Một mảnh mai rùa hoặc xương bả vai bò đặt trên bàn, các vết nứt xuyên qua chữ khắc, vài chữ còn thiếu nét.
Nhà nghiên cứu muốn xác nhận một chữ lạ trong đó, thường phải lật xem hàng trăm thậm chí hàng nghìn bản dập, đối chiếu với hình dạng chữ trên đồ đồng, chữ Chiến Quốc và tiểu triện, rồi tìm kiếm cách dùng trong cổ tịch và luận văn hiện đại. Bằng chứng nằm rải rác ở các thời đại, vật mang và cơ sở dữ liệu khác nhau, một vòng kiểm chứng có thể kéo dài nhiều ngày.
Gần đây, nhóm nghiên cứu hợp tác từ Đại học Khoa học và Công nghệ Hoa Trung và các đơn vị khác đã ra mắt hệ thống trí tuệ nhân tạo mô phỏng quy trình giải mã của chuyên gia đầu tiên có tên AlphaOracle, nhằm hỗ trợ chuyên gia hoàn thành công việc phá giải Giáp Cốt Văn phức tạp.
Liên kết bài báo: https://doi.org/10.1016/j.xinn.2026.101462
Tài liệu bổ sung: https://arxiv.org/abs/2607.17849
Địa chỉ mã nguồn: https://github.com/Yuliang-Liu/AlphaOracle
Liên kết Demo: http://vlrlabmonkey.xyz:7685/?lan=zh
AlphaOracle trước tiên khảo sát quỹ đạo biến đổi hình dạng chữ Giáp Cốt trong lịch sử, sau đó trở về với văn từ hoàn chỉnh và các bốc từ cùng loại, kết hợp ngữ cảnh để kiểm tra, cuối cùng tham khảo cổ tịch và tài liệu nghiên cứu để chứng minh, hình thành một chuỗi bằng chứng hoàn chỉnh.
Mỗi bước phân tích giải mã của AlphaOracle đều kèm theo nguồn gốc, câu trả lời ứng viên và độ tin cậy, thuận tiện cho chuyên gia kiểm tra từng mục một, cung cấp sự hỗ trợ thông minh tiện lợi, hiệu quả và đáng tin cậy. Bài báo đã được chấp nhận bởi tạp chí The Innovation.
Bối cảnh nghiên cứu
Giáp Cốt Văn lưu lại chiến tranh, nông sự, bệnh tật, tế tự, thiên tượng và quyết định hàng ngày của triều đại Thương trên những mảnh xương từ hơn ba nghìn năm trước. Đã phát hiện hơn 150 nghìn mảnh Giáp Cốt vỡ, chứa ít nhất 4500 hình chữ khác nhau, trong đó khoảng 1500 chữ đã được giải mã tương đối đáng tin cậy.
Khoảng hơn 3000 chữ còn lại giống như một cánh cửa chưa được mở, phía sau cánh cửa ẩn chứa nghĩa từ, địa danh, tên tộc của Hán ngữ thời kỳ đầu, cũng như các chi tiết vận hành xã hội thời Thương. Việc giải mã Giáp Cốt Văn khiến ngôn ngữ, quan niệm và đời sống xã hội của tổ tiên từ hơn ba nghìn năm trước trở nên rõ ràng trở lại, cũng khiến dòng chảy lịch sử liên tục không dứt của nền văn minh Trung Hoa trở nên sinh động và rực rỡ.
Giáp Cốt Văn ghi lại bức tranh đời sống xã hội thời Thương, là bảo vật văn hóa quý giá của dân tộc Trung Hoa, cũng là căn cứ quan trọng để tìm hiểu nguồn gốc văn minh Trung Hoa.
Tuy nhiên, quá trình phá giải và giải mã Giáp Cốt Văn rất khó khăn và phiền phức. Khi giải mã các chữ chưa được phá giải, chuyên gia thường phân tích hình thái dị thể lịch sử của chữ, truy xuất từ kho ngữ liệu tham khảo khổng lồ các tài liệu ngữ cảnh và văn bản đối chứng, đồng thời kết hợp nhiều minh văn và truyền thế văn hiến để kiểm chứng các giả thuyết liên quan. Quá trình này vừa yêu cầu nhà nghiên cứu có tích lũy kiến thức rộng và kinh nghiệm nghiên cứu phong phú, vừa cần họ thu thập, chỉnh lý và đối chiếu lặp đi lặp lại một lượng lớn tài liệu trong thời gian dài.
Dù các nghiên cứu liên quan do chuyên gia độc lập tiến hành đã đạt được nhiều thành quả quan trọng, nhưng mô hình này tiêu tốn nhiều thời gian và nhân lực, hơn nữa quá trình đánh giá liên quan thường dựa vào phán đoán chủ quan của chuyên gia, phụ thuộc nhiều vào học thức cá nhân của nhà nghiên cứu, khó đạt được kết luận thống nhất, khó thúc đẩy trên quy mô lớn.
Sự phát triển nhanh chóng của công nghệ trí tuệ nhân tạo mang đến khả năng hoàn toàn mới trong việc hỗ trợ chuyên gia giải mã cổ văn tự. Các nghiên cứu trước đây thường dựa vào hình dạng chữ cô lập của Giáp Cốt Văn để dự đoán chữ Hán hiện đại tương ứng.
Tuy nhiên, các phương pháp này về cơ bản chỉ dựa vào thông tin thị giác, hiếm khi kết hợp cách dùng ngữ cảnh văn bản và truyền thế văn hiến để đối chứng chéo. Do đó, dù một số kết quả đầu ra có vẻ hợp lý ở cấp độ hình chữ, nhưng lại thiếu cơ sở lập luận ở cấp độ ngôn ngữ học và sử liệu, sự giúp đỡ có thể cung cấp cho chuyên gia rất hạn chế.
Những thách thức này cho thấy, cấp thiết phải xây dựng khung tính toán có thể xuyên suốt các giai đoạn phá giải, mô phỏng quá trình suy luận của chuyên gia, và mở rộng nó cho phân tích ngữ liệu quy mô lớn, khiến các suy luận liên quan được xây dựng trên cơ sở bằng chứng toàn diện và có thể kiểm tra.
Điểm nổi bật của công trình
Nhóm nghiên cứu đề xuất hệ thống trí tuệ nhân tạo mô phỏng hoàn chỉnh quy trình giải mã của chuyên gia đầu tiên AlphaOracle, chuyển hóa một phần quy trình khảo thích cổ văn tự khó mở rộng quy mô, phụ thuộc kinh nghiệm cá nhân thành khung tính toán có thể kiểm tra lại, lặp lại và hợp tác.
AlphaOracle tích hợp một lượng lớn bản dập, bản mô Giáp Cốt, điển tịch truyền thế và hơn hai vạn bài nghiên cứu liên quan, các kết quả ứng viên và nguồn bằng chứng phát sinh trong quá trình phân tích đều được lưu giữ hoàn chỉnh, cuối cùng tập hợp thành một báo cáo hỗ trợ khảo thích có thể truy nguyên và kiểm tra, cung cấp cho chuyên gia kiểm tra và thảo luận từng mục.
Giúp học giả nhanh chóng phát hiện manh mối từ những tài liệu phân tán phức tạp, tập hợp bằng chứng và so sánh các cách giải thích khác nhau, tư duy công nghệ này khiến trí tuệ nhân tạo có tiềm năng bước vào các khâu cốt lõi của nghiên cứu cổ văn tự.
Trong đánh giá có sự tham gia của 86 chuyên gia và nhà nghiên cứu tiến sĩ trong lĩnh vực, 78.7% người tham gia đánh giá cao AlphaOracle và cho rằng hệ thống trung bình có thể tiết kiệm khoảng 64% thời gian phân tích.
Phương pháp nghiên cứu
AlphaOracle đi theo tư duy chuyên gia tiến hành khảo thích thực tế, nối liền tuần tự các bước phân tích bản dập Giáp Cốt, phân tích biến đổi hình chữ, truy xuất văn từ và phán đoán ngữ cảnh, kiểm chứng truyền thế văn hiến và nghiên cứu hiện đại.
Hệ thống trước tiên đưa ra nhiều ứng viên giải mã từ sự biến đổi chữ hoàn chỉnh, cấu trúc bộ phận và quan hệ hình chữ xuyên thời đại, sau đó đưa các ứng viên này vào kiểm tra trong bối cảnh bốc từ khác nhau từ kho tài liệu Giáp Cốt quy mô lớn, cuối cùng tìm kiếm sự hỗ trợ hoặc chất vấn thêm từ điển tịch cổ đại và nghiên cứu học thuật hiện đại, hình thành chuỗi bằng chứng hoàn chỉnh.
Quy trình giải mã AlphaOracle: Trước tiên phân tích bản dập, sau đó hoàn thành tuần tự phân tích hình thái, đối chiếu ngữ cảnh và kiểm chứng văn hiến, cuối cùng hình thành báo cáo bằng chứng cung cấp cho chuyên gia kiểm tra.
Bước 1: Phân tích bản dập
Sau khi nhập một bản dập Giáp Cốt Văn gốc, hệ thống trước tiên hoàn thành phát hiện ký tự, phân loại và tái tạo câu. Mô hình phát hiện đầu tiên định vị từng ký tự Giáp Cốt Văn, và thông qua một bộ phân loại nhận diện chữ đã giải mã, đồng thời giao các chữ chưa giải mã còn tranh cãi cho các module tiếp theo.
Tiếp theo, hệ thống coi mỗi ký tự như một nút, sử dụng mạng thần kinh đồ thị kết hợp thông tin không gian, đồng thời phán đoán điểm bắt đầu, kết thúc câu và mối quan hệ kết nối giữa các ký tự, sau đó căn cứ vào đó khôi phục thứ tự đọc. Cuối cùng, mô hình phân tích bản dập chia bản dập Giáp Cốt thành một số câu độc lập có thứ tự đọc và kết quả nhận diện ký tự sơ bộ.
Bước 2: Phân tích hình thái
Có được hình ảnh chữ đơn rõ ràng và thứ tự đọc, hệ thống bắt đầu đưa ra một số giả thuyết phá giải có thể cho chữ chưa giải mã từ hai hướng biến đổi theo thời gian và cấu trúc nội bộ.
Mạng biến đổi hình chữ sử dụng mô hình khuếch tán mô phỏng sự thay đổi hình chữ cổ đại thành hình thể đời sau, và nhận diện, tổng hợp kết quả sinh nhiều lần;
Mạng biến đổi bộ phận tháo rời thành phần cấu tạo trong hình chữ Giáp Cốt, và ánh xạ chúng thành chuỗi IDS của chữ Hán, căn cứ vào tổ hợp bộ phận để suy đoán chữ Hán tương ứng;
Mạng biến đổi thời kỳ lịch sử thì đặt các giai đoạn Giáp Cốt Văn, Kim Văn, Chiến Quốc văn tự, tiểu triện và lệ thư trên cùng một đường thời gian để so sánh mức độ tương đồng.
Ba mô hình chuyên gia đưa ra ứng viên và xác suất riêng, hệ thống căn cứ vào mức độ đáng tin của mô hình để tính trọng số, phán đoán chữ đó đã có giải mã được công nhận chưa, sau đó giữ lại nhiều đáp án phá giải có thể và độ tin cậy tương ứng cho chữ chưa giải mã.
Bước 3: Đối chiếu ngữ cảnh
Các giả thuyết phá giải do phân tích hình thái đưa ra còn phải đưa trở lại ngữ cảnh câu để kiểm tra, và tìm kiếm các trường hợp tương tự từ các bản dập liên quan khác.
Hệ thống trước tiên truy xuất tất cả các cách dùng đã biết của ký tự mục tiêu từ các tài liệu số hóa như Giáp Cốt Văn Hợp Tập, Giáp Cốt Văn Mô Bản Đại Hệ và Giáp Cốt Văn Hiệu Thích Tổng Tập dựa trên thông tin hình ảnh và thông tin văn bản, sau đó sử dụng mô hình ngôn ngữ mặt nạ được huấn luyện hướng đến Giáp Cốt Văn để phân tích kết hợp trước sau.
Trong quá trình huấn luyện, mô hình học cách dựa vào ngữ cảnh Giáp Cốt đã biết để điền lại chữ bị che; trong suy luận, một mặt nó sắp xếp lại nhiều ứng viên do module hình thái đưa ra, phán đoán ứng viên nào đưa vào câu là thông suốt nhất, mặt khác độc lập đưa ra ứng viên ngữ nghĩa.
Đối chiếu ngữ cảnh còn bao gồm một mô hình giải thích, thông qua vi tinh chỉnh có giám sát và học tăng cường dựa trên phản hồi, dùng để tổng hợp cách dùng của cùng một chữ trong các bốc từ khác nhau, và sinh ra giải thích bằng tiếng Hán hiện đại thuận tiện cho nhà nghiên cứu kiểm tra.
Bước 4: Chứng minh bằng văn hiến
Ứng viên phá giải đã được sàng lọc qua hình chữ và ngữ cảnh, sau đó sẽ sử dụng truyền thế văn hiến và luận văn nghiên cứu hiện đại để chứng minh thêm.
Tài liệu hệ thống sử dụng bao gồm 25 bộ truyền thế văn hiến cổ đại và 23.755 bài nghiên cứu hiện đại có thẩm quyền, bao gồm Thuyết Văn Giải Tự, điển tịch thời Tiên Tần Lưỡng Hán cũng như các tác phẩm chuyên môn như Cổ Văn Tự Cổ Lâm, Giáp Cốt Văn Cổ Lâm, Giáp Cốt Văn Tự Lâm.
Khi truy xuất, nó sẽ đưa cả dị thể tự và từ gần nghĩa vào truy vấn, đồng thời tìm kiếm tài liệu liên quan từ hai con đường ngữ nghĩa văn tự và hình ảnh chữ viết.
Mức độ liên quan của văn hiến khác nhau, tính có thẩm quyền của tài liệu, loại văn hiến và thời đại sớm muộn đều ảnh hưởng đến trọng số bằng chứng, mỗi tài liệu đều giữ lại thông tin thư mục và lý do truy xuất, thuận tiện cho nhà nghiên cứu truy tìm nguyên văn.
Báo cáo tổng hợp cuối cùng lần lượt trình bày căn cứ hình chữ, cách dùng ngữ cảnh và bằng chứng văn hiến, chỉ ra cách đọc có mức độ ủng hộ cao nhất hiện tại và độ tin cậy của nó, cũng rõ ràng giữ lại những bất đồng chưa giải quyết.
Tóm lại, AlphaOracle sẽ tự đưa ra giả thuyết, và thu thập bằng chứng liên quan cho từng giả thuyết, sau đó trình bày cho nhà nghiên cứu.
Toàn bộ quá trình hệ thống chỉ đưa ra một số phán đoán cần thiết, nhưng không thay thế chuyên gia đưa ra phán đoán cuối cùng, vai trò cốt lõi của nó là giúp nhà nghiên cứu phát hiện manh mối, kiểm tra bằng chứng và so sánh các cách giải thích khác nhau một cách hiệu quả hơn, và để quyền quyết định cuối cùng cho nhà nghiên cứu.
Kết quả thực nghiệm và đánh giá của chuyên gia
Giải mã Giáp Cốt Văn thiếu chuẩn mực thống nhất được công nhận, do đó bài báo chia vấn đề lớn thành một số nhiệm vụ có thể đo lường, và đánh giá AlphaOracle từ hai phương diện hiệu năng thành phần và giá trị sử dụng của chuyên gia.
Trong thực nghiệm phân tích hình chữ, nhóm nghiên cứu sử dụng thiết lập "mô phỏng chữ chưa giải mã", lấy 88 chữ đã biết chưa xuất hiện trong giai đoạn huấn luyện làm tập kiểm tra, độ chính xác Top-1 của AlphaOracle đạt 23.1%.
Trong phân tích ngữ cảnh, độ chính xác của hệ thống trong việc khôi phục chữ bị che từ bốc từ khuyết thiếu là 56.1%, và có thể với độ chính xác 95.2% chọn ra cách giải mã phù hợp hơn với ngữ cảnh từ kết quả ứng viên do phân tích hình chữ đưa ra, lần lượt cao hơn 22.2% và 65.4% so với đường cơ sở mô hình lớn thông dụng tốt nhất.
Trong đánh giá giải thích tổng hợp lấy giải thích bằng tiếng Hán hiện đại làm nhiệm vụ đại diện, chỉ số BLEU, ROUGE và METEOR của AlphaOracle lần lượt đạt 0.491, 0.586 và 0.659.
Cần lưu ý rằng, các mô hình thông dụng như GPT-5, Gemini 2.5 Pro và DeepSeek trong bài báo sử dụng thiết lập không mẫu, chưa được vi tinh chỉnh với dữ liệu lĩnh vực Giáp Cốt Văn. Do đó, kết quả liên quan cho thấy tầm quan trọng của ngữ liệu chuyên biệt và quy trình lĩnh vực hóa đối với nhiệm vụ này.
Kết quả cụ thể của khảo sát đánh giá bởi chuyên gia
Trong đánh giá sử dụng thực tế của chuyên gia, 86 chuyên gia và nhà nghiên cứu tiến sĩ từ các lĩnh vực Giáp Cốt Văn, trí tuệ nhân tạo và liên quan đã tham gia ẩn danh đánh giá hệ thống.
Trong đó 78.7% người tham gia cho rằng hệ thống "có ích" hoặc "rất có ích", và ước tính trung bình có thể tiết kiệm khoảng 64% thời gian phân tích. Trong đánh giá mô-đun hóa với thang điểm tối đa 5, bốn phần phân tích bản dập, phân tích hình chữ, đối chiếu ngữ cảnh và truy xuất căn cứ văn hiến lần lượt đạt điểm trung bình 4.20, 4.44, 4.38 và 4.01.
Trong khâu truy xuất văn hiến, lấy ngẫu nhiên 42 chữ Giáp Cốt Văn để kiểm tra thủ công, tỷ lệ trúng (recall) là 90.2%, độ chính xác (precision) là 74.8%. Điều này có nghĩa hệ thống sẽ trình bày phần lớn tài liệu có giá trị, nhưng trong đó vẫn sẽ lẫn vào những tài liệu văn hiến cần chuyên gia loại bỏ.
Đối với nhà nghiên cứu, điều này giảm chi phí lật xem văn hiến, và dành nhiều thời gian tiết kiệm được hơn cho việc phán đoán bằng chứng.
Bài báo còn tổ chức một "đấu trường con người" đánh giá mù, do các học giả Giáp Cốt kỳ cựu từ Bảo tàng Cố Cung, Bảo tàng Thượng Hải, Viện Khoa học Xã hội Trung Quốc, Đại học Thanh Hoa, Đại học Phục Đán, Đại học Nam Kinh, Đại học Cát Lâm, Đại học Trịnh Châu, Đại học Hà Nam, Đại học Sư phạm Hà Nam, Đại học Sư phạm Thủ Đô, Đại học Tây Nam, Đại học Hải Dương Trung Quốc, Phòng thí nghiệm trọng điểm Bộ Giáo dục Xử lý Thông tin Giáp Cốt Văn, và các đoàn thể học thuật liên quan từ Hàn Quốc, Nhật Bản, Hoa Kỳ thực hiện 210 lần kiểm tra mù đối với nhiệm vụ giải thích ngữ cảnh.
Kết quả cho thấy AlphaOracle đạt tỷ lệ ưa thích cao nhất là 45.2%, DeepSeek là 34.8%, Gemini 2.5 Pro là 12.9%, GPT-5 là 7.1%.
Giải mã cụ thể đối với chữ khó
AlphaOracle đối với bản dập "Đồn Nam 307", chữ Giáp Cốt Văn lâu nay tồn tại tranh cãi
(nghiên cứu thời kỳ đầu thường giải thích nó là chữ "Tốt"), tổng hợp hình chữ, văn từ và tài liệu văn hiến, giải thích nó là dị thể tự của chữ "Lao" (勞), bổ sung bằng chứng cho cách giải thích nó là địa danh hoặc tên tộc.
Ngoài ra, bài báo còn báo cáo kết quả giải tỏa nhập nhằng của 22 chữ dị thể có tranh cãi, một phần phân tích đã đi vào cơ sở dữ liệu học thuật có thẩm quyền về Giáp Cốt Văn, thể hiện tiềm năng của trí tuệ nhân tạo hỗ trợ chuyên gia khảo sát hiệu quả các văn tự tranh cãi, thúc đẩy thảo luận học thuật.
Tổng kết
AlphaOracle thông qua mô phỏng cách nghiên cứu của chuyên gia con người, đưa sự biến đổi hình chữ Giáp Cốt, phân bố văn từ và tài liệu văn hiến vào cùng một chuỗi bằng chứng, giúp nhà nghiên cứu phát hiện manh mối, tìm kiếm văn hiến, đối chiếu tài liệu, nâng cao hiệu quả giải mã Giáp Cốt Văn.
Đồng thời, nó mở ra một con đường gần với thực tiễn thực tế hơn cho nghiên cứu cổ văn tự bằng tính toán, máy móc không nên chỉ đưa ra một đáp án cuối cùng đầu cuối một cách không có căn cứ, mà nên cung cấp sự hỗ trợ bằng chứng đáng tin trong từng bước công việc mà nhà nghiên cứu tiến hành.
Tư duy như vậy cũng có thể mở rộng đến các lĩnh vực cổ văn tự khác, thiết lập phương thức sắp xếp và nghiên cứu hỗ trợ AI có hệ thống hơn cho nghiên cứu cổ văn tự phân tán và phức tạp.
Nghiên cứu cổ văn tự rốt cuộc không thể tách rời phán đoán của con người. Máy móc giỏi nhanh chóng đưa ra giả thuyết, hoàn thành truy xuất, tiến hành so sánh và quy nạp từ khối lượng tài liệu khổng lồ, học giả thì chịu trách nhiệm phân biệt nặng nhẹ của bằng chứng, nắm giữ quyết định cuối cùng.
Tương lai đáng mong đợi hơn chính là một viễn cảnh nghiên cứu phối hợp lẫn nhau như vậy, trí tuệ nhân tạo mở rộng phạm vi tìm kiếm tài liệu, học thức con người giữ vững độ sâu của phán đoán học thuật, khiến nhiều thông tin lịch sử đang ngủ yên trong Giáp Cốt và cổ văn tự được nhìn thấy trở lại.
Tài liệu tham khảo: https://doi.org/10.1016/j.xinn.2026.101462
Bài viết này đến từ tài khoản công chúng WeChat "Tân Trí Nguyên" (新智元), tác giả: ASI Khải Thị Lục; Biên tập: LRST
