AI 工程师声称已破解 Linear A

总体主张与状态

• 讨论串围绕一项声称的释读展开：将 Linear A 识别为一种已灭绝的闪米特语（可能是圣经希伯来语的祖先/相关语言）。
• 据称研究者已有一份草稿手稿，并与多所顶尖大学的语言学家分享；目前尚未公开预印本或完整数据。
• 许多评论者强调，这最多只是一个有趣的 尝试，在专家审阅并出现更多证据之前，不应被视为已经解决的释读。

AI 工具的作用

• 一款 AI 编码助手主要被用于：
  • 构建 Python 工具，以解析并整理 Linear A 语料库（GORILA、SigLA）。
  • 运行大量模拟，检验闪米特信号在统计上是否强于随机情况。
• 多位评论者强调，人类完成了概念性工作；AI 则加速了编码与分析。
• 也有人认为，这项成就与现代工具不可分割；若没有 AI，对非专门人士而言，这项工作可能根本无法完成。

可复现性与质疑

• 对于缺少公开手稿、代码或翻译表的情况，出现了强烈反弹（尽管据称已翻译约 300 个词）。
• 有人担忧基于 LLM 的工作流由于输出随机性和提示敏感性，只能算“软可复现”。
• 有评论将其类比为过去一些在审视下崩塌的高调“突破”（例如其他 Linear A 声称、常温超导体）。
• 据称，另一个以古典学为主的社区对这一主张持否定态度。

语言学与技术问题

• Linear A 一直极难处理：
  • 语料极小（约 7,500 个字符，分布在约 1,500 条大多类似清单的铭文中）。
  • 可能包含多种语言，并且大量使用缩写。
  • 底层语言未知，对文字系统本身的理解也不完整。
• 讨论的争点包括：
  • 假设 Linear A 符号与 Linear B 共享读音值是否合理。
  • 从诸如“献酒公式”这类反复出现的公式中，究竟能推断出多少信息。
  • 将词语片段映射到闪米特词根究竟是有说服力，还是在巨大自由度下的挑拣式匹配。
  • 如果一种闪米特语言用的是带元音的 CV 音节文字，而不是典型的辅音字母系统，这是否合理。

更广泛的影响

• 一些人认为，AI 增强的方法对其他尚未破译的文字系统也可能有帮助（例如 Indus、Isthmian、Voynich）。
• 也有人认为，信息论上的限制可能使得在没有更多数据或双语文本的情况下，彻底破解一种未知语言/文字对几乎不可能。