AI 擅长找规律，人负责下判断

核心结论其实很朴素——AI 极其擅长发现模式，但真正的解读仍依赖人类洞察。用一篇由都柏林城市大学研究者撰写、经 Ars Technica 转载的分析文章的话说：AI 没有想法，工程师才有；AI 扮演的角色是研究助理，而不是破译者。

换句话说，AI 是给语言学家”超级充电”的直觉放大器，把原本需要数月乃至数年的人工交叉比对，压缩到几分钟之内。它可以扫描整个语料库、指出人类肉眼容易忽略的重复序列、预测残损铭文中缺失的字符，甚至在已知语族的前提下做”跨语言迁移”。但统计模式匹配无法凭空制造含义，这是它的硬天花板。

线形文字 A：一场仍在审查中的豪赌

最典型的例子是线形文字 A（Linear A）。它是青铜时代克里特岛米诺斯文明的书写系统，被语言学家称为”语言隔离体”——与任何已知语言都没有确认的亲缘关系，既没有像罗塞塔石碑那样的双语对照文本，也没有已知的”锚”语言。更麻烦的是，它全部存世的文字大约只有 7500 个字符，少到几乎任何假设都能找到零散的支撑证据。

2026 年 6 月，一名自学成才的 AI 工程师兼业余语言学家声称取得了突破。他的起点是一个猜测：某段祈祷铭文里的一个未知单词，可能源自意为”居住”的闪米特词根。他编写 AI 脚本，用这个音位模式去测试整个线形文字 A 语料库，最终自称给 40 个符号赋予了读音，并编出了一部 408 词的词典，进而认为线形文字 A 是闪米特语族（含希伯来语、阿拉姆语等）的一个已灭绝成员。

这一主张目前仍在审查中。问题在于：语料实在太小，结论很容易陷入”伪证”风险——你先有了一个想法，AI 帮你找到支持它的碎片，但碎片不等于真相。

伊特鲁里亚语与乌加里特语：两种命运

同样缺乏”锚”的还有伊特鲁里亚语（Etruscan）。它是罗马帝国兴起前在意大利使用的语言，今天只从短小的葬礼铭文中收集到部分词汇，语法和深层含义至今仍困扰着学者。AI 在这里同样只能充当模式测试的辅助，谈不上完整破译。

真正成功的先例出现在乌加里特语（Ugaritic）身上。这是一种约公元前 1300 至 1190 年用于今叙利亚乌加里特城的灭绝闪米特语。研究者采用”跨语言迁移”的方法：在已知语族的前提下，用训练好的模型去推断相近的未知语言模式——就像懂了西班牙语，再去猜葡萄牙语。麻省理工学院（MIT）早在 2020 年就报道过，这套思路已经成功应用于乌加里特语等古文字。

缺了”锚”，算力也无能为力

两类案例放在一起，规律就清楚了：只要存在可靠的”比较锚”——无论是已知的亲属语言，还是双语对照文本——AI 就能把人类的假设快速放大、验证；而一旦锚缺失或残缺，再强的算力也无法无中生有地制造意义。

这也解释了为什么破译领域至今仍依赖独立专家审查和同行评议，而不是统计置信度打分。必须分清两件事：”AI 发现了某种模式”不等于”AI 找到了正确的含义”。

回到线形文字 A 和伊特鲁里亚语：在出现可靠比较锚之前，AI 在这一行的角色，注定还是那个”非常快的老谜题人类助手”。它能大幅降低参与的门槛、压缩验证的时间，却破不开最后那道需要人类直觉与严格审查共同把守的门。

来源：Ars Technica（转载自 The Conversation，作者 Jane Adkins，2026 年 7 月 29 日）