業餘工程師靠 AI 破譯千年古語？專家釐清：模型懂統計規律，但不懂「意義」

人工智慧（AI）強大的模式識別能力，是否能解開千年未解的語言謎團？據《Ars Technica》近期刊登的專文探討，雖然有工程師聲稱透過 AI 成功破譯了青銅時代的「線性文字 A（Linear A）」，但專家強調，AI 在這類任務中扮演的是高效的「研究助理」。面對缺乏雙語對照文本的失落語言，AI 能迅速處理龐大數據，但要賦予符號真正的意義，仍不可或缺人類的洞察力與「比較錨點」。
（前情提要：國際清算銀行警告：AI 熱潮恐致「貨幣政策失靈」！央行誤判通膨風險大幅攀升）
（背景補充：OpenAI 開源 Codex Security 掃描工具怎麼用？10 分鐘上手）

本文目錄

在人類文明的歷史長河中，仍有許多如青銅時代米諾斯文明的「線性文字 A（Linear A）」，以及羅馬帝國前義大利的「伊特魯里亞語（Etruscan）」等未解之謎。這些語言被視為「語言孤島」，缺乏如羅塞塔石碑般的雙語文本作為破譯基礎。然而，隨著人工智慧技術的爆發，許多人開始寄望 AI 能成為解開這些古代密碼的萬能鑰匙。

台北時間 7 月 29 日，都柏林城市大學計算學院博士候選人 Jane Adkins 於《The Conversation》發表（後經《Ars Technica》轉載）了一篇深度探討文章，詳細剖析了 AI 在破譯失落語言時的真實潛力與硬性限制。

業餘工程師的 AI 破譯創舉

文章首先提到了一個近期的矚目案例。2026 年 6 月，一位自學成才的 AI 工程師兼業餘語言學家對外聲稱，他在破譯「線性文字 A」上取得了重大突破。他的方法並非完全交由機器運算，而是先由人類提出一個大膽的假設：他猜測某段祈禱銘文中的未知詞彙，可能源自閃米特語根，意指「居住」或「棲息」。

隨後，他利用 AI 編寫的程式腳本，將這個音韻模式與現存的線性文字 A 語料庫進行了全面比對。據稱，這項測試成功為 40 個符號賦予了音值，並編纂出包含 408 個詞的詞彙表，藉此主張該語言屬於已消亡的閃米特語族。這項聲明引發了學界的廣泛關注，但也同時突顯了 AI 在此過程中的明確定位。

AI 是神級助理，但無法「無中生有」

Adkins 在文中特別強調，必須清楚釐清 AI「做了什麼」與「沒做什麼」。在上述案例中，AI 並沒有提出最初的破譯靈感，那個核心假設完全來自人類。AI 真正發揮作用的地方，是作為一名不知疲倦的「研究助理」，在幾分鐘內完成人類可能需要耗費數月甚至數年才能做完的交叉驗證工作。

AI 的優勢在於大規模的模式測試。它能輕易揪出人類肉眼容易忽略的重複序列，透過預測來修復受損的銘文，甚至利用「跨語言遷移（Cross-lingual transfer）」技術，從已知語言（如烏加里特語）的訓練模型中，推斷出未知語言的潛在規律。

然而，AI 有其無法跨越的硬性上限：統計模式匹配無法憑空製造出「意義」。機器或許能在統計層面上極度「流利」，完美預測哪個符號會接在哪個符號後面，但這並不代表它理解這些符號指涉的真實世界概念。缺乏已知語言家族或雙語文本作為「錨點」，再龐大的算力也無法從零創造出意義。

語料匱乏下的驗證難題與未來展望

此外，驗證也是一大挑戰。以線性文字 A 為例，其現存的完整語料庫僅約 7,500 個字符，資料量少到幾乎任何假設都能在其中找到零星的巧合匹配來支持。在缺乏母語者與時光機的情況下，「AI 發現了數據模式」與「AI 找到了正確意義」是兩種極易混淆卻截然不同的主張，這類研究最終仍需仰賴嚴謹的專家同儕評審。

總結來說，AI 在語言考古學中絕非死胡同，而是不可或缺的「加速器」。它降低了研究門檻，讓更多人能參與這場智力挑戰；但破譯失落語言始終需要兩大要件：真正的比較錨點，以及人類嚴謹的審查把關。在此之前，AI 將繼續扮演著極速助手的角色，陪伴人類解開這些最古老的文明謎題。