李春桃　戚睿　楊溪　周日鑫

摘 要：分期斷代是青銅器研究的重要基礎(chǔ)，但銅器斷代工作具有較高的專業(yè)門檻，一直依賴少數(shù)專家人工完成。人工智能的迅速發(fā)展，使青銅器智能斷代成為可能。本文以青銅鼎為對(duì)象，提出利用人工智能深度學(xué)習(xí)技術(shù)對(duì)先秦時(shí)期青銅器進(jìn)行斷代的方法，并從數(shù)據(jù)處理、模型搭建、具體實(shí)驗(yàn)、結(jié)果分析等多個(gè)角度展開研究。實(shí)驗(yàn)結(jié)果表明，人工智能模型能夠準(zhǔn)確判斷絕大多數(shù)青銅鼎的時(shí)代。同時(shí)，研究成果也已轉(zhuǎn)換成實(shí)際應(yīng)用，模型已經(jīng)部署于微信小程序。

關(guān)鍵詞：青銅器 斷代 人工智能 應(yīng)用

青銅器在中國(guó)先秦時(shí)期具有舉足輕重的地位，所以夏商周三代又被稱作“青銅時(shí)代”。青銅器研究對(duì)于考古學(xué)、歷史學(xué)、文字學(xué)都有著積極的意義，而青銅器的分期斷代又是青銅器研究的重要部分。只有在分期斷代基礎(chǔ)上，青銅器才能成為有效的史料。郭沫若對(duì)此曾有專門討論：“時(shí)代性沒有分劃清白，銅器本身的進(jìn)展無從探索，更進(jìn)一步的作為史料的利用尤其是不可能。就這樣，器物愈多便愈感覺著渾沌?！保ü簦?《青銅器時(shí)代》，《青銅時(shí)代》，北京： 科學(xué)出版社，1957年，第301頁(yè)。）其說甚是，這充分說明了分期斷代在青銅器研究中的重要性。

追溯歷史，漢代便有青銅器出土，但數(shù)量極少，尚不具備深入研究的條件。宋代金石學(xué)興起，青銅器的研究也開始起步，宋人更多集中于青銅器的搜羅與著錄，研究水平并不突出。清人在這一領(lǐng)域的認(rèn)識(shí)已頗為深入，然而他們更重視金文，對(duì)于青銅器本身，尤其青銅器年代的討論較少，沒有形成一定的規(guī)模。真正科學(xué)的青銅器分期斷代研究是從20世紀(jì)30年代開始的，郭沫若在《兩周金文辭大系》中提出“標(biāo)準(zhǔn)器斷代法”，即先根據(jù)銘文內(nèi)容確定某件器物的年代，以此作為標(biāo)準(zhǔn)器，再去系聯(lián)和推定那些與標(biāo)準(zhǔn)器在銘文內(nèi)容、器物形制、花紋特點(diǎn)等方面相關(guān)的器物的時(shí)代。（郭沫若： 《兩周金文辭大系》，手寫影印本，1932年，第7頁(yè)。）此方法的提出為青銅器的斷代奠定了科學(xué)的基礎(chǔ)，也被當(dāng)時(shí)的學(xué)者廣泛接受。其后陳夢(mèng)家、唐蘭等人又作了進(jìn)一步的闡發(fā)。（陳夢(mèng)家： 《西周銅器斷代》（一至六），《中國(guó)考古學(xué)報(bào)》1949年第9—10冊(cè)（合訂本）、《考古學(xué)報(bào)》1956年第1—4期，后連同未發(fā)表稿被整理成《西周銅器斷代》，北京： 中華書局，2004年；唐蘭： 《西周青銅器銘文分代史征》，北京： 中華書局，1986年。）隨著考古學(xué)的逐步發(fā)展、完善，又出現(xiàn)了綜合運(yùn)用類型學(xué)與地層學(xué)對(duì)青銅器進(jìn)行分期斷代的方法，即在某一類青銅器內(nèi)劃分出“型”和“式”，總結(jié)出每期銅器的器形、花紋特點(diǎn)，再結(jié)合相伴出土的陶器，并與考古單位中的地層關(guān)系的分析相互對(duì)應(yīng)，進(jìn)而確定青銅器的年代。（鄒衡： 《試論殷墟文化分期》，《北京大學(xué)學(xué)報(bào)（人文科學(xué)）》1964年第4—5期；李豐： 《黃河流域西周墓葬出土青銅禮器的分期與年代》，《考古學(xué)報(bào)》1988年第4期。）

上述兩種方法各有特點(diǎn)，在遇到具有長(zhǎng)篇銘文且記載時(shí)代明確的器物時(shí)，第一種方法更為有效，有時(shí)甚至能夠確定器物的絕對(duì)年代。而面對(duì)只有短篇銘文或無銘的青銅器時(shí)，后一種方法更為適合。當(dāng)然，兩種情況不是絕對(duì)的，很多時(shí)候是兩種方法并用。若想對(duì)青銅器進(jìn)行準(zhǔn)確的分期斷代，既需要掌握專業(yè)的考古學(xué)知識(shí)，也需了解專門的古文字學(xué)知識(shí)。再加上青銅器的類別多、數(shù)量大，青銅器斷代難度非常大，導(dǎo)致只有少數(shù)專家才精通這一研究領(lǐng)域，普通大眾想要快速了解某件器物的時(shí)代頗為不易；外專業(yè)研究者若要使用某件銅器作為參考資料，也需花費(fèi)大量時(shí)間去翻查相關(guān)書籍。

近年來人工智能發(fā)展迅速，尤其是深度學(xué)習(xí)技術(shù)具有學(xué)習(xí)、分析、總結(jié)的能力，能夠?qū)ξ淖?、圖像和聲音等數(shù)據(jù)進(jìn)行識(shí)別、歸納與分類。鑒于深度學(xué)習(xí)技術(shù)已經(jīng)具備了分析圖像的能力，所以已有學(xué)者將人工智能運(yùn)用到文物研究當(dāng)中，如利用人工智能技術(shù)綴合甲骨殘片，（莫伯峰、張重生、門藝： 《AI綴合中的人機(jī)耦合》，《出土文獻(xiàn)》2021年第1期，第19—26頁(yè)。）開展陶瓷器物斷代工作等。（馮金牛等： 《基于卷積神經(jīng)網(wǎng)絡(luò)的中國(guó)古陶瓷智能斷代研究》，《陶瓷學(xué)報(bào)》2022年第1期，第145—151頁(yè)。）同樣，也可考慮利用人工智能技術(shù)開展青銅器的分期斷代工作。上文介紹的標(biāo)準(zhǔn)器斷代法和類型學(xué)與地層學(xué)結(jié)合法，兩者的共同點(diǎn)是都需要根據(jù)青銅器的客觀外在形態(tài)將器物系聯(lián)起來，器物的形狀、花紋等外在特征是建立系聯(lián)的關(guān)鍵所在。而深度學(xué)習(xí)技術(shù)擅長(zhǎng)發(fā)現(xiàn)樣本的內(nèi)在特征、挖掘樣本的變化規(guī)律，進(jìn)而完成數(shù)據(jù)的辨識(shí)與分類，這與專家根據(jù)器物的特征進(jìn)行斷代在方法上具有一致性?？梢?，利用人工智能深度學(xué)習(xí)技術(shù)開展青銅器的分期斷代研究在方法上是可取的。

在明確了可行性后，經(jīng)過近兩年的努力，我們收集并標(biāo)注了大量數(shù)據(jù)，搭建了深度學(xué)習(xí)智能模型，完成了實(shí)驗(yàn)，并推出了可實(shí)際應(yīng)用的智能斷代程序。目前已經(jīng)完成鼎、簋等食器部分的工作。篇幅所限，下面先就青銅鼎的情況展開介紹。此處需要說明的是，本文面向的群體主要是人文學(xué)科研究者，行文時(shí)會(huì)盡量采用文科論文的表述方式，一些繁瑣的計(jì)算公式和人工智能層面的技術(shù)研究詳參另文。下面便從科學(xué)研究和應(yīng)用實(shí)現(xiàn)兩個(gè)方面展開討論。

一、 科學(xué)研究

鼎是青銅器中數(shù)量最多的器類之一，其發(fā)展貫穿整個(gè)先秦時(shí)期： 在數(shù)量方面，具備交叉研究的基礎(chǔ)；在時(shí)代跨度方面，具有交叉研究的空間。我們主要利用基于深度學(xué)習(xí)模型的圖像識(shí)別和細(xì)粒度分類方法，提取并分析樣本特征相似度，融合青銅器的專業(yè)知識(shí)開展研究。對(duì)于人工智能技術(shù)而言，青銅器分期斷代本質(zhì)上是一項(xiàng)分類任務(wù)，但與其他分類任務(wù)也存在區(qū)別，即青銅器數(shù)據(jù)是一個(gè)專業(yè)性較強(qiáng)的數(shù)據(jù)集，其中很多細(xì)微特征需要依靠專業(yè)知識(shí)才能分辨清楚。因此我們?cè)跀?shù)據(jù)處理、屬性標(biāo)注、模型搭建等方面都盡量考慮到青銅器數(shù)據(jù)自身的特殊性。

1. 數(shù)據(jù)收集與標(biāo)注

在數(shù)據(jù)收集方面我們目前使用的是青銅鼎的二維圖像。數(shù)據(jù)均取自正式的出版書籍或發(fā)掘報(bào)告，還有一些來源于公開的數(shù)據(jù)庫(kù)資源。其中大型著錄文獻(xiàn)包括《中國(guó)青銅器全集》（中國(guó)青銅器全集編輯委員會(huì)編： 《中國(guó)青銅器全集》，北京： 文物出版社，1994—1998年。）《商周青銅器銘文暨圖像集成》《商周青銅器銘文暨圖像集成續(xù)編》《商周青銅器銘文暨圖像集成三編》（吳鎮(zhèn)烽編著： 《商周青銅器銘文暨圖像集成》，上海： 上海古籍出版社，2012年，以下簡(jiǎn)稱“《銘圖》”；吳鎮(zhèn)烽編著： 《商周青銅器銘文暨圖像集成續(xù)編》，上海： 上海古籍出版社，2016年；吳鎮(zhèn)烽編著： 《商周青銅器銘文暨圖像集成三編》，上海： 上海古籍出版社，2020年。吳鎮(zhèn)烽先生編著的這三部著作有配套的電子檢索系統(tǒng)《金文通鑒》，本文多數(shù)青銅鼎的照片取自該系統(tǒng)。）《中國(guó)出土青銅器全集》（李伯謙主編： 《中國(guó)出土青銅器全集》，北京： 科學(xué)出版社、龍門書局，2018年。）等，以及其他一些青銅器圖錄與考古發(fā)掘報(bào)告。另外，“中研院”歷史語言研究所金文工作室研發(fā)的《殷周金文暨青銅器資料庫(kù)》中有的青銅鼎圖版存在不同副本，（“中研院”歷史語言研究所金文工作室： 《殷周金文暨青銅器資料庫(kù)》。）若有不見于其他著錄文獻(xiàn)的副本，也予以收錄。這部分材料在數(shù)據(jù)集中所占比例雖然不大，但是卻可呈現(xiàn)出同一件器物的不同角度，頗為重要。為了尊重、彰顯收藏單位或整理者所做的工作，我們?cè)谒_發(fā)的應(yīng)用程序中為使用的每一件器物都標(biāo)注了出處（詳后文）。

在圖像類別的選用上，收錄范圍包括器物的彩色照片、黑白照片、線圖摹本、全形拓等多種形式。其中，彩色照片占絕大多數(shù)。線圖摹本主要取自宋人、清人的著錄。由于多數(shù)線圖存在較大程度的失真，我們對(duì)線圖進(jìn)行了篩選，選取其中效果較好、摹寫相對(duì)準(zhǔn)確的圖像。全形拓圖像使用得最少。線圖摹本和全形拓在一定程度上會(huì)對(duì)人工智能模型造成干擾和障礙，影響模型的準(zhǔn)確性。由于研究成果終會(huì)轉(zhuǎn)化成實(shí)際應(yīng)用，考慮到實(shí)際使用情況，我們?nèi)詫⑦@兩類圖像收錄其中。

目前共收集青銅鼎圖片樣本3690個(gè)，每一個(gè)樣本都結(jié)合學(xué)界的研究成果作了時(shí)代標(biāo)注。共分為11個(gè)時(shí)代，具體包括商代早期、商代晚期、西周早期、西周中期、西周晚期、春秋早期、春秋中期、春秋晚期、戰(zhàn)國(guó)早期、戰(zhàn)國(guó)中期、戰(zhàn)國(guó)晚期。很多著錄對(duì)所收器物已給出了斷代意見，其判斷無誤者，我們直接承襲；其中明顯有誤者，我們對(duì)其做了校正，徑直給出正確的年代；而年代存在爭(zhēng)議的器物，我們擇善而從。某些書籍并未對(duì)器物的年代進(jìn)行詳細(xì)劃分，如《中國(guó)出土青銅器全集》一書，多數(shù)情況下只是給出器物的模糊年代。面對(duì)這種情況，我們會(huì)進(jìn)一步給出更為詳盡的判斷。如該書第一卷第18號(hào)收錄的一件圓鼎（見封三圖1），時(shí)代標(biāo)注為“西周”，（李伯謙主編： 《中國(guó)出土青銅器全集》，第1卷，第17頁(yè)。）據(jù)其器形、花紋可知此鼎時(shí)代為西周早期，所以此器的年代標(biāo)簽為“西周早期”?？傊?，收錄數(shù)據(jù)過程中會(huì)盡量結(jié)合學(xué)界已有的研究，為每一張青銅鼎的圖片標(biāo)注出時(shí)代信息。

器物形制是分期斷代的基礎(chǔ)，所以我們也對(duì)青銅鼎的形制特征進(jìn)行了標(biāo)注。不同學(xué)者對(duì)青銅鼎的器形分類不同，對(duì)器物花紋的稱呼也存在差異。參考已有的青銅器研究，（上海博物館青銅器研究組： 《商周青銅器文飾》，北京： 文物出版社，1984年；王世民、陳公柔、張長(zhǎng)壽： 《西周青銅器分期斷代研究》，北京： 文物出版社，1999年；彭裕商： 《西周青銅器年代綜合研究》，成都： 巴蜀書社，2003年；朱鳳瀚： 《中國(guó)青銅器綜論》，上海： 上海古籍出版社，2009年；彭裕商： 《春秋青銅器年代綜合研究》，北京： 中華書局，2011年；彭裕商： 《戰(zhàn)國(guó)青銅器年代綜合研究》，成都： 巴蜀書社，2018年。）我們將青銅鼎的形狀概括為29種，將花紋概括成67種。在具體標(biāo)注時(shí)，口沿、腹部、足部等不同部位的花紋分別標(biāo)注。將鼎耳的類型分為5種，鼎足的類型分為8種，另扉棱、蓋鈕等也分別進(jìn)行了劃分，并利用工具進(jìn)行了標(biāo)注。例如伯鼎（見封三圖2），（《銘圖》，第2卷，1006號(hào)。）該器的標(biāo)簽共15個(gè)： 鼎足4個(gè)，標(biāo)簽為“鳥形扁足”；鼎耳2個(gè)，標(biāo)簽為“立耳”；腹部紋飾共兩組，第一組標(biāo)簽2個(gè)，為“獨(dú)體獸面紋”（一在正面，一在側(cè)面），第二組標(biāo)簽2個(gè)，為“直身夔龍紋”（均在正面）；扉棱共5組，標(biāo)簽為“F形扉棱”。再如師湯父鼎（見封三圖3），（中國(guó)青銅器全集編輯委員會(huì)編： 《中國(guó)青銅器全集》，第5卷，北京： 文物出版社，1997年，第26頁(yè)，29號(hào)。）該器的標(biāo)簽共12個(gè)： 其中足部3個(gè)，標(biāo)簽為“蹄足”；耳部2個(gè)，標(biāo)簽為“立耳”；腹部紋飾共兩組，標(biāo)簽為“大鳥紋（回首）”；頸部紋飾共兩組，標(biāo)簽為“長(zhǎng)尾鳥紋”；頸部扉棱共兩組，標(biāo)簽為“平直扉棱”。我們對(duì)目前所收集的全部青銅器都做了如上標(biāo)注。

在數(shù)據(jù)分配方面，我們按照4∶1∶5的比例將整個(gè)數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集、測(cè)試集。此處需要說明的是，在我們的劃分比例中，訓(xùn)練集的數(shù)據(jù)占比較低，而測(cè)試集的占比較高。更少的訓(xùn)練數(shù)據(jù)、更多的測(cè)試數(shù)據(jù)會(huì)增加模型的學(xué)習(xí)難度，不過能夠更全面準(zhǔn)確地檢測(cè)模型的斷代效果，從而更有效地測(cè)試出該方法的有效性以及局限性。

2. 數(shù)據(jù)擴(kuò)充與增強(qiáng)

為了使模型得到足夠的訓(xùn)練，我們?cè)谘邪l(fā)過程中對(duì)數(shù)據(jù)進(jìn)行擴(kuò)充與增強(qiáng)。增強(qiáng)方式主要包括去除背景、灰度化、線條化和翻轉(zhuǎn)圖片等（見封三圖4）。限于篇幅，此處僅略述灰度化與線條化兩種方式。首先介紹灰度化的處理過程，任何顏色都由紅、綠、藍(lán)三原色組成，這三種顏色分別對(duì)應(yīng)三個(gè)通道，而三個(gè)通道的每個(gè)數(shù)值取值在0—255之間。將彩色圖轉(zhuǎn)化為灰度圖，也就是將原本的紅綠藍(lán)三色通道合并為一個(gè)通道，最終將彩色圖版變成質(zhì)量較高的灰度圖版，實(shí)現(xiàn)擴(kuò)充數(shù)據(jù)的目標(biāo)。將彩色圖版進(jìn)行灰度處理，除了可以增大數(shù)據(jù)量外，對(duì)于那些本身只公布過灰度圖片的青銅鼎的時(shí)代判斷也有較大幫助。

線條化處理的關(guān)鍵在于識(shí)別圖版中的線條，也就是找出圖片中物體的輪廓和花紋信息。輪廓和花紋部位的像素值與其他部位的不同，非輪廓和非花紋部分的像素值是連續(xù)的，可以用高斯模糊的方法得到非線條部分。在原始圖片中減去非線條部分，即可得到原始圖片的線條，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)的擴(kuò)充（見封三圖5）。通過彩色圖版的線條化，除了可以增大數(shù)據(jù)量外，對(duì)于判斷那些只存在線圖摹本的青銅鼎的時(shí)代也有一定的幫助。

通過以上方法，我們成功地對(duì)數(shù)據(jù)進(jìn)行了增強(qiáng)與擴(kuò)充，進(jìn)而增加了訓(xùn)練的數(shù)據(jù)量。同時(shí)，利用這些增強(qiáng)后的數(shù)據(jù)進(jìn)行訓(xùn)練也可提高模型的泛化能力，使其可以處理更為復(fù)雜的問題。

3. 模型搭建與實(shí)驗(yàn)

針對(duì)青銅器的特殊性，我們搭建了一個(gè)用于分類斷代的深度學(xué)習(xí)模型。斷代模型如圖1所示，在模型中使用ResNet50作為骨干網(wǎng)絡(luò)，然后將ResNet50編碼后的特征向量輸入四個(gè)頭： 朝代頭、時(shí)期頭、器形頭、特征頭。其中朝代頭和時(shí)期頭作為多粒度分類的輸出，分別預(yù)測(cè)輸入青銅器所屬的朝代和時(shí)期。器形頭和特征頭分別預(yù)測(cè)輸入青銅器的單標(biāo)簽器形和多標(biāo)簽特征。同時(shí)，通過聯(lián)合朝代、時(shí)期、器形、特征等標(biāo)注信息，我們建立一個(gè)知識(shí)引導(dǎo)的關(guān)系圖結(jié)構(gòu)，使朝代和時(shí)期之間可以相互輔助學(xué)習(xí)，以將器形和特征等類型學(xué)上作為斷代依據(jù)的重要信息嵌入學(xué)習(xí)過程中。因?yàn)橐罁?jù)器形和特征等綜合因素進(jìn)行斷代，我們改進(jìn)了概率分類的損失函數(shù)，從而最大化實(shí)現(xiàn)器形、特征與時(shí)代間的對(duì)應(yīng)關(guān)系。（關(guān)于模型的搭建等技術(shù)問題此處僅略作交代，詳參： Rixin Zhou， Chuntao Li， Xi Yang， et al， MultiGranularity Archaeological Dating of Chinese Bronze Dings Based on a KnowledgeGuided Relation Graph，CVPR2023。）

在建立模型之后，便可利用數(shù)據(jù)對(duì)模型展開訓(xùn)練。（為了對(duì)比效果，我們首先訓(xùn)練的是只有時(shí)代標(biāo)簽的圖像數(shù)據(jù)，其他標(biāo)簽如器形、花紋等均未放入，訓(xùn)練結(jié)束后進(jìn)行了測(cè)試；隨后我們又訓(xùn)練了既有時(shí)代標(biāo)簽，同時(shí)也有器形、花紋特征標(biāo)簽的數(shù)據(jù)，訓(xùn)練結(jié)束后同樣進(jìn)行了測(cè)試。結(jié)果顯示，按粗略時(shí)代劃分，后者較前者的準(zhǔn)確率高出1.94%；按詳細(xì)時(shí)代劃分，后者較前者的準(zhǔn)確率高出1.78%?？梢姡幼⒍喾N標(biāo)簽的數(shù)據(jù)測(cè)試結(jié)果更優(yōu)。所以我們?cè)谘邪l(fā)過程中使用的是加注多種標(biāo)簽的數(shù)據(jù)。在實(shí)際應(yīng)用中，標(biāo)注并顯示出青銅器的器形以及花紋等特征更便于使用和參考。 ）如圖2所示，基于深度學(xué)習(xí)的青銅器斷代過程可分為訓(xùn)練和預(yù)測(cè)兩個(gè)步驟。首先，將完成標(biāo)注的青銅器數(shù)據(jù)分成訓(xùn)練集、驗(yàn)證集、測(cè)試集三個(gè)部分。在訓(xùn)練過程中，使用訓(xùn)練集和驗(yàn)證集對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和選擇。利用之前已經(jīng)設(shè)計(jì)好的嵌入知識(shí)的深度學(xué)習(xí)模型，實(shí)現(xiàn)青銅器的斷代任務(wù)。通過輸入訓(xùn)練數(shù)據(jù)，不斷優(yōu)化和反復(fù)迭代更新模型的參數(shù)，得到可以充分提取青銅器斷代特征的已訓(xùn)練模型。此后，在預(yù)測(cè)過程中，將待預(yù)測(cè)的青銅鼎圖像輸入已訓(xùn)練模型，就可以得到智能模型所做出的判斷結(jié)果。

4. 測(cè)試結(jié)果

經(jīng)過測(cè)試，我們發(fā)現(xiàn)經(jīng)過訓(xùn)練的模型已經(jīng)具備獨(dú)立的斷代能力。在利用測(cè)試集進(jìn)行測(cè)試時(shí)，在絕大多數(shù)情況下模型都能給出準(zhǔn)確的斷代意見。我們可以通過粗略時(shí)代和詳細(xì)時(shí)代兩種劃分方式觀察測(cè)試結(jié)果： 粗略時(shí)代劃分，即把所有器物按照商代、西周、春秋、戰(zhàn)國(guó)四個(gè)大的時(shí)代進(jìn)行區(qū)分，按照這種方式，模型的總體精度（Overall Accuracy）為88.79%；詳細(xì)時(shí)代劃分，即按前文所述的11個(gè)時(shí)代劃分，按照這種方式，模型的總體精度為78.83%（以上詳細(xì)數(shù)據(jù)參表1）；這說明了利用人工智能技術(shù)可對(duì)青銅器進(jìn)行分期斷代，而且深度學(xué)習(xí)模型還展現(xiàn)出較強(qiáng)的學(xué)習(xí)與斷代能力。為了說明模型的斷代能力，我們對(duì)比了其他12種最新的分類模型，利用同樣的測(cè)試集、訓(xùn)練集、驗(yàn)證集對(duì)這些模型進(jìn)行訓(xùn)練、測(cè)試，得出的對(duì)比結(jié)果如表1。（表中各項(xiàng)結(jié)果為百分?jǐn)?shù)，%省略。下同。深色陰影數(shù)值者排名第一，淺色陰影者排名第二。人工智能領(lǐng)域更多使用“精度值（precision）”來體現(xiàn)模型的預(yù)測(cè)能力。為了便于文科讀者理解，我們此處使用“召回率（recall）”來衡量模型對(duì)每一類樣本的預(yù)測(cè)能力，即每一類預(yù)測(cè)準(zhǔn)確的數(shù)值除以相應(yīng)的數(shù)據(jù)總量所得出的百分比，也就是我們通常所說的準(zhǔn)確率。表格中的數(shù)值即由此得出。）按照粗略時(shí)代測(cè)試，我們的模型在商代、西周、春秋、戰(zhàn)國(guó)四個(gè)時(shí)代上的準(zhǔn)確率都排在了第一。按照詳細(xì)時(shí)代劃分，我們的模型有2個(gè)時(shí)代的準(zhǔn)確率排在第一；有3個(gè)時(shí)代的準(zhǔn)確率排在第二，在平均準(zhǔn)確率上，我們的模型也排在第一。而在總體精度（Overall Accuracy）和AU（PRC）方面，我們的模型也均處于第一的位置。這充分說明我們構(gòu)建的模型獲得了最好的斷代結(jié)果。

5. 結(jié)果分析

從總體上看，人工智能模型對(duì)青銅鼎的分期與斷代能夠給出很好的判斷。與此同時(shí)，對(duì)相關(guān)結(jié)果進(jìn)行分析會(huì)給我們帶來更多的啟發(fā)與思考。經(jīng)過分析與總結(jié)，我們發(fā)現(xiàn)影響模型準(zhǔn)確率的因素包括訓(xùn)練數(shù)據(jù)量的多少、圖版的清晰度、圖片的完整度、東周時(shí)期不同地域器形發(fā)展快慢差異、相鄰時(shí)代器形相似程度等幾個(gè)方面。

從表1所列數(shù)據(jù)不難看出，人工智能模型對(duì)不同時(shí)代的數(shù)據(jù)測(cè)試結(jié)果存在差異。其中，準(zhǔn)確率最低的是戰(zhàn)國(guó)早期和戰(zhàn)國(guó)中期，其最主要的原因就是訓(xùn)練數(shù)據(jù)總量少，兩者數(shù)據(jù)中訓(xùn)練集數(shù)量分別只有31張和34張圖版，較其他時(shí)代的數(shù)量少很多。這使得模型可學(xué)習(xí)的樣本不夠豐富，測(cè)試結(jié)果準(zhǔn)確率偏低。如果后期對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步補(bǔ)充和增強(qiáng)，測(cè)試結(jié)果應(yīng)該會(huì)得到明顯提升。

當(dāng)然，如果訓(xùn)練數(shù)據(jù)不夠充分，但是數(shù)據(jù)中的器形具有明顯的區(qū)別特征，模型完全能夠給出準(zhǔn)確的判斷。如商代早期的訓(xùn)練集數(shù)量是37張圖版，但是測(cè)試的準(zhǔn)確率高達(dá)87.23%，結(jié)果并未受到訓(xùn)練數(shù)據(jù)不足的影響。這是由于商代早期青銅鼎器形特征十分明顯，例如商代早期青銅鼎的尖錐足（圖3a）、方體深腹直壁（圖3b）等特征是其他時(shí)代的青銅鼎很少具備的，而模型能夠捕捉到這些特征并以此為依據(jù)進(jìn)行分類。相對(duì)而言，戰(zhàn)國(guó)早期和中期的青銅鼎在器形上與相鄰時(shí)代的器物有很多相似性，加上訓(xùn)練集中這兩個(gè)時(shí)代的數(shù)據(jù)本就不多，能提取到的特征也會(huì)受到限制，而這些特征有的還與其他時(shí)代的器物相近，這就使得這兩個(gè)時(shí)代的準(zhǔn)確率偏低。

紋飾的風(fēng)格及清晰度對(duì)模型測(cè)試準(zhǔn)確率可能也造成了一定的影響。分析實(shí)驗(yàn)結(jié)果可以看出： 自商代至春秋早期這六個(gè)時(shí)段較春秋中期至戰(zhàn)國(guó)晚期這五個(gè)時(shí)段人工智能模型的準(zhǔn)確率高出很多。前者的平均準(zhǔn)確率為83.69%，后者為59.28%，相差20多個(gè)百分點(diǎn)。推敲其原因，應(yīng)當(dāng)與鼎的花紋變化有著密切關(guān)系。商代至春秋早期青銅鼎上所施加的花紋圖3

圖像往往較大，如較早流行的獸面紋（圖3c）、鳥紋（圖3d）。稍晚流行的環(huán)帶紋、（李零先生據(jù)新出霸伯器銘文將環(huán)帶紋稱作山紋。參李零： 《山紋考——說環(huán)帶紋、波紋、波曲紋、波浪紋應(yīng)正名為山紋》，《中國(guó)國(guó)家博物館館刊》2019年第1期。）竊曲紋、重環(huán)紋，整體上圖畫性更強(qiáng)，智能模型也更容易辨識(shí)。而自春秋中期開始，流行的是蟠螭紋（圖3e）、蟠虺紋（圖3f），這兩種花紋或呈帶狀，或布滿于器表，而不像獸面、鳥形那樣在器表上呈獨(dú)立的圖案，所以智能模型不易捕捉到這類紋飾的特征。如果數(shù)據(jù)集中圖像清晰度稍差，蟠螭紋與蟠虺紋甚至都無法體現(xiàn)出來。所以，智能模型對(duì)春秋中期以后青銅鼎的判斷準(zhǔn)確率不如春秋中期以前的時(shí)段高。

青銅鼎圖片的清晰度會(huì)對(duì)模型測(cè)試準(zhǔn)確率產(chǎn)生影響。如器形模糊，尤其是測(cè)試集數(shù)據(jù)中有的圖版與背景顏色區(qū)分不夠明顯（如圖3g），會(huì)形成辨識(shí)障礙，智能模型可能會(huì)把某些背景誤認(rèn)作器物的一部分。除此之外，器物的拍攝角度也會(huì)對(duì)辨識(shí)產(chǎn)生影響，如俯視拍攝與直視拍攝會(huì)使同一件鼎在圖版上呈現(xiàn)出不同的效果，俯視拍攝的圖版鼎足往往會(huì)顯得略短，與數(shù)據(jù)集中絕大多數(shù)的正面拍攝照有所不同，所以在一定程度上造成器形失真，進(jìn)而影響模型的識(shí)別準(zhǔn)確率。

圖版中器物的完整性也會(huì)影響模型測(cè)試準(zhǔn)確率。在收集數(shù)據(jù)時(shí)，為了保證數(shù)據(jù)的多樣性、全面性，我們將部分器形殘缺的青銅鼎圖版也收錄在數(shù)據(jù)集中。一旦這些殘缺器形被劃分到測(cè)試集中，由于殘缺器形的數(shù)據(jù)總量極少，模型無法得到充分訓(xùn)練，可能會(huì)對(duì)模型判斷形成干擾。例如曾子倝鼎（圖3h）被劃分到測(cè)試集中，（此鼎著錄于《銘圖》2388號(hào)。）從器形上看，屬于典型的春秋早期的曾國(guó)青銅鼎。該器三足殘缺，導(dǎo)致與其他常規(guī)鼎的形制略異，測(cè)試時(shí)模型將其判斷成西周晚期，其錯(cuò)誤原因或許與器足缺失有很大關(guān)系。為了證明這一點(diǎn)，我們結(jié)合曾國(guó)早期其他青銅鼎的形制，試著將該器的三足加以復(fù)原，（復(fù)原過程中主要參考了曾國(guó)早期同類青銅鼎的形制，三足取自曾子仲GF9A8鼎（《銘圖》2214）。曾國(guó)此類青銅鼎有著極為鮮明的地域特色，相關(guān)討論參王恩田： 《上曾太子鼎的國(guó)別及其相關(guān)問題》，《江漢考古》1995年第2期；張昌平： 《曾國(guó)青銅器研究》，北京： 文物出版社，2009年，第127頁(yè)。）形成一幅器形完整的圖版（圖3i），重新利用模型進(jìn)行測(cè)試。結(jié)果顯示，模型將其準(zhǔn)確地判斷為春秋早期，器形的完整程度對(duì)模型分類的影響由此可見一斑。

相鄰時(shí)代器形的相似程度是影響模型準(zhǔn)確率的最大因素。我們知道不同時(shí)代的青銅鼎在器形、花紋等特征上存在差異。然而，器形及花紋的演變不是一蹴而就的，而是漸變的，這就導(dǎo)致相鄰時(shí)代之間器物的外在特征有很多相似之處。如商代晚期和西周早期某些青銅鼎極其相似，專家在判斷時(shí)，也容易出現(xiàn)誤差，人工智能模型同樣如此。我們注意到西周早期青銅鼎樣本數(shù)量在訓(xùn)練集中占比較大（340件），比西周中期（171件）、西周晚期（111件）的訓(xùn)練數(shù)據(jù)分別多出一倍或兩倍。但預(yù)測(cè)準(zhǔn)確率為77.75％，反倒不如西周中期的88.84%、西周晚期的86.25%高。其主要原因就是西周早期和商代晚期部分青銅鼎十分相似，有很多特征是兩個(gè)時(shí)代所共有的，專家在判斷時(shí)即使結(jié)合銘文或者墓葬信息及伴出器物，有時(shí)仍無法給出確定的意見。對(duì)某些器物只能模糊處理，判定為“商末周初”。（如吳鎮(zhèn)烽先生在《銘圖》中將這部分器物標(biāo)注為“商代晚期或西周早期”。）所以人工智能模型僅憑借器物外部特征進(jìn)行斷代，也會(huì)出現(xiàn)誤差。我們提取后臺(tái)測(cè)試數(shù)據(jù)進(jìn)行總結(jié)，發(fā)現(xiàn)西周早期青銅鼎的準(zhǔn)確率為77.75％，而有15.22％預(yù)測(cè)為商代晚期，后者正好屬于兼具商代晚期與西周早期兩種特征的數(shù)據(jù)。如果把這些算入，西周早期的準(zhǔn)確率就達(dá)到了92.97%，無疑是相當(dāng)高的。同時(shí)，從這一點(diǎn)也看出： 模型對(duì)于商周之際的部分青銅鼎與人腦一樣難以作出準(zhǔn)確區(qū)分，兩者的出錯(cuò)點(diǎn)是相同的。這也從另一方面說明，經(jīng)過專業(yè)訓(xùn)練的模型能夠具有同專家相仿的能力。為了說明問題，我們把預(yù)測(cè)到相鄰時(shí)代的錯(cuò)誤數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)，得出結(jié)果可參表2。若把誤測(cè)到相鄰時(shí)代的情況也算入的話，平均準(zhǔn)確率可達(dá)95.47%，可見模型所預(yù)測(cè)的錯(cuò)誤數(shù)據(jù)，多數(shù)都誤判入相鄰時(shí)代，這說明模型是能夠捕捉并獲取器物主要特征的。

當(dāng)然，如果器物具有某種細(xì)微的特征，這種特征恰好可以區(qū)分時(shí)代的話，模型也能捕捉并進(jìn)行有效判斷。以柱足直壁方鼎為例，（楊寶成、劉森淼： 《商周方鼎初論》，《考古》1991年第6期。此處所討論的即該文所謂的方體柱足鼎，參該文中的A型方鼎。）這類鼎器腹呈方形，立耳，柱足，器腹有時(shí)飾獸面紋，頸部飾單首雙身龍紋，有時(shí)腹部?jī)蓚?cè)和底部飾乳釘紋。此類方鼎在商代晚期、西周早期、西周中期都有出現(xiàn)，但主要流行在商代晚期和西周早期。若僅著眼于器形，其時(shí)代有時(shí)不易判斷。但其中有一種鼎腹帶有“F形扉棱”的叔虞方鼎（圖3j），（叔虞方鼎照片取自2018年北京大學(xué)賽克勒考古與藝術(shù)博物館120年校慶特展“尋真——北京大學(xué)考古教學(xué)與科研成果展”。）絕大多數(shù)都在西周早期。（陳士松： 《商周青銅方鼎研究》，碩士學(xué)位論文，湖南大學(xué)，2014年，第31、57頁(yè)。）而我們?cè)跍y(cè)試過程中發(fā)現(xiàn)，智能模型在測(cè)試這種“F形扉棱”柱足方鼎時(shí)，絕大多數(shù)都能做出正確的判斷。可見，模型已經(jīng)捕捉到了這種細(xì)微的區(qū)別。

以上我們對(duì)深度學(xué)習(xí)模型的測(cè)試結(jié)果進(jìn)行了分析，最終的結(jié)論是模型能夠準(zhǔn)確判斷絕大多數(shù)青銅鼎的時(shí)期。由于青銅器分期斷代是一項(xiàng)復(fù)雜的工作，比較依賴專家的主觀研究經(jīng)驗(yàn)。對(duì)同一件器物的時(shí)代，不同學(xué)者往往會(huì)有不同的斷代觀點(diǎn)。（如黃鶴先生曾將西周青銅器諸家不同的斷代意見做過集中收錄。參黃鶴： 《西周有銘銅器斷代研究綜覽》，上海： 上海古籍出版社，2021年。）經(jīng)驗(yàn)豐富的學(xué)者尚且如此，其難度可見一斑。而人工智能模型能夠勝任這項(xiàng)工作，同時(shí)能夠與人腦體現(xiàn)出相同的特性，這是十分難得的。

二、 應(yīng)用實(shí)現(xiàn)

1. 應(yīng)用系統(tǒng)的實(shí)現(xiàn)方式

科研可以推進(jìn)應(yīng)用的發(fā)展，而應(yīng)用又是科研成果的最好體現(xiàn)，所以將科研成果轉(zhuǎn)換成實(shí)際應(yīng)用也是我們的主要目標(biāo)之一。

我們將經(jīng)過訓(xùn)練的人工智能模型部署到了微信小程序中。由于微信小程序具有便捷性、兼容性、易安裝、易傳播等優(yōu)勢(shì)，所以我們將其作為青銅器智能斷代程序的首選載體。微信小程序后端的實(shí)現(xiàn)方式多種多樣，考慮到與人工智能模型的一致性，我們采用Python語言作為后端語言并基于Flask框架加以實(shí)現(xiàn)，從而完成了小程序的部署。

2. 應(yīng)用系統(tǒng)的組織結(jié)構(gòu)

本系統(tǒng)具有兩個(gè)主要功能： 一是青銅器智能辨類與斷代；（“辨類”指辨識(shí)青銅器的類別。如用戶分別上傳青銅鼎、青銅簋的圖片，模型會(huì)自動(dòng)辨識(shí)出圖片對(duì)應(yīng)的器類。）二是青銅器數(shù)據(jù)庫(kù)（功能示意圖可參圖4）。前者智能斷代部分包括對(duì)青銅器的自動(dòng)斷代和對(duì)青銅器特征部位的自動(dòng)檢測(cè)。我們使用兩個(gè)不同的智能模型來實(shí)現(xiàn)上述兩種功能： 一個(gè)是上文已經(jīng)討論的深度學(xué)習(xí)模型，在經(jīng)過訓(xùn)練之后，能夠自主判斷青銅器的年代；另一個(gè)模型則專門用來檢測(cè)青銅器的特征，并給出相應(yīng)的名稱，如紋飾、器形等。

青銅器數(shù)據(jù)庫(kù)方面，本系統(tǒng)提供了我們所收集并標(biāo)注的數(shù)據(jù)集，并且做了分類與斷代，使用者可分別按照器類或者時(shí)代瀏覽相關(guān)器物圖像。為了便于用戶核對(duì)圖像出處，也為了尊重器物的收藏單位及材料發(fā)布者，我們?yōu)槊繌垐D像做了信息表，標(biāo)明了器物的著錄書籍、名稱、時(shí)代、出土地、現(xiàn)藏地等相關(guān)信息。以上信息可為使用者提供很大的便利。

3. 應(yīng)用系統(tǒng)的顯示說明

系統(tǒng)初始界面由“程序名稱”“拍照／上傳照片”“數(shù)據(jù)庫(kù)”“研發(fā)說明”組成（參圖5a）。其中“吉金識(shí)辨·青銅器智能斷代與辨類”是本程序的名稱，在微信小程序中搜索名稱中的關(guān)鍵字可以檢出本程序并進(jìn)行使用。

“拍照／上傳照片”是上傳待測(cè)試圖版的兩種途徑。前者針對(duì)現(xiàn)實(shí)場(chǎng)景中的青銅器圖版，可供拍照上傳；后者針對(duì)客戶終端設(shè)備中已經(jīng)存儲(chǔ)的青銅器圖版，可供選擇上傳。

“數(shù)據(jù)庫(kù)”是我們搜集并標(biāo)注的青銅器數(shù)據(jù)，可分別按照時(shí)代或者類別進(jìn)行瀏覽。目前僅上傳了青銅鼎數(shù)據(jù)。每一件器物的圖版都有相關(guān)信息介紹，根據(jù)實(shí)際情況列出器物名稱、著錄出處、器物時(shí)代、出土墓葬、現(xiàn)藏地等（參圖5b）。

“研發(fā)與說明”是關(guān)于研發(fā)團(tuán)隊(duì)的介紹，以及使用書籍的簡(jiǎn)稱等。

在具體使用時(shí)，如果上傳的圖版較大，速度會(huì)略有延遲。上傳后智能模型會(huì)進(jìn)行類別和時(shí)代的判斷。其中的斷代結(jié)果，模型會(huì)給出一個(gè)最優(yōu)結(jié)果和兩個(gè)次優(yōu)結(jié)果，以供參考。結(jié)果下面都給出“可信度”，以百分?jǐn)?shù)表示，按智能模型的判斷可信度由大至小排列。如以近年新出土的曾侯諫鼎（圖5c）為例，將該形上傳到本系統(tǒng)中，系統(tǒng)會(huì)給出識(shí)別結(jié)果（參圖5d）。其中最上面的圖像為識(shí)別器形，框內(nèi)為智能模型自動(dòng)檢測(cè)的器形、花紋特征?！捌黝悺钡慕Y(jié)果是“鼎”。下面的“斷代結(jié)果”中，“西周早期”是最佳結(jié)果，可信度達(dá)91%，而“商代晚期”和“西周中期”是參考結(jié)果，可信度分別為9%和0%。那么毫無疑問，“西周早期”是人工智能模型為曾侯諫鼎做出的斷代結(jié)果。同時(shí)，小程序還設(shè)置有“反饋”功能，使用者可以輸入自己的意見，提交并反饋給后臺(tái)，我們收到后會(huì)進(jìn)行相應(yīng)處理。

為了給使用者足夠的參考信息，充分發(fā)揮本系統(tǒng)的學(xué)術(shù)價(jià)值，我們特意設(shè)置了“相似器型推薦”功能。該功能會(huì)提供5個(gè)與用戶所上傳的青銅鼎圖版器形、紋飾均相似的器物，展示這些參考器物的出處、器名、時(shí)代、出土地、現(xiàn)藏地等信息，使用者可根據(jù)相關(guān)信息，核對(duì)原始資料，并加以引用。每件器物都可以點(diǎn)擊進(jìn)入，查看詳細(xì)信息。仍以曾侯諫鼎的斷代為例，圖5d下部有“相似器型推薦”，為用戶智能推薦了5個(gè)與測(cè)試圖版相似的青銅鼎器形，其中上面右數(shù)第二張圖版就是曾侯諫鼎本身，因?yàn)橹暗臄?shù)據(jù)集中收錄了該器，所以會(huì)被推薦出來。這5個(gè)相似器形圖版都可以點(diǎn)擊后進(jìn)一步查看，如點(diǎn)擊圖5d下部相似推薦器形中的下面右數(shù)第二張圖版，即可查看其詳細(xì)信息（參圖5e）。此鼎器形的圖版上方，我們?yōu)樵撈鳂?biāo)注的形制特征都會(huì)通過標(biāo)簽顯示出來。如兩個(gè)“立耳”、三個(gè)“柱足”、兩組“獸面紋”等。此器的其他信息會(huì)在圖版下部列出，如“名稱： 伯鼎（伯作寶彝鼎）”；“年代： 西周早期”；“出土地： 1985年平頂山應(yīng)國(guó)墓地M48∶1”；“現(xiàn)藏地： 平頂山博物館”；“出處： 出土全集9.230”。（“出土全集”在本系統(tǒng)中是《中國(guó)出土青銅器全集》一書的簡(jiǎn)稱。此圖版參李伯謙主編： 《中國(guó)出土青銅器全集》，第9冊(cè)，第218頁(yè)，230號(hào)。）通過器物名稱及出處，便可直接進(jìn)行核實(shí)與引用。“相似器型推薦”中每一件器都標(biāo)注了如上信息。（部分傳世器物出土地或現(xiàn)藏地不明確者除外。）

4. 應(yīng)用系統(tǒng)的功能作用

下面從具體使用的角度談一談本系統(tǒng)的價(jià)值。首先，“數(shù)據(jù)庫(kù)”可以按照器類、時(shí)代等分類進(jìn)行瀏覽，為用戶了解和熟悉青銅器提供便利。使用者想要了解某一種器類或某一時(shí)代的器物都可通過“數(shù)據(jù)庫(kù)”實(shí)現(xiàn)。將來我們還會(huì)逐步提供檢索功能，包括通過器名、出土地、花紋或器形等關(guān)鍵詞檢索，盡可能為用戶提供最大的便利。

其次，為器物的斷代提供幫助。本系統(tǒng)的核心包括青銅器數(shù)據(jù)的搜集標(biāo)注和深度學(xué)習(xí)模型的研發(fā)，其最終目的是使深度學(xué)習(xí)模型具有像人腦一樣的專業(yè)判斷能力，能夠?qū)η嚆~器進(jìn)行自動(dòng)的分類與斷代。目前從青銅鼎、青銅簋等器類的研發(fā)來看，這項(xiàng)工作已經(jīng)達(dá)到預(yù)期目標(biāo)。系統(tǒng)既能夠給普通用戶提供幫助，也能為專業(yè)研究者提供參考。當(dāng)遇到新見的青銅器時(shí)，可以使用本系統(tǒng)進(jìn)行斷代，本系統(tǒng)中經(jīng)過訓(xùn)練的智能模型會(huì)給出斷代結(jié)果，并檢測(cè)出器物的主要形制特征。同時(shí)，“相似器型推薦”功能所推薦的相似數(shù)據(jù)，也具有一定的學(xué)術(shù)參考價(jià)值。

再次，為青銅器的信息核查提供幫助。過去學(xué)者對(duì)青銅器信息的掌握主要依靠記憶。例如，當(dāng)面對(duì)一件已被著錄的青銅器圖版，而器物缺少著錄信息，想要知道此器出自哪一座墓葬，在哪一部書中曾有著錄，過去只能依靠學(xué)者的記憶力。而本系統(tǒng)可提供直接幫助，前提是待核查的器物在我們所收集的數(shù)據(jù)范圍之內(nèi)。絕大多數(shù)情況下，只要人工智能模型利用了某些數(shù)據(jù)做了訓(xùn)練，當(dāng)同一張青銅器圖版再一次出現(xiàn)，上傳到本系統(tǒng)后，在“相似器型推薦”功能中基本都可將相同器物推薦出來。因?yàn)槲覀儗?duì)推薦器形的相關(guān)信息做了詳細(xì)標(biāo)注，使用者可直接找出器物的相關(guān)信息。在保證準(zhǔn)確的同時(shí)，還能提高效率。

下面我們以一個(gè)具體的例子來說明本系統(tǒng)的功用。吳鎮(zhèn)烽先生《銘圖》966號(hào)著錄一件“后母辛鼎”，其附有器形、銘文圖版（參圖6a、6b），（《銘圖》，第2卷，第237頁(yè)，966號(hào)。）據(jù)該書“出土?xí)r地”介紹，此器的出土信息是“1976年河南安陽市小屯村（今屬殷都區(qū)）殷墟婦好墓（M5.809）”。核查此鼎的著錄文獻(xiàn)如《殷墟婦好墓》（中國(guó)社會(huì)科學(xué)院考古研究所： 《殷墟婦好墓》，北京： 文物出版社，1980年，第37頁(yè)。）、《考古學(xué)報(bào)》（中國(guó)社會(huì)科學(xué)院考古研究所安陽工作隊(duì)： 《安陽殷墟五號(hào)墓的發(fā)掘》，《考古學(xué)報(bào)》1977年2期，圖4.3、圖版18。）可知，安陽殷墟婦好墓（M5.809）確實(shí)是“后母辛鼎”，銘文也與《銘圖》966號(hào)（圖6d）相同，但是其正確的器形卻是圖6c，與圖6a完全不同。據(jù)此可知《銘圖》一書配圖有誤，吳鎮(zhèn)烽先生在后來編著的《金文通鑒》檢索系統(tǒng)已經(jīng)將器形圖進(jìn)行了替換更正。（需要說明的是，《金文通鑒》更正的配圖也是有問題的。下面略作介紹，殷墟婦好墓一共出土了兩件大方鼎，第一件編號(hào)為789，第二件編號(hào)為809?！躲憟D》966號(hào)著錄的是編號(hào)為809的那件；而《銘圖》965號(hào)著錄的是編號(hào)為789的那件。《銘圖》966號(hào)誤配婦好方鼎圖版，《金文通鑒》更正成了編號(hào)為789的圖版，所以《金文通鑒》的修改也不正確。同時(shí)，由于《金文通鑒》誤用了編號(hào)789的圖版（即《銘圖》965），相應(yīng)地又把965的器形錯(cuò)配成了司母戊鼎的圖版。）那么圖6a這張青銅鼎圖版出自哪里呢？為何會(huì)被錯(cuò)配呢？吳先生的《金文通鑒》并未交代。其實(shí)利用“吉金識(shí)辨·青銅器智能斷代與辨類”即可解決此問題。通過微信小程序打開本系統(tǒng)，將圖6a上傳到系統(tǒng)中，智能模型會(huì)自動(dòng)給出器物的時(shí)代并推薦出五件相似器形（參圖6e）。從推薦的器形中可以發(fā)現(xiàn)，最左和右上角兩件器物與檢測(cè)的青銅鼎十分相似。點(diǎn)擊打開詳細(xì)信息可知，這兩個(gè)圖版對(duì)應(yīng)同一件器，都是婦好方鼎，只是著錄書籍不同，所用的圖版也存在差異，前者著錄于《銘圖》503號(hào)（圖6f），后者著錄于《全集》2.40（圖6g），（“《全集》”在本系統(tǒng)中是《中國(guó)青銅器全集》的簡(jiǎn)稱。此鼎圖版參中國(guó)青銅器全集編輯委員會(huì)編： 《中國(guó)青銅器全集》第2卷，北京： 文物出版社，1997年，第40—41頁(yè)，40號(hào)。）對(duì)比可知，圖6a即是婦好方鼎無疑。因?yàn)樵撈髋c“后母辛鼎”兩者都出土自殷墟婦好墓，所以圖版才被誤配。

結(jié)論

人工智能發(fā)展迅速，已經(jīng)參與到很多科研工作當(dāng)中，但是將人工智能與青銅器的分期斷代研究結(jié)合起來尚屬首次。（在工作的進(jìn)展方面，目前我們對(duì)青銅鼎、青銅簋的斷代工作已經(jīng)完成，并實(shí)現(xiàn)了應(yīng)用轉(zhuǎn)化。其他食器也已經(jīng)完成智能斷代工作，將會(huì)在近期完成應(yīng)用實(shí)現(xiàn)。與此同時(shí)，我們也正在開展酒器、水器、樂器、兵器的斷代工作，計(jì)劃在未來一段時(shí)間完成全部器類的研發(fā)。）通過實(shí)驗(yàn)我們發(fā)現(xiàn)，經(jīng)過訓(xùn)練后的人工智能模型可以對(duì)青銅鼎的時(shí)代進(jìn)行獨(dú)立的判斷，并且能夠保證較高的準(zhǔn)確率。與此同時(shí)，我們也把科研成果直接轉(zhuǎn)換成了實(shí)際應(yīng)用，希望可以對(duì)青銅器的研究提供便利與幫助。

（責(zé)任編輯： 姜慧）

本文為“古文字與中華文明傳承發(fā)展工程”資助項(xiàng)目“基于人工智能技術(shù)的青銅禮器斷代研究”（G1903）階段性成果，并得到吉林大學(xué)“學(xué)科交叉融合創(chuàng)新”項(xiàng)目（JLUXKJC2021ZY04）、“學(xué)科交叉青年創(chuàng)新團(tuán)隊(duì)”項(xiàng)目“基于視覺智能的青銅器綜合研究”的資助。）