Identificazione degli scrivani su ceramiche poetiche del periodo Tang del forno di Changsha tramite un modello a doppio percorso con attenzione globale multi-scala

Poesie sulla creta, storie di persone

Sulla superficie di piccoli vasi e cuscini in porcellana del periodo Tang, linee aggraziate di poesia furono tracciate sullo smalto ancora umido più di mille anni fa. Questi versi brevi sono oggi preziosi non solo per la loro bellezza, ma anche per ciò che possono rivelare sulle persone che li hanno scritti. Tuttavia, finora collegare una particolare iscrizione a un preciso scrivano si è basato sull’occhio esperto di pochi specialisti. Questo studio mostra come l’intelligenza artificiale moderna possa aiutare a leggere la mano umana dietro questi fragili reperti, aprendo una nuova finestra sulla vita quotidiana, il lavoro e il commercio nell’Alta Età Medievale cinese.

Perché questi vasi sono importanti

Il forno di Changsha, attivo durante il fiorire della dinastia Tang, produceva ceramiche colorate decorate con pittura, calligrafia e poesia. Questi oggetti viaggiavano ampiamente lungo le prime rotte commerciali e diventarono veicoli di letteratura e gusto, oltre che utensili pratici. Le loro iscrizioni conservano non solo il testo ma anche l’energia dei tratti di pennello e le scelte di singoli scrittori. Tuttavia, la maggior parte dei pezzi conservati è dispersa tra musei e collezioni private, e immagini di alta qualità sono scarse. Non esisteva un dataset di immagini pubblico e standardizzato di queste iscrizioni, il che rendeva difficile per i ricercatori confrontare i pezzi, testare metodi digitali o porre domande di base come: uno stesso vasaio-scrivano ha scritto le poesie su più vasi diversi?

Costruire una biblioteca digitale della calligrafia Tang

Per affrontare il problema, gli autori hanno prima assemblato una nuova collezione di immagini da cataloghi pubblicati delle ceramiche di Changsha. Da 135 manufatti individuali—per lo più brocche, piatti e cuscini recanti poesie o brevi appunti—hanno accuratamente estratto 1.865 immagini di singoli caratteri. Poiché le iscrizioni giacciono su superfici vetrificate curve, i caratteri vicino ai lati risultano deformati nelle fotografie. Il team ha usato un processo specializzato di segmentazione dell’immagine e appiattimento della superficie per correggere tale curvatura, quindi ha rimosso sporco e crepe, convertito le immagini in scala di grigi, ridimensionato, ridotto il rumore e leggermente ribaltato alcune immagini per aumentare la varietà. Il risultato è il primo dataset dedicato alla calligrafia poetica del forno di Changsha, una risorsa che può supportare il riconoscimento della scrittura, l’analisi stilistica e molti altri studi futuri.

Insegnare a una rete neurale a vedere lo stile

Con questo dataset, i ricercatori hanno progettato un sistema di visione artificiale il cui compito è decidere se due immagini di caratteri sono probabilmente state scritte dalla stessa persona. Il modello riceve una coppia di caratteri attraverso due canali paralleli che condividono gli stessi passaggi di elaborazione. Dopo un filtraggio di base, entrambe le immagini passano attraverso una rete neurale profonda (ResNet-34) che estrae pattern nello spessore dei tratti, nelle curve, negli spazi e in altre caratteristiche sottili. Al centro del sistema c’è un nuovo modulo di attenzione globale multi-scala. Invece di guardare a un unico livello di dettaglio fisso, questo modulo esamina i caratteri a più scale contemporaneamente—from il layout grossolano fino alle piccole ondulazioni del tratto—e impara come parti distanti di un tratto si relazionano tra loro. Combinando queste viste, il modello costruisce una ricca “impronta” interna dello stile di ciascun scrivano e poi confronta le due impronte per restituire un punteggio di similarità tra 0 e 1.

Mettere il sistema alla prova

Il team ha confrontato diversi backbone di reti neurali popolari e meccanismi di attenzione e ha riscontrato che la loro rete a doppio percorso con il nuovo modulo di attenzione ha ottenuto le migliori prestazioni. Ha raggiunto una accuratezza di riconoscimento di circa il 97,9%, superando nettamente i modelli di attenzione più datati e su singola scala. Per capire cosa avesse imparato l’algoritmo, gli autori hanno generato mappe di calore che mostrano dove la rete “guarda” più attentamente. Queste evidenziano le curve dei tratti, i tratti inclinati a sinistra e altre regioni dove la pressione del pennello e il ritmo differiscono da persona a persona—proprio come esaminerebbe un conoscitore umano. I ricercatori hanno quindi eseguito ampi test in batch all’interno di singoli manufatti e tra manufatti diversi. All’interno di un unico vaso, il sistema ha giudicato in modo coerente tutti i caratteri come altamente simili, sostenendo l’idea che la poesia su ciascun recipiente fosse stata scritta da un unico scrivano piuttosto che da più persone.

Nuovi indizi sugli artigiani antichi

Il risultato più sorprendente è emerso quando il modello ha confrontato pezzi provenienti da collezioni diverse. Due cuscini ceramici iscritti con poesie d’amore a sette caratteri hanno mostrato un’altissima somiglianza stilistica, nonostante si trovino oggi in istituzioni separate. I registri archeologici collocano entrambi i cuscini nello stesso sito del forno, e le loro forme, motivi decorativi e temi corrispondono da vicino. Il verdetto dell’algoritmo—una probabilità dell’85,8% che la stessa mano abbia scritto entrambe le iscrizioni—supporta la conclusione che siano stati realizzati da un unico scrivano. Al contrario, tre brocche per vino simili recanti versi di avvertimento correlati sul rimorso hanno mostrato punteggi di bassa similarità, suggerendo tre diversi calligrafi che hanno copiato una formula testuale condivisa. Insieme, questi risultati rivelano come un “occhio” AI possa aiutare gli storici a ricostruire l’organizzazione delle botteghe, la divisione del lavoro e le pratiche commerciali.

Cosa significa per il passato e per il futuro

Combinando una meticolosa acquisizione digitale delle immagini con una rete neurale sofisticata, questo studio trasforma tracce d’inchiostro fragili su ceramica in prove quantitative su chi ha scritto cosa. Per il lettore generale, la principale conclusione è che la visione artificiale ora può distinguere mani individuali nella calligrafia antica quasi con l’affidabilità di un esperto umano, ma molto più rapidamente e su molti più oggetti. Ciò rende possibile collegare pezzi sparsi in tutto il mondo, mappare le carriere di artigiani ormai dimenticati e comprendere meglio come produzione di massa ed espressione personale coesistessero nella dinastia Tang. Sebbene il metodo non sia perfetto e dipenda da dati limitati e talvolta danneggiati, offre uno strumento potente per musei e studiosi—e un modello per applicare l’AI a molti altri tipi di scritture storiche.

Citazione: Jiang, C., Li, M., Guo, Y. et al. Scribe identification for Tang Dynasty Changsha Kiln poetic ceramics via dual-path multi-scale global attention model. npj Herit. Sci. 14, 146 (2026). https://doi.org/10.1038/s40494-025-02152-5

Parole chiave: calligrafia antica, ceramiche del periodo Tang, identificazione dello scrivano, deep learning, patrimonio digitale