一句话看懂：2026年6月，一位自学AI的业余语言学家利用AI脚本在破解米诺斯文明失传文字“线性文字A”上取得宣称突破——AI作为快速验证工具引入此前100年人类未能破解的难题，但真相是AI并未“发现”答案，只是加速了假设校验，且因缺乏罗斯塔石碑式的对照物，结论尚无法被证实。
事件核心：发生了什么
2026年6月，一名自称AI工程师兼业余语言学家的人发布成果：他从一段祈祷文中的未知单词出发，推测其源自闪米特语词根“居住”或“栖息”，随后用自建的AI脚本扫描全部线性文字A语料库，为40个符号赋予了音值，并整理出408词词汇表，主张线性文字A是闪米特语系的一个已灭绝分支。该成果未经同行评审，但引发了学界对AI介入失传语言破译的方法论讨论。
线性文字A流行于公元前1700-1450年的米诺斯文明（希腊克里特岛），因其与已知语言（无论活语还是死语）均无明确关联，被视为“语言孤立体”。现有全部语料仅约7500字符，远少于多数可破译的古文字。此前类似AI辅助破译成功的案例都是先有语言锚点，例如已知语系的乌加里特语（闪米特语族）。
为什么重要
这件事揭示了AI在语言学科研中的真实定位：它不是“破解者”，而是一个超强研究助理。AI擅长大规模模式匹配——几分钟内核查人类假设在数千字符中的一致性，这种人力无法完成的校验能力确实能加速猜想验证。但关键瓶颈在于：统计模式匹配无法凭空创造语义。线性文字A和伊特鲁里亚语之所以至今未破译，根源在于缺乏双语文本或语言亲属锚点，而算力再多也造不出一个锚点来。这次尝试恰好确认了这条边界——AI可以增强语言学家的直觉，却无法取代人类提出“哪条假设值得验证”的创造性判断。
对AI行业而言，这案例提醒开发者：垂直领域应用的最大价值不在于取代专家，而在于将人类灵感转化为可快速迭代的假设检验工具。类似逻辑也可推广到药物分子筛选、材料基因组学等场景——AI负责在大量可能性中做模式识别，人类负责定义问题与路线。
对用户/开发者/创作者的影响
AI工具的使用门槛降低：该案例证明，非算法专家也可以利用现成大模型或轻量脚本（如语言模型推理+正则匹配）来执行定制化模式测试。这对研究机构、博物馆、历史语言学爱好者是利好，他们可将类似工作流用于处理其他碎片化语料（如未破译的编码、碑文残片）。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者的警惕：语料量小（7500字符）时，任何假设几乎都能找到片段支撑，因此需内置统计显著性检验或交叉验证机制。如果直接输出“翻译”，很可能产生虚假置信度。
内容创作者的视角：AI虽然能模仿语言结构（比如按统计规则生成类似序列），但它并不知道这些符号所指的物体或动作是什么。这意味着“AI翻译”和“AI流利对话”是两码事——对失传语言，AI可以给出语法概率，但无法交付人类可核查的语义。
值得关注的后续
1. 学术验证：该成果尚未被语言学界正式接受，未来数月是否会有第三方使用相同语料验证其音值分配与词汇表，将成为判断线性文字A破译走向的关键。
2. 方法推广：如果这一“人类猜根词+AI全库测试”的流程被证明有效，它可能被应用于伊特鲁里亚语、古埃及文字等同样缺乏锚点的案例，推动考古-计算交叉工具包的标准化。
3. 开源数据支持：线性文字A的公开语料库目前分散在少数机构手中。若该成果催生出整合的数字语料库和可复现脚本，会极大降低其他研究者参与门槛。
来源：Ars Technica
