人工智能揭示了圣经中隐藏的语言模式和可能的作者

AI正在改变每个行业，从医学到电影再到金融。那么，为什么不使用它来研究世界上最受尊敬的古代文本之一，《圣经》呢？

国际研究人员团队，包括杜克大学数学助理研究教授Shira Faigenbaum-Golovin，合并人工智能，统计建模和语言分析解决圣经研究中最持久的问题之一：对其作者的识别。

这项研究是出版在日记中PLOS一个。

通过分析跨文本的单词用法的微妙变化，该团队能够区分跨越希伯来圣经的前九本书，即enneateuch的三种截然不同的抄写传统（写作风格）。

使用相同的基于AI的统计模型然后，团队能够确定其他圣经章节最有可能的作者身份。更好的是，该模型还解释了其如何得出结论。

但是，数学家是如何来到这里的？

2010年，Faigenbaum-Golovin开始与海法大学考古和海洋文化学院校长以色列Finkelstein合作，使用数学和统计工具来确定公元前600年陶器片段上刻字的作者身份的作者身份。通过比较每个片段上刻有字母的样式和形状。

他们的发现在首页上有《纽约时报》。

Faigenbaum-Golovin说：“我们得出的结论是，这些铭文中的发现可以为旧约约会文本提供宝贵的线索。”“那是我们开始组建现任团队的时候，他们可以帮助我们分析这些圣经的文本。”

多学科的工作由两个部分组成。首先，Faigenbaum-Golovin和Finkelstein的团队Alon Kipnis（Reichman University），AxelBã¼hler（巴黎神学新教徒），埃利·皮亚斯基（Eli Piasetzky）（埃利维夫大学）和托马斯·托马斯·瑞姆（ThomasRã）和托马斯·雷（ThomasRã）梅梅尔（法国）是由古老的计算机科学家组成的。

该团队使用基于AI的新型统计模型来分析圣经三个主要部分的语言模式。他们研究了圣经的前五本书：申命记，从约书亚到国王的所谓的申命记历史以及《摩西五经》中的祭司著作。

结果表明，申命记，历史书籍与彼此相似，而不是与牧师的文本相似，这已经是圣经学者之间的共识。

“我们发现，每组作者的风格都令人惊讶，即使是简单而常见的词，例如'否'''of thot'或'King'。我们的方法准确地确定了这些差异。

为了测试该模型，团队从圣经的前九本书中选择了50章，每本圣经已经由圣经学者分配给上述写作风格之一。

Faigenbaum-Golovin说：“该模型比较了这些章节，并提出了将每章分配给三种写作风格之一的定量公式。”

在研究的第二部分中，团队将其模型应用于圣经的章节，他们的作者身份更加激烈。通过将这些章节与三种写作样式中的每一个进行比较，该模型能够确定哪个作者更有可能编写它们。更好的是：该模型还解释了为什么要拨打这些电话。

基普尼说：“该方法的主要优点之一是它可以解释分析结果的能力，即指定导致给定章节分配给特定写作风格的单词或短语。”

由于圣经中的文字已经进行了编辑和重新编辑，因此团队面临着巨大的挑战，找到了保留其原始措辞和语言的细分市场。

一旦发现，这些圣经的文本通常很简短。他们必须开发一种可以处理如此有限数据的自定义方法。

有限的数据通常会引起人们对不准确性的担忧。Faigenbaum-Golovin说：“我们花了很多时间说服自己，我们所获得的结果不仅仅是垃圾。”“我们必须完全确定统计意义。”

为了避免问题，而不是使用需要大量培训数据的传统机器学习，而是使用了一种更简单，更直接的方法。他们比较了句子模式以及某些单词或单词根（引理）出现在不同的文本中，以查看它们是否可能是同一组作者写的。

一个令人惊讶的发现？该小组发现，尽管塞缪尔书中的方舟叙事的两个部分介绍了相同的主题，有时被视为单个叙述的一部分，但撒母耳中的文字与三个语料库中的任何一个不一致，而塞缪尔（Samuel）的第2章则与迪士主义历史（joshua to joshua to kings of Kings of Kings of samuel caption）。

展望未来，Faigenbaum-Golovin说，可以将相同的技术用于其他历史文件。“例如，如果您正在寻找文件片段，以找出它们是由亚伯拉罕·林肯（Abraham Lincoln）撰写的，那么此方法可以帮助确定它们是真实的还是伪造的。”

Finkelstein总结说：“这项研究引入了一个新的范式来分析古代文本。”

Faigenbaum-Golovin和她的团队现在正在考虑使用相同的方法来发掘有关其他的新发现古代文字，就像死海卷轴一样。她强调了自己喜欢长期跨学科伙伴关系的程度。

她说：“科学与人文学科之间的独特合作。”“这是一个令人惊讶的共生，我很幸运能与使用创新研究来推动界限的人们合作。”