استعادة حروف رقائق ليي من سلالة تشين باستخدام شبكة توليدية عدائية مع قيد المكون المتصل الفعال

إحياء كلمات قديمة

قبل اختراع الورق بوقت طويل، كان المسؤولون الصينيون يكتبون على شرائط رفيعة من الخيزران والخشب. عُثر على آلاف من هذه السجلات الهشة، المعروفة باسم رقائق ليي من عهد تشين، في بئر مهجور بعد أن قضت أكثر من ألفي عام تحت الأرض. تحتوي هذه الرقائق على أوامر ويوميات وحسابات وتقارير من أول إمبراطورية صينية موحدة. لكن الماء والطين والكائنات الدقيقة طمرت الكثير من الحبر أو شوهته، مما يجعل قراءة هذه الرقائق يدويًا عملية بطيئة ومجهدة. توضح هذه الدراسة كيف يمكن لنظام ذكاء اصطناعي حديث أن «ينظف» رقميا هذه الحروف التالفة، مما يساعد المؤرخين على استعادة أصوات الماضي البعيد.

لماذا تهم هذه السجلات المدفونة

رقائق ليي ليست مراسيم ملكية أو نقوشًا فخمة؛ إنها سجلات عمل الحكومة اليومية. تسجل أكثر من 30,000 رقيفة الضرائب والعمل والإدارة الروتينية في مقاطعة تقع على حافة إمبراطورية تشين. وعلى عكس رقائق مشابهة وُجدت في قبور جافة، فقد أقعدت رقائق ليي في رواسب رطبة في أسفل بئر. العديد منها مشوّه، متشقق وملطّخ؛ ضربات الفرشاة باهتة أو تالفة. فك شفرة دفعة واحدة يمكن أن يستغرق خبراء سنوات، وزيادة عدد الاكتشافات تفوق ما يمكن للعيون البشرية التعامل معه وحدها. أتمتة جزء من عملية الاستعادة يمكن أن تسرع البحث بشكل كبير بينما تحافظ على الأشكال الدقيقة التي تجعل كل حرف قابلاً للقراءة.

تعليم الحاسوب الرؤية خلال التلف

يتعامل المؤلفون مع الاستعادة على أنها نوع من ترجمة الصور: يتلقى الحاسوب صورة صغيرة ومشوشة لحرف ويُطلب منه إنتاج ما سيبدو عليه ذلك الحرف إذا كان نظيفًا وواضحًا. لتحقيق ذلك، يبنون على نوع من الذكاء الاصطناعي يُعرف بالشبكة التوليدية العدائية، أو GAN. تحاول شبكة واحدة ("المولد") تحويل الصورة التالفة إلى صورة واضحة، بينما تقيم شبكة أخرى ("المميّز") ما إذا كانت النتيجة تبدو كحرف حقيقي ومكتوب جيدًا. من خلال هذا التنافس المتبادل، يتعلم المولد تدريجيًا إنتاج استعادات أكثر إقناعًا تخدع الناقد.

تركيز أدق على ضربات الفرشاة الصغيرة

غالبًا ما تفشل أدوات الصور التقليدية في التقاط أدق تفاصيل الحبر على الخيزران، خصوصًا عندما يكون الخلفية مرقطة والحبر باهتًا. حسّن الفريق قلب الـGAN باستخدام تصميم على شكل حرف U يُعرف باسم U-Net، الذي يوازن بين السياق الواسع وتفاصيل مستوى البكسل. استبدلوا الوحدات الأساسية المعتادة في هذه الشبكة بكتل متبقية كثيفة محلية مصممة خصيصًا. تشجع هذه الكتل النظام على إعادة استخدام الأنماط المفيدة مع تجنّب الملسّ الزائد الذي قد يسبب اندماج الضربات المجاورة. يقوّي جزء "عنق الزجاجة" في وسط الشبكة خصائص الأكثر أهمية، مما يساعد النموذج على التمييز بين الضربات الحقيقية والضوضاء حتى عندما يكون الأصل متدهورًا بشدة.

الحفاظ على هيكل كل حرف سليمًا

ابتكار رئيسي هو ما يسميه المؤلفون قيد المجال المتصل الفعال. بدلًا من تقييم كل بكسل بمفرده، ينظر هذا القيد إلى مناطق الحبر الأساسية في الحرف: حجمها ومواقع مراكزها. يقارن النموذج هذه "الجزر" الخشنة من الحبر في مخرجاته بتلك الموجودة في صور مرجعية مستعاد بعناية، مع إيلاء اهتمام خاص فقط للأكبر منها التي تشكل الهيكل العظمي الأساسي للحرف. إذا كان هناك ضربة رئيسية مفقودة، أو مدموجة مع أخرى، أو منزاحة عن مكانها، يُعاقب النظام ويُجبر على التعديل. يثبت هذا الفحص الهندسي البسيط أنه مستقر بشكل ملحوظ حتى عندما تكون الضربات مكسورة أو الحواف مهلهلة أو الحبر متسربًا في الخلفية.

مدى فاعلية الإصلاحات الرقمية

لأن بيانات مناسبة لم تكن متوفرة، أنشأ الفريق مجموعة بيانات مزدوجة خاصة تضم 600 صورة حرف من رقائق ليي، كل واحدة مرتبطة باستعادة دقيقة نفذها خبراء. على هذا الاختبار المرجعي، تتفوق طريقتهم على عدة أساليب متقدمة، بما في ذلك GANs أخرى ونموذج قائم على المحولات ونموذج انتشار، وفقًا لثلاثة مقاييس قياسية لجودة الصورة. تُظهر المقارنات البصرية جنبًا إلى جنب عددًا أقل من الضربات المكسورة، وفصلًا أنظف بين خطوط الفرشاة المتقاربة، وقلّة الفوضى في الخلفية. منح مدرسو الخط الذين راجعوا النتائج في اختبار أعمى درجات عالية لاستمرارية الضربات، والدقة الهيكلية، وسهولة القراءة العامة، وتشير اختبارات منفصلة إلى أن النموذج لا يحفظ ببساطة بيانات التدريب.

إعادة الكتابة المدفونة إلى نطاق الوضوح

بالنسبة لغير المتخصصين، الرسالة واضحة: من خلال دمج معرفة الخبراء بالخطوط القديمة مع تصاميم ذكاء اصطناعي مخصصة، أصبح من الممكن الآن استعادة كتابة قابلة للقراءة من رقائق خيزران بدت يومًا ما تالفة جدًا. يحافظ النموذج ليس فقط على وجود الحرف، بل على كيفية تواجد الضربات وعلاقاتها في الفضاء، مما يجعل المخرجات ذات معنى للمؤرخين وعلماء اللغة. وعلى الرغم من أن المنهج لا يزال يعتمد على بيانات تدريب محدودة ولم يتم تكييفه بعد مع مواد أخرى مثل الحرير أو الحجر، فإنه يشير إلى مستقبل يمكن من خلاله استعادة ودراسة العديد من النصوص الهشة والصعبة القراءة رقميًا على نطاق واسع، فاتحًا نوافذ جديدة على الحياة اليومية في الإمبراطوريات المبكرة.

الاستشهاد: Li, X., Huang, Y., She, S. et al. Restoration of Liye Qin slips characters using generative adversarial network with effective connected component constraint. npj Herit. Sci. 14, 194 (2026). https://doi.org/10.1038/s40494-026-02434-6

الكلمات المفتاحية: استعادة رقائق الخيزران, المخطوطات الصينية القديمة, الشبكات التوليدية العدائية, حفظ التراث الرقمي, استرجاع الأحرف المكتوبة يدويًا