Approccio collaborativo uomo–computer alla decifrazione delle iscrizioni su ossa oracolari con reti antagoniste generative

Scrittura antica incontra macchine moderne

Più di tremila anni fa, i divinatori in Cina incidevano domande su guerra, tempo atmosferico e raccolti su gusci di tartaruga e ossa di animale. Oggi queste iscrizioni su ossa oracolari sono una miniera di informazioni per comprendere come si siano formati la scrittura cinese e la società cinese primitiva. Tuttavia molti di questi simboli minuti e usurati restano indecifrati e sono troppo numerosi per essere affrontati da poche decine di esperti umani. Questo articolo mostra come l’intelligenza artificiale, lavorando mano nella mano con gli studiosi, possa aiutare a leggere questi antichi graffi trasformandoli in caratteri cinesi in stile moderno.

Dalle immagini incise sulle ossa alle immagini per il computer

La scrittura su ossa oracolari è particolarmente visiva. I primi scribi intagliavano immagini semplificate di tigri, soli, persone e utensili direttamente nelle ossa, quindi ogni carattere è quasi come un piccolo disegno. Gli autori sfruttano questa caratteristica trattando ogni grafema come un’immagine invece che come una stringa di testo o codice. Raccolgono oltre mille coppie di immagini: da una parte la fotografia del glifo su osso, dall’altra il suo corrispondente moderno noto. Ridimensionando e pulendo queste immagini costruiscono una libreria standardizzata di immagini da cui il sistema può apprendere, trasformando il secolare problema della decifrazione in un moderno compito di traduzione immagine‑a‑immagine.

Due artisti digitali: modelli IA complementari

Il team allena due tipi correlati ma diversi di reti antagoniste generative (GAN), modelli IA che imparano a creare immagini realistiche mettendo in competizione un “generatore” con un “critico”. Un modello, basato su un sistema chiamato Pix2Pix, impara da esempi appaiati: vede un carattere su osso e il corrispondente carattere moderno esatto che dovrebbe diventare. Questo modello eccelle nel produrre glifi in stile moderno nitidi e ben formati che corrispondono strettamente alle forme attese. Il secondo modello, basato su CycleGAN, è progettato per funzionare anche quando gli esempi non sono perfettamente corrispondenti. Tende a preservare lo scheletro e lo stile originali della scrittura oracolare mentre lo regolarizza delicatamente verso forme moderne. Insieme, i due modelli offrono diverse "letture" su come un vecchio glifo danneggiato potrebbe apparire in uno stile più regolare e leggibile.

Testare le macchine e confrontare le alternative

Per verificare se questi sistemi fanno più che disegnare immagini piacevoli, gli autori eseguono una serie accurata di test. Mettono da parte 160 coppie oracle–moderno note che l’IA non vede durante l’addestramento, quindi chiedono a ciascun modello di predire i caratteri moderni a partire dalle immagini su osso. Confrontano i risultati con le risposte vere usando metriche standard di qualità e struttura dell’immagine e ispezionano anche i risultati visivamente. In un confronto più ampio mettono le loro due GAN contro altri metodi di elaborazione delle immagini popolari, inclusi modelli di diffusione, transformer e reti classiche in stile U‑Net. La coppia di GAN si distingue: Pix2Pix produce i caratteri più chiari e leggibili, mentre CycleGAN fornisce alternative conservative che preservano la struttura. Altri metodi spesso sfocano i tratti, spezzano lo scheletro del carattere o generano forme che non somigliano più a una scrittura, rendendoli strumenti inadeguati per una decifrazione seria.

Gli umani nel circuito: collaborazione, non sostituzione

Il nucleo dello studio non è l’IA da sola ma una partnership strutturata tra macchine ed esperti. Per 150 iscrizioni il cui significato era precedentemente sconosciuto, i modelli generano più candidati di glifi moderni. Gli specialisti umani selezionano poi i candidati promettenti e ridisegnano a mano i tratti mancanti o incerti, guidati sia dai suggerimenti dell’IA sia dalla loro conoscenza della storia linguistica e delle scene di vita quotidiana riflesse nei testi. In studi di caso dettagliati—ad esempio proponendo che un glifo sconosciuto significhi "caverna" o "tana"—gli autori combinano forme suggerite dall’IA, confronti con caratteri correlati e informazioni storiche su abitazioni e rituali antichi. Conducono anche esperimenti controllati su 160 casi noti, confrontando tre modalità: IA da sola, umani che disegnano da zero e umani che rifiniscono bozze generate dall’IA. L’approccio combinato produce costantemente immagini più vicine ai caratteri veri, giudicate sia da punteggi numerici delle immagini sia da pannelli di esperti, risparmiando al contempo tempo e fatica agli studiosi.

Perché questo conta per storia e patrimonio

Per i non specialisti, il beneficio è chiaro: ogni carattere su osso decifrato affina la nostra comprensione della storia cinese primitiva, dai sacrifici reali all’agricoltura e alle malattie. Questo lavoro dimostra che l’IA può fare più che riconoscere la calligrafia moderna o generare arte; può contribuire a sbloccare gli strati più antichi della cultura scritta se affiancata a un accurato giudizio umano. Piuttosto che sostituire gli esperti, il sistema agisce come un assistente intelligente che propone forme, accelera il ridisegno tedioso e rende l’intero processo più trasparente e misurabile. Gli autori sostengono che questa partnership uomo–computer potrebbe estendersi ad altri alfabeti antichi e documenti danneggiati, trasformando segni fragili su ossa, argilla o pergamena in storie leggibili su come le persone vivevano, credevano e registravano il loro mondo.

Citazione: 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

Parole chiave: scrittura su ossa oracolari, scrittura antica, patrimonio culturale IA, collaborazione uomo–IA, evoluzione dei caratteri cinesi