Etkili bağlı bileşen kısıtlamasıyla üretici karşıt ağ kullanılarak Liye Qin şeritlerindeki karakterlerin restorasyonu

Antik sözcüklerin tekrar canlanması

Kağıttan çok önce, Çinli görevliler ince bambu ve tahta şeritlere yazı yazıyordu. Liye Qin Şeritleri olarak bilinen bu kırılgan binlerce kayıt, iki bin yıldan fazla yer altında kaldıktan sonra terkedilmiş bir kuyu içinden çıkarıldı. Bunlar, ilk birleşik Çin imparatorluğunun gündelik emirlerini, hesaplarını ve raporlarını koruyor. Ancak su, çamur ve mikroorganizmalar mürekkebin büyük kısmını bulanıklaştırmış veya yok etmiş; bu da şeritleri elle okumayı son derece yavaş ve zor hale getiriyor. Bu çalışma, modern bir yapay zeka sisteminin bu zarar görmüş karakterleri dijital olarak “temizleyebileceğini” gösteriyor; böylece tarihçiler uzak geçmişten gelen sesleri geri kazanabiliyor.

Bu gömülü kayıtlar neden önemli

Liye Qin Şeritleri kraliyet fermanları veya büyük kitabeler değil; bunlar çalışan bir yönetimin evrak işidir. 30.000’den fazla şerit, Qin imparatorluğunun sınırındaki bir ilçedeki vergi, iş gücü ve rutin yönetimi kaydediyor. Kuru mezarlarda bulunan benzer şeritlerin aksine, Liye parçaları bir kuyunun dibindeki ıslak tortumda yatıyordu. Birçoğu deforme, çatlamış ve lekeli; fırça darbeleri bulanıklaşmış veya aşınmış. Tek bir parti çözümlenmesi uzmanlar için yıllar alabiliyor ve bulunanların sayısının artışı insan gözlerinin tek başına başa çıkabileceğini aştı. Restorasyon sürecinin bir kısmını otomatikleştirmek, araştırmayı önemli ölçüde hızlandırabilir ve her karakteri okunur kılan ince biçimleri koruyabilir.

Bilgisayara hasarı görmeyi öğretmek

Yazarlar restorasyonu bir tür görüntü çevirisi olarak ele alıyor: bilgisayar, karakterin küçük, gürültülü bir görüntüsünü alıyor ve o karakter temiz ve keskin olsa nasıl görüneceğini üretmesi isteniyor. Bunu yapmak için üretici karşıt ağ (GAN) adı verilen bir yapay zeka türü üzerine inşa ediyorlar. Bir ağ ("üretici") hasarlı bir görüntüyü temiz bir görüntüye dönüştürmeye çalışırken, diğeri ("ayırt edici") sonucun gerçek, iyi yazılmış bir karakter gibi görünüp görünmediğini değerlendiriyor. Bu karşılıklı yarışma yoluyla üretici, eleştirmeni kandıran daha ikna edici restorasyonlar üretmeyi kademeli olarak öğreniyor.

İnce fırça darbelerine daha keskin dikkat

Standart görüntü araçları, özellikle arka plan benekli ve mürekkep soluk olduğunda, bambudaki mürekkebin en ince ayrıntılarını sıklıkla kaçırır. Ekip, GAN’in çekirdeğini U-Net olarak bilinen U biçimli bir tasarımla geliştiriyor; bu tasarım geniş bağlamı piksel düzeyindeki detayla dengeliyor. Bu ağdaki sıradan yapı taşlarını özel olarak tasarlanmış Yerel Rezidüel Yoğun Bloklarla değiştiriyorlar. Bu bloklar, sistemin faydalı desenleri yeniden kullanmasını teşvik ederken komşu darbelerin birbirine bulanıklaşmasına yol açabilecek aşırı düzleştirmeden kaçınmasını sağlıyor. Ağın ortasındaki güçlendirilmiş bir “boğaz” bölümü en önemli özellikleri daha da rafine ediyor ve orijinal ağır derecede bozulmuş olsa bile modeli gerçek darbeleri gürültüden ayırmaya yardımcı oluyor.

Her karakterin iskeletini korumak

Ana yenilik, yazarların Etkili Bağlı Bölge (Effective Connected Domain) kısıtlaması olarak adlandırdığı şeydir. Her pikseli tek tek değerlendirmek yerine, bu kural bir karakterdeki ana mürekkep bölgelerine bakar: bunların ne kadar büyük olduğu ve merkezlerinin nerede yer aldığı. Model, çıktısındaki bu kaba mürekkep “adacıklarını”, özenle restore edilmiş referans görüntülerdekilerle karşılaştırır ve karakterin çekirdek iskeletini oluşturan en büyük birkaç adacığa özel dikkat gösterir. Eğer önemli bir darbe eksikse, başka bir darbeyle birleşmişse veya yerinden kaymışsa sistem cezalandırılır ve ayarlama yapmaya zorlanır. Bu basit geometrik denetim, darbeler kırık olsa, kenarlar düzensiz olsa veya mürekkep arka plana bulaşmış olsa bile şaşırtıcı derecede kararlı olduğunu kanıtlıyor.

Dijital onarımlar ne kadar etkili

Uygun veri olmadığından ekip, Liye şeritlerinden 600 karakter görüntüsünden oluşan, her biri titizlikle uzman tarafından restore edilmiş bir referansla eşleştirilmiş kendi eşleştirilmiş veri setlerini oluşturdu. Bu kıyasta yöntemleri, diğer GAN’ler, Transformer tabanlı bir model ve bir difüzyon modeli dahil olmak üzere birkaç en son yöntemden üç standart görüntü kalitesi ölçütüne göre daha iyi performans gösterdi. Görsel yan yana karşılaştırmalar daha az kırık darbe, yakın fırça çizgileri arasında daha temiz ayrım ve daha az arka plan gürültüsü gösteriyor. Sonuçları kör bir testte inceleyen kaligrafi eğitmenleri darbe sürekliliği, yapısal doğruluk ve genel okunabilirlik açısından yüksek puanlar verdi ve ayrı testler modelin yalnızca eğitim verilerini ezberlemediğini gösteriyor.

Gömülü yazıyı tekrar odaklamak

Uzman olmayanlar için mesaj açık: antik yazıların uzman bilgisini özel olarak uyarlanmış yapay zeka tasarımlarıyla birleştirerek, bir zamanlar kullanılamayacak kadar zarar görmüş görünen bambu şeritlerinden okunabilir yazıların geri kazanılması artık mümkün. Model yalnızca bir karakterin varlığını korumakla kalmıyor, aynı zamanda darbelerin mekânsal ilişkilerini de koruyor; bu da çıktıyı tarihçiler ve dilbilimciler için anlamlı kılıyor. Yaklaşıma hâlâ sınırlı eğitim verisine dayanması ve ipek veya taş gibi diğer malzemelere henüz uyarlanmış olmaması gibi kısıtlamalar bulunsa da, birçok kırılgan ve okunması zor metnin dijital olarak onarılıp ölçeklenerek incelenebileceği bir geleceğe işaret ediyor; bu da erken imparatorlukların günlük yaşamına yeni pencereler açıyor.

Atıf: 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

Anahtar kelimeler: bambu şerit restorasyonu, antik Çin el yazmaları, üretici karşıt ağlar, dijital miras koruma, el yazısı karakter kurtarma