### [算法考古：古文字自动破译在殷商甲骨上的进展](https://youshipu.cn/article/552)

**Published:** 2026-08-28T00:36:27

**Author:** 优势铺

**Excerpt:** 三千年前的甲骨文只剩约 1500 个单字被破译。本文解析深度学习与字形聚类如何把破译速度提升一个数量级，以及它…

## 为什么甲骨文难破

殷商甲骨自 1899 年首次被识别以来，120 多年间学者只破译出大约 1500 个单字，占已发现字形总量的不到一半。难处有三：同一字在不同卜辞里写法差异极大；占卜上下文不可替换；传世文献与之对应的可靠锚点稀少。

## 字形聚类代替人工比对

新一波「算法考古」先把几万张高清拓片交给卷积神经网络做无监督聚类，让机器自己把同一字的异体字归拢。聚类结果出来后，研究者只需对每个簇做一次训诂学核对，而不是逐字重头考释。公开论文显示，这种流程在「人」「卜」「雨」「田」等高频字的异体字归并上，准确率超过 92%。

## 上下文模型与「破译候选排序」

更关键的进步来自语言模型。研究者把同一时期的铜器铭文、传世文献片段拼接成一个上下文语料，让 Transformer 在给出残字时输出「最可能的若干候选字 + 释义」。这一思路把原本需要人文学者数年工夫的论证，压缩为数日可完成的候选排序。

## 从甲骨到简牍的同源迁移

方法一旦在甲骨上验证，立即被迁移到战国楚简、秦汉医简上。不同之处在于，简牍大量保存完整文本，可提供更密集的上下文监督信号；甲骨则仍需借助同位素、卜辞兆纹作为弱监督。

## 研究者还在做哪些事

目前学界最关心的不是「再破几个新字」，而是：能否建立可持续更新的「未释字候选库」、能否用图像模型对残泐部位做虚拟复原、能否让古文字研究与中小学课堂之间形成可用的桥梁。这三件事都已在不同实验室发生。

**Categories:** 分类1

---