核心观点：尽管深度学习技术在甲骨文识别上取得了显著进展，甲骨究实但至今尚无一款计算机工具被古文字学者真正纳入日常研究流程。文识为何实验室环境中的别研高准确率，在面对真实的验室甲骨拓片时往往大幅缩水。这一巨大反差揭示了当前研究在认知逻辑与数据构建上的高准深层偏差。
近年来，确率计算机视觉领域兴起了甲骨文自动识别技术。难落研究者通过构建大规模数据集——将成千上万张甲骨字形图像进行标准化分类，甲骨究实作为训练和测试AI模型的文识为何“教材”与“考卷”。自 Oracle-20k数据集发布以来，别研国内外团队陆续建立了多个甲骨文数据库。验室在这些受控数据集上，高准AI模型的确率分类准确率频频突破 80%，部分高频字的难落识别率甚至超过 97%。
然而，甲骨究实现实却十分骨感：目前没有任何一款计算机工具被古文字学者真正应用于日常研究。实验室里的完美数据，一旦遭遇真实的甲骨拓片，准确率便大打折扣。这种“水土不服”现象提示我们，既有研究可能在根本认识上存在误区。
数据集“繁荣”背后的四大结构性缺陷
目前公开的甲骨文数据集按任务类型主要分为三类：检测数据集（如殷契文渊检测集）、分类与检索数据集（如 Oracle-20k、HWOBC）以及考释数据集（如 EVOBC、HUST-OBC）。尽管规模不断扩大、准确率屡创新高，但在实际学术应用中，它们存在四个致命问题：
1. 数据源失真：人工摹写 vs. 原始拓片
在已公开的数据集中，超过半数的图像源自人工摹写而非原始拓片。
* 摹写图像特点：干净、端正、边缘清晰，去除了岁月侵蚀的痕迹。
* 现实痛点：古文字学者面对的是带有裂纹、残损、模糊等噪声的原始拓片。
* 类比：这就像让一个只练习过印刷体的人去辨认手写草书，自然难以识别。AI 学习的是“标准字”，而非“真实字”。
2. 标注噪声：人为错误频发
数据集依赖人工标注，但错误率不容忽视，导致模型学习错误的映射关系：
* 案例一：在 OBC306数据集中，编号 038000h01166_甲-1等四个字形实为“豖”字，却被错误归类为“犬”类。
* 案例二：Oracle-MNIST数据集中展示的“马”字示例，除第一张外，其余均非“马”字。
* 后果：基础数据的错误直接导致后续所有准确率指标失去学术意义。
3. 范围局限：排斥“未释字”难题
现有数据集几乎全部收录已释读（即对应现代汉字）的甲骨文字。
* 学术真相：古文字学的核心挑战在于那 2/3至今尚未释读的字。
* 技术盲区：AI 仅学习已知类别，无法辅助学者破解未知字符，未能触及学科痛点。
4. 语境缺失：孤立单字 vs. 整体卜辞
现有数据集多为切割好的单字图像，缺乏前后文信息。
* 考释逻辑：古文字认字绝非孤立行为。学者需将字放回卜辞整句，结合同版其他刻辞、语法结构进行综合判断。
* 技术短板：脱离语境的图像分类，即便准确率再高，也无法回答“这个字在此处具体含义为何”这一核心问题。
认知鸿沟：两套知识体系的根本冲突
上述问题的根源，在于计算机研究者追求“高准确率”的实验室逻辑，与古文字学者面对“残泐不清、异体繁多”的原始拓片之间存在巨大错位。
古文字学：复杂的跨学科推理
在古文字学中，“认字”是一个结合考古、历史、语言、文字学的复杂推理过程：
1. 字形比对：运用字形比较法，与已知字形对照。
2. 辞例验证：运用辞例推勘法，将字形放入卜辞中通读。
3. 证据链构建：例如，蒋玉斌先生释读“蠢”字时，先将其隶定为“屯”，再结合“屯盂方”等卜辞语境及《诗经》“蠢尔蛮荆”等文献，推知其意为“蠢动、作乱”。
* 核心：需要完整的证据链支持。
计算机科学：简化的图像分类假设
目前甲骨文识别主要被简化为图像分类任务，隐含了三个在甲骨文字形系统中不成立的假设：
1. 唯一性假设：每个字形有唯一正确答案。（现实：一字多形、一形多字、异体通用普遍存在）
2. 相似度假设：正确答案可通过与训练数据的视觉相似度确定。（现实：字形相似未必字义相同，字形不相似未必字义不同）
3. 充分性假设：字形视觉信息足以决定意义。（现实：缺乏语境和历时演变信息）
因此，97%、99% 的准确率是在经过人工美化、脱离语境的实验室环境中测得的“纸面精度”。一旦模型面对未经处理、含噪声、含未释字的真实拓片，性能将显著下降。更关键的是，AI 仅输出标签和概率，无法提供可解释性（如字形演变、构形理据），而这正是学术论证所必需的。
破局之道：从“各自为战”到“人机协同”
为何现有古籍无法直接转化为数据集？
有人疑问：孙海波《甲骨文编》、李宗焜《甲骨文字编》、姚孝遂《殷墟甲骨刻辞类纂》等百年积累能否直接用于训练？
* 答案：很难。
* 原因：这些是前数字时代的纸本工具书，其知识组织方式（部首、笔画、意义分类）与计算机所需的像素级标注、大规模均衡采样完全不同。它们是宝贵的知识库，而非直接可用的深度学习数据集。
沟通壁垒与责任分担
- 计算机学者：往往从零开始标注，不熟悉学术成果，重蹈覆辙。
- 古文字学者：参与不足，认为计算机数据集漏洞百出，且无法利用自身知识。
改进路径建议
对计算机研究者：
- 调整目标：不再以封闭数据集“刷榜”为唯一标准，转而关注在真实、未处理原始拓片上的可用性。
- 数据重构：
- 放弃人工摹写，直接从高精度照片/拓片提取字形，保留残泐、噪点和异体变化。
- 纳入未释字。
- 保留辞例上下文，输入整行或整版拓片片段，而非孤立单字。
- 增强可解释性：提供字形演变、辞例证据等辅助信息。
对古文字学者：
- 提供高质量标注：提供小规模（如数百个）典型字形及其语境数据，用于验证和校准模型。
- 参与指标设计：不仅看准确率，更要评估模型能否提供有用线索（如相近字形检索、同辞例分布分析）。
理想形态：交互式人机协同
最理想的方向并非让 AI 替代学者“认字”，而是开发交互式辅助工具：
1. 学者在拓片上框选未知字符。
2. 模型返回最相似字形、数据集中位置、相关辞例及基于上下文的候选推测。
3. 学者纠正错误，模型通过反馈持续学习。
这种人机协同路径，远比训练一个封闭的高精度分类器更具学术价值。
结语
甲骨文识别“高准确率难落地”的本质，是实验室标准化技术逻辑与古文字非标准化、人文性、历史性特质之间的不匹配。
- 纸面精度：可控数据集的最优结果。
- 落地应用：需适配残缺多元的实物样本、复杂深厚的历史语境、专业严谨的学术体系。
古文字学的百年知识体系与计算机的模式识别能力，并非替代关系，而是互补关系。突破的关键不在于单纯提升算法精度，而在于打破文理壁垒，构建标准化数据体系，融合视觉识别与文史考据逻辑。实验室的高准确率只是中间指标，服务于学者工作的实用工具才是最终目的。
（作者为上海交通大学中华文化基因智能实验室教授）
原标题：《甲骨文识别研究：实验室里的高准确率为何难落地》