannya adalah membantu peneliti menemukan petunjuk, memeriksa bukti, dan membandingkan penjelasan berbeda dengan lebih efisien, serta memberikan hak keputusan akhir kepada peneliti.
Hasil Eksperimen dan Evaluasi Ahli
Penafsiran aksara tulang orakel kurang memiliki tolok ukur kesatuan yang diakui, oleh karena itu makalah membagi masalah besar menjadi beberapa tugas yang dapat diukur, dan mengevaluasi AlphaOracle dari dua aspek: kinerja komponen dan nilai penggunaan bagi ahli.
Dalam eksperimen analisis bentuk aksara, tim peneliti menggunakan pengaturan "simulasi karakter belum ditafsirkan", menggunakan 88 karakter yang diketahui yang tidak pernah muncul selama fase pelatihan sebagai set pengujian, akurasi Top-1 AlphaOracle mencapai 23,1%.
Dalam analisis konteks, akurasi sistem dalam memulihkan karakter yang ditutupi dari tulisan ramalan yang tidak lengkap adalah 56,1%, dan dapat memilih penafsiran yang lebih sesuai dengan konteks dari hasil kandidat yang diberikan oleh analisis bentuk dengan akurasi 95,2%, masing-masing lebih tinggi dari baseline model dasar umum terbaik sebesar 22,2% dan 65,4%.
Dalam evaluasi penjelasan komprehensif yang menggunakan penjelasan bahasa Mandarin modern sebagai tugas perantara, BLEU, ROUGE, dan METEOR AlphaOracle masing-masing mencapai 0,491, 0,586, dan 0,659.
Perlu dijelaskan bahwa model umum seperti GPT-5, Gemini 2.5 Pro, dan DeepSeek dalam makalah ini menggunakan pengaturan zero-shot, tidak menerima fine-tuning data bidang tulang orakel. Oleh karena itu, hasil terkait menunjukkan pentingnya bahan khusus dan alur kerja yang disesuaikan dengan bidang untuk tugas ini.
Hasil Survei Spesifik Evaluasi Ahli Manusia
Dalam evaluasi penggunaan aktual oleh ahli, 86 ahli dan peneliti doktoral dari bidang aksara tulang orakel, kecerdasan buatan, dan bidang terkait berpartisipasi secara anonim dalam evaluasi sistem.
Di antaranya, 78,7% peserta menganggap sistem "membantu" atau "sangat membantu", dan memperkirakan rata-rata dapat menghemat sekitar 64% waktu analisis. Dalam evaluasi modular dengan skor penuh 5, rata-rata skor empat bagian: analisis cetakan, analisis bentuk, penyelarasan konteks, dan pencarian dasar literatur masing-masing adalah 4,20, 4,44, 4,38, dan 4,01.
Dalam bagian pencarian literatur, 42 karakter tulang orakel diambil secara acak untuk pemeriksaan manual, tingkat pukulannya adalah 90,2%, akurasi adalah 74,8%. Ini berarti sistem akan menyajikan sebagian besar bahan berharga, tetapi di dalamnya masih akan tercampur bahan literatur yang perlu dihilangkan oleh ahli.
Bagi peneliti, ini mengurangi biaya pembalikan literatur, dan lebih banyak waktu yang dihemat digunakan untuk penilaian bukti.
Makalah juga mengadakan "arena manusia" evaluasi buta, di mana sarjana senior tulang orakel dari Istana Terlarang, Museum Shanghai, Akademi Ilmu Sosial Tiongkok, Universitas Tsinghua, Universitas Fudan, Universitas Nanjing, Universitas Jilin, Universitas Zhengzhou, Universitas Henan, Universitas Normal Henan, Universitas Normal Ibukota, Universitas Southwest, Universitas Kelautan Tiongkok, Laboratorium Kunci Kementerian Pendidikan Pengolahan Informasi Tulang Orakel, serta kelompok akademik terkait dari Korea Selatan, Jepang, dan Amerika Serikat melakukan 210 uji buta untuk tugas penjelasan konteks.
Hasil menunjukkan AlphaOracle memperoleh tingkat preferensi tertinggi sebesar 45,2%, DeepSeek 34,8%, Gemini 2.5 Pro 12,9%, GPT-5 7,1%.
Penafsiran Spesifik untuk Karakter Sulit
AlphaOracle untuk cetakan "Tunnan 307", karakter tulang orakel yang telah lama diperdebatkan
(Penelitian awal sering menafsirkannya sebagai "卒" (zu, selesai/meninggal)), dengan menggabungkan bahan bentuk, konteks kalimat, dan literatur, menafsirkannya sebagai varian karakter "勞" (lao, kerja keras), melengkapi bukti untuk penafsirannya sebagai nama tempat atau nama suku.
Selain itu, makalah juga melaporkan hasil penghilangan ambiguitas 22 karakter varian yang kontroversial, sebagian analisis telah masuk ke basis data akademis otoritatif aksara tulang orakel, menunjukkan potensi kecerdasan buatan dalam membantu ahli meneliti karakter yang diperdebatkan secara efisien dan mempromosikan diskusi akademis.
Kesimpulan
AlphaOracle dengan meniru cara penelitian ahli manusia, memasukkan evolusi bentuk aksara tulang orakel, distribusi konteks kalimat, dan bahan literatur ke dalam rantai bukti yang sama, membantu peneliti menemukan petunjuk, mencari literatur, dan memeriksa bahan, meningkatkan efisiensi penafsiran aksara tulang orakel.
Di saat yang sama, ini membuka jalan yang lebih mendekati praktik nyata untuk penelitian tulisan kuno komputasi, mesin tidak seharusnya hanya memberikan jawaban akhir secara end-to-end tanpa dasar, tetapi harus memberikan bantuan bukti yang andal di setiap langkah alur kerja yang dilakukan peneliti.
Pemikiran seperti ini juga dapat diperluas ke bidang tulisan kuno lainnya, membangun cara pengorganisasian dan penelitian bantuan AI yang lebih sistematis untuk penelitian tulisan kuno yang tersebar dan rumit.
Penelitian tulisan kuno pada akhirnya tidak dapat dipisahkan dari penilaian manusia. Mesin mahir mengusulkan hipotesis dengan cepat, menyelesaikan pencarian, melakukan perbandingan dan generalisasi dari bahan yang banyak, sementara sarjana bertanggung jawab membedakan bobot bukti, memegang keputusan akhir.
Yang lebih layak dinantikan di masa depan adalah pemandangan penelitian yang saling mendukung ini, kecerdasan buatan memperluas cakupan pencarian bahan, pengetahuan manusia menjaga kedalaman penilaian akademis, sehingga lebih banyak informasi sejarah yang tertidur di tulang orakel dan tulisan kuno dapat dilihat kembali.
Referensi:https://doi.org/10.1016/j.xinn.2026.101462
Artikel ini berasal dari akun WeChat "新智元" (Xinzhiyuan), penulis: ASI启示录; editor: LRST
