腾讯AI新成果：建立全球最大的甲骨文单字数据库
AI又双叒立大功！
2023世界人工智能大会上，我们公布了
在AI for Science（"人工智能驱动科学研究"）
领域的一点“遥远”的成果
你有没有想过
几千年前的国人是怎么看待宇宙的？
甲骨文能给我们答案，如果能看懂的话。
目前，已经出土的甲骨约有16万片，已经发现约4500个甲骨字，其中约3000字尚未释读。
而甲骨自然损坏速度很快，甲骨文专家学者数量又少，急需数字化保存和智能工具的帮助、加快破译速度。
去年，腾讯优图实验室、SSV数字文化实验室与安阳市文物局、安阳甲骨文信息处理实验室等多个部门合作，宣布共建甲骨文开放创新平台，让AI和专家们一起投入甲骨文考释工作。
截至目前，我们已经建立起覆盖143万字的全球最大甲骨文单字数据库！
1
AI怎么建这个甲骨文单字数据库？
甲骨文的考释，一般会从两个维度去考虑：字形，和辞例（即实际的语义）。
优图实验室的同学们发现，甲骨文的不同字形、不同写法之间的匹配关系在破译中尤为关键——这跟图像识别一样的嘛！老本行！
而为了达成字形匹配的目标，首先得有用来匹配的字库，操作就开始了：
第一步，拓片文字检测。
每块甲骨拓片上一般有很多个字，得先“抠下来”。
AI检测算法能够精确识别拓片上不同区域、不同形态的甲骨文，智能扩充识别边界，避免漏识笔画，进一步加速字库“收集”过程。
第二步，单字摹本生成。
“黑底白字”的甲骨拓片上划痕之类的“噪声”很多，字形不够清晰。
AI摹本生成算法，能够有效识别和去除“噪声”，生成“白底黑字”的具有清晰字形的甲骨文单字摹本，为学者后续的识别和匹配工作扫清障碍。
（ppt演示下拓片-单字-摹本的变化过程）
第三步，构建字库。
到这里，已经处理好的单字摹本就可以进库啦。
目前我们已经收纳了143万个甲骨文单字拓片及其电子摹本，并且每个单字均可对应到其在拓片中的位置。
有了数据库，专家们就可以来进行甲骨文单字的查询了。
2
AI怎么帮专家们用这个数据库？
基于优图实验室的目标检索和图像匹配算法，专家可以快速实现“以字搜图”，“以图搜图”。
想找一个字，就输入字形，AI会自动比对它和字库中所有单字摹本的相似度（这比肉眼看遍143w个字快多了），给出字形最近似的摹本以及关联拓片。
等等，143万？不是只发现4500个单字吗？
原来，这个字库特意收集了每个单字多次出现、或出现在不同拓片上的重复情况。
因为对于专家来说，在研究某一个字的时候，看到这个字出现在所有语境下、或者所有拓片上面的情况，是很有必要的。
甚至有时候，一个字出现的频次高，本身就是一种有意义的重复。
这也是我们首次将文字检测、摹本生成、字形匹配等AI算法，综合应用于甲骨文研究。
未来，我们还会进一步将这个数据库工具化，提升甲骨文识别与考释、甲骨论著内容提取等的效率。
用最新的技术，追寻最古的源头，不失为一种浪漫。
腾讯云智能生态计划
腾讯云智能，依托腾讯优图实验室、腾讯AILab、腾讯多媒体实验室、微信智聆、微信智言等腾讯顶级实验室的产品和技术能力，持续引入生态合作伙伴，共建智能生态。通过授权认证、商机共享、技术共建、平台助力、品牌升级、标杆打造等合作形式，帮助合作伙伴和客户高效打造针对性的解决方案，助力各行各业的数字化和智能化转型。
END
更多AI资讯，你可能感兴趣
▼
WAIC 2023 | AI技能限时开放中，刷掌支付、数字分身、赛博编钟….速来打卡！
腾讯吴运声：人工智能与行业应用正展开一场“双向奔赴”的范式变革
