复旦大学开了门“AI考古”课

AI遇上考古，会擦出哪些火花

“AI驱动的甲骨文校重和破译”“利用AI技术识别纸质文物上的霉菌”“基于深度学习的青铜器年代判定”……这些是复旦大学研究生选修课“AI考古”的学生期末作业。

中青报·中青网记者了解到，11名学生选修了这门课，其中6名是来自文物与博物馆学系、历史学系、出土文献与古文字研究中心的文科学生，5名是来自脑科学、物理学、神经微电子、生命科学等学科的理工科学生，此外还有6名学生旁听。期末考核方式较为灵活，可以在助教指导下制作一个基于AI的程序demo(demonstration的缩写，意为“初始模板示例”——记者注)作品，也可以写一篇文献综述。最后，有7名同学选择完成更有挑战性的程序demo作品。

文少卿起初学的是生物学专业，目前从事分子考古学，这是一门生物学与考古学交叉的学科。文少卿团队的实验室曾主要研究古代遗骸，在鉴定方面积累了一定经验后，2015年开始投入近代烈士遗骸的鉴定工作。

在实际工作中，文少卿感受到，在发掘、保护、研究文物过程中，需要用到AI技术。“比如一些无人区的遗址，人进去调查很困难，考古学家可以利用数字遥感技术，通过AI自动识别；考古遗址出土的大量人骨、动物骨、青铜器、陶片等，人工整理、鉴别费时费力，这个过程其实AI可以深度介入。另外，研究人员还可以借助AI做数据挖掘、出报告，利用数智技术进行文物的展示和传播。”

文少卿希望结合考古实践丰富课程内容，将AI技术介绍给学生，引导学生自己寻找感兴趣的研究课题，结合AI提高考古过程中的研究效率、准确性和客观性，有助于他们未来的工作。

期末提交作业时，文博系学生张馨予完成了“基于深度学习的青铜器年代判定”程序demo。她先把青铜器分为黄河上游、长江中游、长江下游等5个类别，建立图片训练集和测试集，然后搭建大模型框架，让大模型对训练集中的青铜鼎图片进行学习，以达到高精度的辨识归类效果。在测试中，这个程序demo正确识别了21张青铜鼎图片中的16张，准确率约为76%。如果通过建立图片数量更多的数据训练集，并对模型框架进行微调，还可以进一步提高识别准确率。

同样基于图像识别技术，文博系学生李元瑾制作的程序demo是“利用AI技术识别纸质文物上的霉菌”。她介绍，古籍、字画等纸质文物容易受到霉菌和虫害侵袭，霉菌一旦感染纸质文物，就会形成难以去除的霉斑，损害纸张的物理性能。传统文物修复主要依赖修复者的经验去肉眼鉴别，再选择相应的修复方法，耗时耗力，且难以保证准确率。这款模型可以通过图像鉴别健康纸张、墨迹或霉菌，帮助人们保护书籍和字画，为文物工作者提供更高效的修复辅助。

此外，有的学生制作了“AI驱动的甲骨文校重和破译”程序demo，来判断出某个甲骨文最有可能是哪个现代汉字；有的制作了“人工智能在近代遗骸分析流程中的应用”，可读取基因数据，用于推断个体所属的Y染色体单倍群；有的制作了对9种不同材质玉料的红外光谱数据进行识别的模型，旨在解决玉料的识别问题。

文少卿告诉记者，在教学过程中，教师遇到的最大问题是“理科学生觉得太简单、文科学生又觉得太困难”。他发现，部分学生并不了解查找文献的工具。于是，他暂停了一次文献讨论课，专门开了一堂以AI为中心的科研工具课，拓展学生的“工具包”，教大家使用AI工具检索和分析的进阶技巧。

在提交期末作业时，文理科学生的思路和编程能力也呈现出很大差异。文少卿观察到，理工科学生的计算机水平更高，而文科学生挑选的题目更有意思。由于从头开始写程序对文科学生来说难度较高，部分学生在助教的帮助下完成了作品。

记者从复旦大学获悉，“AI大课”的目标是实现AI课程覆盖全体本科生和研究生、AI+教育覆盖全部一级学科、AI素养能力要求覆盖全部专业的“三个100%”渗透。目前，刚实施一学期的AI课程还存在一些问题，会在下一阶段的建设中不断改进。预计到2025年春季学期，首批建设的116门AI课程将全部完成首轮开课，还将有6-8门AI课程与同济大学共建共享。