Древние надписи почти невозможно расшифоровать, но за ними стоят целые культуры, о которых мы почти ничего не знаем. Линейное письмо А с Крита, этрусские тексты, знаки долины Инда до сих пор не поддаются полному переводу. Без подсказок вроде розеттского камня или родственных живых языков работа превращается в лотерею, где каждый новый фрагмент может как помочь, так и запутать.
В последние годы к процессу подключились нейросети. Они восстанавливают утраченные участки текстов, ищут закономерности в разрозненных надписях, проверяют гипотезы и оценивают возраст и происхождение находок. Разберемся в этом процессе.
Почему древние письмена тяжело расшифровывать
Подавляющее большинство расшифровок прошлого стали возможными потому, что у исследователей была хоть какая-то подсказка. Иногда находилась надпись сразу на двух языках, как в случае с розеттским камнем. Иногда удавалось найти связь с живым языком. Иногда помогали имена царей, городов или богов, повторяющиеся в разных источниках. Когда ничего подобного нет, ученым приходится буквально собирать картину по отдельным кусочкам.
Но это работает далеко не всегда. Так, линейное письмо А, которым пользовались жители минойского Крита, до сих пор не удается уверенно прочитать. До наших дней дошло всего несколько тысяч знаков. Этрусский язык изучен лучше, но и там большая часть находок представляет собой короткие надгробные надписи или посвящения. Этого недостаточно, чтобы понять, как язык устроен целиком и что означают многие слова.
Даже если исследователи знают произношение того или иного знака, до расшифровки текста еще далеко. Буквы можно прочитать, но нужно еще понять содержание — и эту проблему решают специалисты по древним письменностям.
Работу осложняет и то, что сами находки редко доходят до нас в идеальном состоянии, а технологии, включая нейросети, помогают восстановить поврежденные фрагменты. Причем делают они это гораздо быстрее, чем люди. И во многих случаях — качественнее. За несколько дней объем работы, на который даже группа специалистов потратила бы месяцы и годы.
Что нейросети уже делают уверенно
Лучше всего нейросети выявляют повторяющиеся последовательности и экстраполируют паттерны. В итоге система может предложить знаки, которые с наибольшей вероятностью находятся на поврежденных локациях. При этом она может учитывать не только текст, но и изображение самой надписи. Мультимодальные сети последних лет могут учитывать множество факторов, и в итоге добиваются многого.
Вторая важная способность нейронок — выявление похожих корней между родственными языками. По известной языковой семье, модель ищет регулярные фонетические и лексические параллели и проверяет ими возможные прочтения. Это ускоряет работу и позволяет отсеивать заведомо слабые гипотезы заранее.
Третье — массовая проверка гипотез. Исследователь выдвигает идею о чтении знака, а машина за несколько минут прогоняет ее по всему материалу. Раньше такая проверка занимала годы ручной работы. Вдовесок современные технологии позволяют оценивать устойчивость предложенной фонетической системы на всем корпусе сразу.
Четвертое направление — датировка и географическая привязка. Модель, обученная на десятках тысяч датированных надписей, выдает на новый фрагмент век и регион происхождения. Это особенно ценно для вырванных из контекста или случайных надписей. Современные системы уже выдают распределение вероятностей по провинциям и интервалам дат.
Где ИИ уже реально использовалось
В июне 2026 года инженер и независимый исследователь Саймон Кордвелл (Simon Cordwell) опубликовал работу, посвященную линейному письму А. Он предположил, что одно из слов в сохранившейся молитвенной надписи связано с семитским корнем «обитать», а затем написал программу проверки. По ее результатам он предложил чтение для 40 новых знаков и составил словарь из 408 слов. Это исследования пока проверяется, но оно хорошо показывает, как современные алгоритмы ускоряют подобную работу.
Другой яркий пример — свитки из Геркуланума. Они обуглились при извержении Везувия и столетиями лежали свернутыми. Физически развернуть их почти невозможно — материал рассыпается. Команда Брента Силза и участники Vesuvius Challenge научились делать томографию и с помощью нейросетей «разворачивать» слои виртуально, а затем распознавать чернила. В 2026 году впервые удалось полностью развернуть один свиток длиной почти полтора метра. Там оказался философский трактат философов-стоиков. Появились и уточнения по сочинениям Филодема. Это стало возможным благодаря моделям, обученным искать следы чернил на обугленной поверхности.
Google DeepMind выпустила модель Aeneas специально для латинских надписей. Она работает сразу с текстом и изображением, заполняет пропуски длиной до 10 знаков с точностью около 73% в топ-20 вариантов, определять провинцию происхождения с точностью 72% и датирует текст с ошибкой примерно в 13 лет. В датасет для модели собрали более 176 тыс. латинских надписей из нескольких крупных баз. Историки, работавшие вместе с Aeneas, отмечали, что система подсказывает параллели, которые человек мог бы искать неделями.
Еще раньше появилась Ithaca, которая восстанавливает поврежденные тексты на древнегреческом языке, определяет вероятное место их создания и помогает датировать находки. одель правильно восстанавливала текст в 62% случаев, определяла место происхождения с точностью 71%, а датировку — с погрешностью до 30 лет.
Отдельное направление связано с оракульными костями Древнего Китая — древнейшими памятниками китайской письменности. Многие знаки на них так плохо сохранились или встречаются так редко, что нужно еще определить их первоначальный вид. Здесь на помощь приходят генеративные состязательные сети (GAN). Они сравнивают поврежденные или утраченные знаки с более поздними и предлагают их трактовку. Однако окончательное решение все равно остается за исследователями. Автоматическая реконструкция уступает совместной работе человека и нейросети.
Что пока не под силу нейросетям
Самая большая проблема в том, что нейросеть не может узнать то, чего нет в исходных данных. Если о языке сохранилось слишком мало сведений, никакой алгоритм не сможет «догадаться», как он был устроен. Сначала ученые ищут зацепку: двуязычная надпись, родственный язык или уже расшифрованные тексты. Когда ничего этого нет, любая версия остается лишь предположением. Про линейное письмо А есть множество гипотез, но они пока не подтверждены официально.
Еще все упирается в число сохранившихся текстов. На малом корпусе слишком велик шанс принять случайное совпадение за настоящую закономерность. Если у исследователей всего несколько десятков или сотен коротких надписей, модель почти всегда что-нибудь да придумает. Но это еще не значит, что она совершила открытие. Сообщения об очередной «полной расшифровке» древнего языка научное комьюнити всегда встречает очень осторожно и ждет подтверждения от других исследователей.
Есть и еще одна трудность. Нейросеть "не понимает”, что говорится в тексте. Даже в том случае, если она очень удачно и с высокой степенью вероятности восстанавливает пропущенные фрагменты. Все это лишь веса и вероятности. Поэтому ИИ становится хорошим инструментом, но последнее слово должно оставаться за человеком.
Что дальше
Возможности ИИ в расшифроке древних языков растут с каждым годом. Выходят модели для отдельных древних письменностей, улучшаются методы распознавания по фотографиям и трехмерным сканам, пополняется база цифровых находок. С ростом объемов качественных данных, точнее становятся и сами алгоритмы.
При этом ждать, что нейросеть в ближайшие годы самостоятельно расшифрует любой забытый язык, пока не стоит. Но уже сегодня она помогает выполнять за часы работу, которая раньше занимала недели или месяцы: восстанавливать утраченные фрагменты текстов, быстрее проверять новые гипотезы и находить связи, которые человеку было бы очень сложно заметить. Скорее всего, именно это и станет главным вкладом ИИ в историческую лингвистику.
