نهج تعاوني بين الإنسان والآلة لفك رموز نقوش عظام المنجَم باستخدام شبكات تنافسية توليدية

الكتابة القديمة تلتقي بالآلات الحديثة

منذ أكثر من ثلاثة آلاف عام، نقّب العرّافون في الصين عن إجابات لأسئلة حول الحروب والطقس والمحاصيل على قواقع السلاحف وعظام الحيوانات. اليوم تشكل نقوش عظام المنجَم كنزاً لمعرفة كيف تشكلت الكتابة الصينية والمجتمع الصيني المبكر. لكن كثيراً من هذه الرموز الصغيرة المتآكلة لا تزال غير مفهومة وعددها أكبر مما يمكن لعدة خبراء إنجازه بمفردهم. توضح هذه الورقة كيف يمكن للذكاء الاصطناعي، بالعمل جنباً إلى جنب مع الباحثين، أن يساعد في قراءة هذه الخربشات القديمة عبر تحويلها إلى حروف صينية معاصرة بمظهر حديث.

من صور على العظام إلى صور للكمبيوتر

الخط المنجَمي بصري بشكل غير عادي. نقش الكتّاب الأوائل صوراً مبسطة للنمور والشمس والناس والأدوات مباشرة في العظم، لذا كل حرف يشبه رسماً صغيراً. يستفيد المؤلفون من هذا بتعاملهم مع كل رمز كصورة بدلاً من كود أو نص. يجمعون أكثر من ألف زوج من الصور: في أحد الجانبين صورة فوتوغرافية لرمز من العظم، وفي الطرف الآخر نظيره الحديث المعروف بالصينية. عبر تغيير الحجم وتنظيف هذه الصور، يبنون مكتبة صور موحدة يمكن للكمبيوتر أن يتعلم منها، مما يحوّل مشكلة فك الشفرة القديمة إلى مهمة حديثة للترجمة من صورة إلى صورة.

فنانان رقميان: نماذج ذكاء اصطناعي مكملة

يدرّب الفريق نوعين مرتبطين لكن مختلفين من الشبكات التنافسية التوليدية (GANs)، وهي نماذج ذكاء اصطناعي تتعلم إنشاء صور واقعية عبر وضع «مولد» مقابل «مميز». نموذج واحد، مستند إلى نظام يسمى Pix2Pix، يتعلم من أمثلة مزدوجة: يرى رمز العظم والحرف الحديث الدقيق الذي ينبغي أن يصبح عليه. يتفوّق هذا النموذج في إنتاج حروف معاصرة واضحة ومشكّلة جيداً تتطابق عن كثب مع الأشكال المتوقعة. النموذج الثاني، المبني على CycleGAN، صُمم للعمل حتى عندما لا تكون الأمثلة متطابقة تماماً. يميل إلى الحفاظ على الهيكل والعلامة الأصلية لخط المنجَم مع تنظيم لطيف نحو الأشكال الحديثة. معاً، يقدم النموذجان تفسيرات مختلفة لما قد بدا عليه رمز قديم تالف في شكل أكثر انتظاماً وقراءة.

اختبار الآلات ومقارنة البدائل

للتحقق مما إذا كانت هذه الأنظمة تفعل أكثر من رسم صور جميلة، يجري المؤلفون مجموعة اختبارات دقيقة. يحتفظون بـ160 زوجاً معروفاً من العظم والحديث لا يراها الذكاء الاصطناعي أثناء التدريب، ثم يطلبون من كل نموذج التنبؤ بالأحرف الحديثة من صور العظام. يقارنون المخرجات بالإجابات الحقيقية باستخدام مقاييس معيارية لجودة الصورة والبنية، كما يقومون بفحص النتائج بصرياً. في مقارنة أوسع، يواجهون نموذجي GAN مع طرق صور شائعة أخرى، بما في ذلك نماذج الانتشار والمحولات والشبكات الكلاسيكية من نوع U‑Net. يبرُز زوج GAN: ينتج Pix2Pix أوضح الحروف وأكثرها قابلية للقراءة، بينما يوفر CycleGAN بدائل محافظة تحافظ على البنية. غالباً ما تُشوّه الطرق الأخرى الخطوط أو تُكسر هيكلية الحرف أو تولّد أشكالاً لا تشبه الكتابة أصلاً، مما يجعلها أدوات ضعيفة لفك الشيفرة الجاد.

الإنسان في الحلقة: تعاون لا استبدال

جوهر الدراسة ليس الذكاء الاصطناعي وحده، بل شراكة منظمة بين الآلات والخبراء. بالنسبة إلى 150 نقشاً كانت معانيها مجهولة سابقاً، يولد النموذجان عدة مرشحات للحروف الحديثة. يختار الأخصائيون البشريون بعدها المرشحين الواعدين ويعيدون رسم الضربات المفقودة أو غير المؤكدة يدوياً، مسترشدين باقتراحات الذكاء الاصطناعي ومعرفتهم بتاريخ اللغة ومشاهد الحياة اليومية المنعكسة في النصوص. في دراسات حالة مفصّلة — مثل اقتراح أن رمزا مجهولا واحدا يعني «مغارة» أو «عش» — يجمع المؤلفون بين الأشكال المقترحة بواسطة الذكاء الاصطناعي، والمقارنات مع حروف ذات صلة، والمعلومات التاريخية عن السكن والطقوس القديمة. كما يجرون تجارب مضبوطة على 160 حالة معروفة، يقارنون ثلاثة أوضاع: الذكاء الاصطناعي وحده، البشر يرسمون من الصفر، والبشر يصقلون مسودات الذكاء الاصطناعي. يثبت النهج المشترك أنه يُنتج باستمرار صوراً أقرب إلى الحروف الحقيقية، كما تحكم عليها كلٌ من مقاييس الصور الرقمية ولجان الخبراء، مع توفير الوقت والجهد للباحثين.

لماذا يهم هذا للتاريخ والتراث

بالنسبة لغير المتخصصين، الفائدة واضحة: كل حرف منقوش على عظم يُفك شفرته يوضّح صورتنا عن التاريخ الصيني المبكر، من التضحية الملكية إلى الزراعة والأمراض. تُظهر هذه الدراسة أن الذكاء الاصطناعي يمكنه أكثر من التعرف على خط اليد الحديث أو توليد الفن؛ يمكنه المساعدة في فتح أقدم طبقات الثقافة المكتوبة عند اقترانه بحكم بشري دقيق. بدلاً من استبدال الخبراء، يعمل النظام كمساعد ذكي يقترح الأشكال، ويسرع إعادة الرسم المملة، ويجعل العملية برمتها أكثر شفافية وقابلة للقياس. يجادل المؤلفون بأن هذه الشراكة بين الإنسان والكمبيوتر يمكن أن تمتد إلى نصوص قديمة أخرى ووثائق متضررة، لتحويل علامات هشة على العظم أو الطين أو الرق إلى قصص قابلة للقراءة عن كيفية عيش الناس ومعتقداتهم وطريقة تسجيلهم لعالمهم.

الاستشهاد: Zeng, S., Bai, J., Shi, J. et al. Human–computer collaborative approach to the decipherment of racle bone inscriptions with generative adversarial networks. npj Herit. Sci. 14, 232 (2026). https://doi.org/10.1038/s40494-026-02509-4

الكلمات المفتاحية: نقش عظام المنجم, الكتابة القديمة, التراث الثقافي والذكاء الاصطناعي, تعاون الإنسان والذكاء الاصطناعي, تطور الحروف الصينية