Determinative Detection in Egyptian Hieroglyphic Sequences: A Sequence-Labelling Benchmark and Multi-Agent LLM Baseline

三千多年来，古埃及人使用一种在现代人眼中看起来像是鸟类、腿部和几何图形展示集的图像系统，记录着他们的历史、祈祷和法律。但这种书写系统远不止是声音的列表。它是一种混合代码，其中一个图像可以同时承担三种不同的工作：它可以代表一个声音，可以代表一个完整的词，或者可以作为一个沉默的标签。这第三种工作由被称为“限定符”（determinative）的符号执行，它是理解文本的关键。限定符是一个放在词末的无声标记，用以告知读者这个词属于哪一类事物。它可能表示该词是指代一个人、一种动物、一位神灵或一种动作类型。由于这些符号是无声的，且通常看起来与其他句子中的图像相似，因此判断哪些是单纯的声音，哪些是沉默的标签，是一个困难的谜题。如果不解开这个谜题，计算机就无法正确翻译古埃及语，因为它们无法分辨一个词在哪里结束，也无法理解所发现词汇的含义。

几十年来，学者们一直通过人工研究这些沉默的标签，但文本的数量之巨使得人类无法独自处理所有内容。最近，研究人员尝试教计算机阅读这些古老文字，但大部分工作都集中在仅仅识别图像本身，比如识别一只鸟或一条腿的绘画。很少有人关注更难的任务——即弄清楚哪些图像正在充当沉默的标签。来自巴西和西班牙的研究人员的一项新研究直接解决了这一空白。他们创建了一个专门设计的计算机系统，旨在寻找古埃及书写序列中的这些沉默标签。该系统并非只是进行猜测，而是使用一组协同工作的人工智能代理（agents），从不同角度检查文本，以得出既聪明又可靠的结论。

研究人员首先构建了一个专门的知识库。他们收集了超过八十种可以作为沉默标签的符号信息，并将它们分类为人物、动物、神灵和自然等类别。随后，他们创建了一个包含九十九个短古埃及书写序列的测试集，这些序列经过人类专家的仔细检查和标注。该集合作为一个基准，即一个标准测试，用以观察计算机程序执行该任务的效果如何。目标是观察机器是否能够观察一串符号，并正确指出哪些是沉默标签，哪些仅仅是声音或单词本身的一部分。

为了解决这个问题，团队构建了一个像小型专家委员会一样的系统。他们使用了大型语言模型（即在海量文本上训练过的强大计算机程序），但并没有让它们单独工作。相反，他们设置了两个独立的代理来分析每一段书写序列。一个代理观察符号的含义，提出类似“这个图像是否符合神灵或人的概念？”的问题；另一个代理则严格观察符号的结构和位置，提出类似“这个符号是否位于单词末尾，即通常放置沉默标签的位置？”的问题。至关重要的是，这两个代理在工作时并不互相交流。它们必须独立形成自己的观点。这种设计确保了如果两个代理都对某个标签达成一致，那么这就是一个强有力的信号，表明它们是正确的，而不是仅仅在互相复制错误。

一旦两个代理完成了分析，第三个代理就会充当合成器，将它们的发现整合在一起。它会寻找两者达成一致的地方以及产生分歧的地方。最后，一套严格且不可更改的规则充当了裁判。这个裁判会将建议与研究人员建立的知识库进行核对。它应用特定的规则，例如“表示容器的符号只有在文本涉及液体或祭品时，才能作为沉默标签”。如果语境不符，即使人工智能代理认为正确，规则也会拒绝该建议。这种来自人工智能的灵活思维与来自裁判的刚性规则的结合，创造了一个能够处理古语言复杂性的系统，使其不会做出荒谬的猜测。

研究人员使用一种严谨的方法测试了他们的系统，旨在确保结果并非仅仅是运气好。他们将九十九个测试序列分为五个不同的组。在每一轮测试中，他们使用其中四组来训练系统，并使用第五组来测试它，重复这一过程，直到每一个序列都被测试过且仅测试过一次。这种方法让他们能够清晰地看到系统在面对未见文本时的表现。结果显示，该系统非常有效。它在绝大多数情况下都能正确识别沉默标签，在平等看待所有类型标签时，成功率约为百分之八十二；而在观察找到的标签总数时，成功率约为百分之八十八。这些结果在不同测试组之间的一致性表明，该系统是稳健的，并不依赖于特定的示例集。

最有趣的发现之一是系统如何处理困难案例。研究人员发现，当文本信息丰富、包含三个或更多沉默标签时，系统的表现最好。在这些复杂的序列中，来自含义和结构的各种线索相互增强，使正确答案变得显而易见。然而，对于完全没有沉默标签或只有一个沉默标签的极短序列，系统则显得较为吃力。在这些稀疏的情况下，缺乏周围的线索使得系统难以确定，从而导致了较多的错误。这表明，当证据充足时，该系统非常擅长寻找模式，但在文本非常简单时，它需要更多的辅助。

这项工作的另一项重大创新在于它呈现答案的方式。系统并非像“黑箱”一样给出一个单一的最终答案，而是提供一个排好序的可能性列表。它提供一个主要解释（即最可能的答案），同时也列出最多三个备选解释。对于每个备选方案，系统都会详细说明需要什么样的额外证据才能使该备选方案成为正确答案。例如，它可能会说：“我们认为这个符号是关于神灵的标签，但如果文本是关于寺庙的，它也可以是关于建筑物的标签。”这种透明度使计算机成为了人类学者的协作工具。它并不是取代专家，而是展示选项及其推理过程，允许人类根据其更深厚的知识做出最终决定。

研究还强调了仍然存在的特定挑战。系统有时会混淆具有两种截然不同功能的符号，例如，一只表示“行走”或作为“动作”沉默标签的行走腿部的图像。因为计算机依赖语境来决定符号正在承担哪种工作，所以当语境存在歧义时，它偶尔会出错。研究人员指出，这些错误并非源于系统的逻辑缺陷，而是源于当前知识库的局限性。通过增加更多示例并完善针对这些棘手符号的规则，该系统很可能会进一步提升。

最终，这项工作为计算机如何与古代书写系统进行交互建立了新标准。它证明了结合了现代人工智能的灵活推理能力与人类学术的严谨规则的混合方法，可以解决两者单独都无法解决的问题。该系统不仅产生翻译，还产生一个可以被检查、质疑和改进的结构化论证。通过使推理过程可视化并明确替代方案，研究人员创造了一个既尊重古语言复杂性，又为更快、更准确地分析尚待解读的数千份文献打开了大门的工具。这并不是一个瞬间解决一切问题的魔法方案，但它是向前迈出的重要一步，为未来的研究提供了可靠的基准，并为机器与人类共同理解过去开辟了一种新的方式。