💬 NLP

Evidence of Layered Positional and Directional Constraints in the Voynich Manuscript: Implications for Cipher-Like Structure

该论文通过对《伏尼契手稿》的系统分析，揭示了其独特的双向结构约束（词内右向左优化与词间左向右依赖），并证明现有的参数化插槽生成器和卡丹格栅模型均无法同时复现其四项关键特征，从而表明该手稿具有难以通过简单机制解释的类密码结构约束。

原作者： Christophe Parisel

发布于 2026-04-23

📖 1 分钟阅读☕ 轻松阅读

原作者： Christophe Parisel

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是在给一本神秘的“天书”（伏尼契手稿）做CT 扫描。

想象一下，伏尼契手稿是一本几百年前写的书，上面全是没人能看懂的奇怪符号。几百年来，大家争论不休：这到底是某种失传的语言？是某种加密的密码？还是纯粹胡编乱造的乱码？

作者克里斯托夫·帕里斯尔（Christophe Parisel）没有直接去猜“它是什么意思”，而是换了一个角度，像侦探一样去检查这本书的**“书写习惯”和“结构规律”**。他用了四本普通的书（英语、法语、希伯来语、阿拉伯语）作为“对照组”，看看伏尼契手稿和它们有什么不一样。

以下是这篇论文的核心发现，用大白话和比喻来解释：

1. 一个奇怪的“精神分裂”现象：左右互搏

普通书的情况： 无论是从左往右写（如英语）还是从右往左写（如阿拉伯语），整本书的“内部逻辑”和“段落之间的连接”方向是一致的。就像一个人走路，既用左脚起步，也用左脚迈步，很协调。
伏尼契手稿的情况： 它有点“精神分裂”。
- 单词内部： 如果把一个单词里的字母拆开看，从右往左读反而更顺口、更有规律（就像阿拉伯语）。
- 单词之间： 但是，当从一个单词跳到下一个单词时，又是从左往右更有规律（就像英语）。
比喻： 这就像一个人，走路时是用右脚起步的（单词内部），但每走一步换脚时，却必须用左脚去接（单词之间）。 这种“内部向右，外部向左”的矛盾，在普通语言里从未见过。
作者的发现： 有趣的是，作者用电脑模拟了一下，发现只要把伏尼契手稿里的单词打乱重排，这种“矛盾”依然会出现。这说明这种矛盾可能只是表面现象，是单词本身结构造成的，并不是破解密码的关键钥匙。

2. 真正的“指纹”：四个无法模仿的特征

作者认为，虽然上面的“左右互搏”是表面现象，但伏尼契手稿还有四个深层的“指纹”，是普通语言没有的，也是目前最流行的两种“造词机器”造不出来的。

特征一：严格的“首尾交接” (80.6% 的交接率)

普通语言： 一个词结束，下一个词开始，它们之间没有严格的限制。比如英语里，"dog"后面可以接"cat"，也可以接"apple"，很随意。
伏尼契手稿： 它像是一个严格的流水线。如果一个词以“结尾类”符号结束，下一个词**80.6%**的概率必须以“开头类”符号开始。
比喻： 就像玩传球游戏。普通语言里，A 传给 B 或 C 都可以；但在伏尼契手稿里，A 手里拿着“红球”（结尾），他几乎只能传给拿着“蓝球”（开头）的 B，而且这种规则执行得极其死板。

特征二：极端的“两极分化”

普通语言： 有些字母喜欢出现在开头（比如英语的 'T'），有些喜欢出现在结尾（比如 's'），但通常不会太极端。
伏尼契手稿： 它的符号分得特别清。有些符号几乎只出现在开头（出现几千次开头，0 次结尾），有些几乎只出现在结尾。而且这种“只进不出”或“只出不进”的情况，在开头和结尾两类符号里同时存在。
比喻： 就像在一个舞厅里，普通语言里，有人喜欢站在门口，有人喜欢站在角落，但偶尔也会混着站。而伏尼契手稿里，“门口组”的人绝对不进舞池，“舞池组”的人绝对不出门口，而且这两组人都有各自的极端规则。

特征三：奇怪的“频率曲线” (齐普夫分布)

普通语言： 单词开头和结尾的字母频率分布通常比较平缓，像一座小山丘。
伏尼契手稿： 它的分布像陡峭的悬崖。少数几个符号占据了绝大多数位置，剩下的符号极少。
比喻： 普通语言的字母分布像是一个平缓的公园，大家散步均匀；伏尼契手稿像是一个只有几个热门景点的游乐园，90% 的人都挤在那几个点，其他点空无一人。

特征四：深层的“秘密连接”

普通语言： 单词之间的连接主要靠词义。
伏尼契手稿： 即使打乱了单词的顺序，单词之间依然保留着很强的“数学联系”。
比喻： 就像一串珍珠项链。普通项链的珍珠之间只是穿在一起；伏尼契手稿的珍珠之间，即使你把项链剪断打乱，每颗珍珠依然能感觉到旁边那颗珍珠的“磁场”，这种联系深藏在符号本身的组合里，而不是靠单词顺序。

3. 为什么现有的“造词机器”都失败了？

作者为了验证这些特征是不是真的那么特殊，他造了两台“机器”来尝试模仿伏尼契手稿：

“插槽机器” (Slot-based Generator)： 假设单词是由“前缀槽”和“后缀槽”拼起来的。
- 结果： 它能模仿出“首尾交接”的严格规则，但模仿不出那种“陡峭的频率曲线”。它要么太乱，要么太平。
“卡丹格栅机器” (Cardan Grille)： 这是一种古老的密码工具，假设文字是通过在一张有孔的卡片上盖章生成的。
- 结果： 它能模仿出“陡峭的频率曲线”，但模仿不出那种“首尾交接”的严格规则。

结论： 就像你试图用“乐高积木”去拼出一个“乐高积木”和“橡皮泥”混合体的特征，结果发现：要么拼出了形状，但材质不对；要么材质对了，但形状不对。 目前没有任何一种简单的机器能同时完美复制这四个特征。

总结：这到底意味着什么？

这篇论文并没有告诉我们伏尼契手稿写的是什么（是草药书？还是外星语？）。

它做的是**“排雷”**工作：

它告诉我们，那些看似神奇的“左右方向矛盾”可能只是表面现象，不是核心秘密。
它列出了四个硬核指标：任何想要破解伏尼契手稿的人，或者任何想要解释它的理论，必须能同时解释这四个指标。
它证明了：简单的“乱码生成器”或者简单的“密码替换表”都做不到这一点。

一句话总结：
伏尼契手稿就像是一个拥有极其复杂内部规则的精密仪器。目前的简单理论（要么是乱码，要么是简单的密码）都造不出这么精密的东西。要解开它，我们需要一个能同时满足“严格的首尾规则”、“极端的符号分布”和“深层数学联系”的超级复杂的生成机制。

这就好比，以前大家猜这辆车是自行车还是摩托车，现在作者拿着图纸说：“别猜了，这辆车既有自行车的链条，又有摩托车的引擎，而且还能飞。任何只按自行车或摩托车原理造的模型，都造不出这辆车。”

这是一份关于《伏尼契手稿（VMS）中层级位置与方向约束的证据：对类密码结构的启示》一文的详细技术总结。

1. 研究背景与问题 (Problem)

伏尼契手稿（VMS）是历史上最著名的未解之谜之一，其文字系统来源不明，且无法通过常规语言学分析破译。目前学界主要存在三种假设：无意义的乱码（Gibberish）、自然语言或人造语言、以及已知语言（如拉丁语或意大利语）的密文。

本文旨在解决一个核心但未被充分量化的问题：VMS 脚本的方向性及其内部结构约束。

方向性悖论：虽然手稿显然是从左向右（LTR）书写的，但先前的研究（Parisel, 2025）发现其字符流在从右向左（RTL）阅读时具有更低的困惑度（Perplexity）。
边界异常：自然语言在词边界处通常表现出非对称的字符分布（符合平台状分布），而 VMS 的词首和词尾字符分布却遵循齐普夫定律（Zipfian）（幂律分布），这使得传统的基于熵和基尼系数的方向性检测指标失效。
核心问题：VMS 表现出的这种“字符级 RTL 优化”与“词边界 LTR 优化”的分离现象，是表面统计特征还是深层生成机制（如密码或特定语法结构）的证据？现有的生成模型（如基于槽位的生成器或卡丹格栅）能否复现 VMS 的所有结构特征？

2. 方法论 (Methodology)

作者提出了一套系统的分析框架，包含以下关键步骤：

2.1 数据与对比集

VMS 语料：RF1b-e EVA 转录本（37,016 个单词）。
对比语言：英语（LTR）、法语（LTR）、希伯来语（RTL）、阿拉伯语（RTL）。
注意：对比集仅包含这四种语言，结论仅针对此集合有效，不能直接推广到所有自然语言。

2.2 核心分析指标

方向性不对称测试：
- 字符流层面：计算 n-gram 困惑度差异 ( $\Delta = X_{LTR} - X_{RTL}$ )。
- 跨词边界层面：计算词与词之间边界过渡的条件熵和互信息（MI），比较正向（原始顺序）与反向（词序颠倒）的差异。
位置诊断 (Positional Diagnostic)：
- 极性指数：根据词首/词尾出现频率的 2:1 阈值，将字符分类为“偏好词首”、“偏好词尾”或“模糊”。
- 互信息分解：将跨边界互信息分解为类级别 MI（仅由位置标签携带的信息）和类内 MI（由特定字符身份携带的信息）。
马尔可夫模拟 (Markov Simulation)：
- 训练一个基于 VMS 单词序列的马尔可夫链（不参考字符级位置类或生成机制），生成合成语料。
- 目的：验证“方向性分离”（字符 RTL/边界 LTR）是否仅仅是表面单词统计的产物，还是深层机制的必然结果。
生成模型测试 (Generative Model Testing)：
- 构建两类结构化生成器，并在其全参数空间内测试，看能否同时满足四个签名（Four Signatures）：
  1. Sig1: 高“词尾→词首”（End→Start, E→S）转换率（70-95%）。
  2. Sig2: 双侧位置极端性（Bilateral positional extremity）。
  3. Sig3: 高跨边界互信息（>0.10 bits）。
  4. Sig4: 齐普夫型边界分布（幂律拟合 $R^2 > 0.85$ ）。
- 测试模型：
  - 参数化槽位生成器 (Slot-based generator)：模拟 VMS 由前缀/后缀槽位组成的假设。
  - 卡丹格栅生成器 (Cardan grille)：实现 Rugg (2004) 的乱码假说。
  - Naibbe 密码：测试 Greshko (2025) 提出的基于拉丁/意大利语的密码模型。

3. 主要发现与结果 (Key Results)

3.1 方向性特征与马尔可夫模拟

方向性分离：VMS 在字符流层面表现为 RTL 优化（ $\Delta > 0$ ），而在词边界层面表现为 LTR 优化（ $\Delta_{CB} < 0$ ）。这是对比集中唯一表现出这种“反向优化”的文本。
模拟结论：马尔可夫模拟在 10/10 次运行中成功复现了这种方向性分离。
- 推论：方向性分离不是独立的诊断指标，而是 VMS 单词内部结构（RTL 可预测）和单词间过渡概率（LTR 可预测）的表面统计后果。这排除了将其作为深层生成机制证据的可能性，将研究重点转向其他不可还原的属性。

3.2 位置特征与互信息分解

极高的 E→S 转换率：VMS 的词尾字符到词首字符的转换率高达 80.6%，远超对比语言（19.8% - 35.5%）。
双侧位置极端性：VMS 中存在大量极端位置比（>100:1）的字符，且同时存在于“词首偏好”和“词尾偏好”两类中（如 q 几乎只在词首，iin 几乎只在词尾）。相比之下，对比语言中的极端比通常仅出现在特定正字法形式（如希伯来语词尾变体）中。
互信息分解：
- 97% 的跨边界互信息来自于类内的具体字符过渡，而非位置标签本身（类级别 MI 仅占 3%）。
- 这意味着 VMS 的边界约束非常刚性，但具体的字符选择具有高度的序列依赖性。
- VMS 在打乱词序后仍保留了 21% 的互信息（对比语言约为 7-14%），表明存在不依赖特定词序的结构化预测性。

3.3 生成模型测试失败 (The Failure of Generators)

这是本文最核心的贡献。没有任何一种测试过的生成器配置能同时满足上述四个签名：

槽位生成器 (Slot-based)：
- 能复现 E→S 率（Sig1）和双侧极端性（Sig2）。
- 失败点：无法同时满足高互信息（Sig3）和齐普夫分布（Sig4）。提高齐普夫指数以拟合分布会破坏字符多样性，从而降低互信息。
卡丹格栅 (Cardan grille)：
- 诚实配置（无预设池）：无法同时满足 E→S 率和齐普夫分布。
- 循环配置（预设前缀/后缀池）：能复现 Sig3 和 Sig4，但破坏了 Sig1（E→S 率）。
- 机制冲突：高列偏斜（Column skew）能产生齐普夫分布，但会导致主导字符在词首和词尾均匀出现，从而消除位置不对称性。
Naibbe 密码：
- 得分仅为 1/4（仅通过 Sig2）。
- 由于单字母 token 的稀释作用，E→S 率远低于 80.6%；且由于卡片抽取的统计独立性，跨边界互信息几乎为零。

4. 主要贡献 (Key Contributions)

量化基准的建立：首次提出了针对 VMS 的“四签名联合标准”（Four-signature joint criterion），为未来的生成模型或密码分析模型提供了严格的量化评估基准。
方向性分离的澄清：通过马尔可夫模拟证明，VMS 独特的“字符 RTL/边界 LTR"分离现象是表面统计的产物，而非深层密码机制的直接证据，从而修正了之前的分析方向。
结构性约束的揭示：证明了 VMS 的四个关键特征（高 E→S 率、双侧极端性、齐普夫边界分布、高结构互信息）在统计上是相互排斥的，至少在目前测试的简单生成机制（槽位、格栅、简单密码）中无法共存。
排除特定假设：虽然不能证明 VMS 是自然语言或乱码，但明确排除了“仅通过频率集中机制”或“简单的卡丹格栅/槽位组合”来生成 VMS 的可能性。

5. 意义与局限性 (Significance & Limitations)

意义

密码学启示：VMS 表现出一种“类密码”的结构约束，这种约束难以通过简单的频率或位置机制复现。任何有效的破译模型或生成模型必须能够解释这种互补的失败模式（即不同机制在不同维度上的失效）。
语言学启示：如果 VMS 是自然语言，它必须具有极其罕见的位置形态学特征（如极端的词首/词尾非重叠字符集），这在已知语言中尚未发现。

局限性

对比集过小：仅对比了四种语言，未包含黏着语（如土耳其语、芬兰语）或具有复杂模板形态的语言，因此不能断言 VMS 在所有自然语言中都是独特的。
生成器覆盖不全：虽然测试了槽位和格栅，但可能存在具有独立可调参数（位置池结构与频率集中机制分离）的更复杂生成器尚未被测试。
转录依赖：结果依赖于 EVA 转录系统的准确性，词边界划分错误可能影响结果。

总结

这篇文章并未直接破译伏尼契手稿，而是通过严谨的统计分析和生成模型反演，定义了 VMS 的结构特征空间。它证明了 VMS 的结构复杂性超出了目前主流假设（乱码、简单密码、标准自然语言）的简单变体所能解释的范围。未来的研究必须寻找能够同时满足高 E→S 率、齐普夫分布和高互信息这一“不可能三角”的生成机制。