一粒從考古遺址中出土的植物種子，經過數千年掩埋和炭化，外形早已發生變化。對植物考古學家而言，古代植物種子是研究人類文明演變的重要考古證據，能夠有助於了解古人種植農作物、主要糧食來源及生態環境，解讀古代人的飲食文化及農業歷史。

    但要讀懂這些細小、焦黑而又彼此相似的古代種子，並不容易。傳統植物考古研究中，工作人員需要從遺址土壤中浮選出植物遺存，再由經驗豐富的專家顯微觀察，逐粒比對和鑑定。嶺南大學協理副校長（策略型研究）、利榮康計算智能學講座教授及研究生院院長鄺得互表示，建立自動化辨識系統一直是考古植物學的重要研究方向。山東大學控制科學與工程學院教授、嶺南大學高級訪問學者叢潤民介紹，一名研究人員要熟練掌握古代植物種子的鑑定方法，往往需要約三年的經驗積累；面對數量龐大的出土樣本，篩選、分類和計數又包含大量重複勞動。

    人工智能能否接手其中一部分工作？

古代植物種子具有高辨識難度，即使屬於同一種類，種子的大小及外觀仍存在相當大的差異。圖為粟（小米）種子。

    從「三年經驗」到「一鍵識別」

    嶺南大學（嶺大）與山東大學聯合開發全球首個針對中國古代植物種子的「AI考古系統APSNet」，並建立古代植物種子數據庫。相關研究成果已發表於《自然》旗下子刊、文化遺產領域期刊《遺產科學》（Heritage Science）。

    據了解，該數據庫收錄來自中國18個考古遺址的8,340張種子圖像，涵蓋約公元前5400年至公元220年、跨越5,000多年歷史，包括大麥、小麥、粟、黍和桃核等17類具有代表性的古代植物種子。

「人工智能考古系統」

    研究團隊以該數據庫作為基礎，設計及訓練人工智能模型，並將考古人員辨認種子的經驗加入模型設計，以模仿專家先根據種子大小及形狀分類，再進一步分析胚芽位置及紋理等細微特徵。研究人員只需上傳種子照片，或將系統連接數碼顯微鏡，便可獲得初步辨識結果，相關記錄也會自動儲存。測試顯示，系統分類準確率達到90.2%；與28種主流人工智能圖像分類模型相比，其準確率較表現最好的現有模型高出5.3個百分點。

    「考古」和「算法」的一拍即合

    叢潤民表示，山東大學考古學院是國內考古學領域的翹楚，而嶺南大學鄺得互教授團隊深耕圖像處理領域多年，在進化算法、人工智能解決方案方面積累了深厚的技術底蘊。兩個團隊一拍即合，共同研究如何用人工智能取代一些在考古過程中的重複性工作。

嶺大與山東大學聯合開發全球首個針對中國古代植物種子的「人工智能（AI）考古系統」。左起：嶺大協理副校長（策略型研究）、利榮康計算智能學講座教授及研究生院院長鄺得互教授、山東大學控制科學與工程學院教授、嶺南大學高級訪問學者叢潤民教授。

    鄺得互表示，跨學科合作最困難的一步，是把專家頭腦中的經驗轉化為機器能夠理解和執行的方法。「我們要先聽懂考古學家在講什麼，再把他們的判斷方法放進AI。」

    表面上看，辨認種子似乎只是一個圖像分類問題。但叢潤民說，團隊最初嘗試把通用圖像分類模型直接用在古代種子上，但效果並不理想。普通圖像識別模型可以區分人、動物或日常物品，但古代種子經過炭化，同一種植物的種子會因年代、生長環境和保存狀態不同而呈現較大差異；不同植物之間，又可能具有高度相似的形狀和紋理。粟、黍和狗尾草等種子的差別，往往藏在尺寸、形狀、胚芽位置及局部紋理之中。這意味着，研究人員不能只是把照片「餵」給模型，還要先理解考古植物學專家究竟依據什麼作出判斷。

    公開數據庫，讓更多學者參與「認種子」

    研究團隊並未將成果留在實驗室。於2026年7月在泰國曼谷召開的國際會議IEEE ICME 2026上，團隊舉辦了首屆古代植物種子細粒度分類挑戰賽（APS Challenge），吸引了來自全球116支隊伍參賽。這是國際上首個「AI+植物考古」領域的專業競賽。

    團隊還選擇將古代植物種子數據庫開源。鄺得互表示，公開數據意味着其他研究團隊可以在同一基礎上訓練和比較不同模型，也可能開發出表現優於APSNet的新方法，推動識別技術繼續迭代。

    人與機器的「分工線」

    按照團隊設想，系統主要負責初步分類、記錄和計數等重複性工作，研究人員則把更多時間用於疑難樣本覆核、新類別探索，以及對考古材料作進一步分析。鄺得互表示，AI可以承擔前期篩選工作，但只要系統仍可能出錯，最終的鑑定和覆核就必須由專家完成。

    叢潤民認為，這種分工並不是以機器取代研究人員，而是將人從重複勞動中解放出來。「AI做的是比較基礎和機械的工作，專家可以把更多時間用在原創性、探索性的研究上。」

    機器可以根據已有數據找出圖像之間的相似性，但一粒種子的鑑定結果意味着什麼，它能否支持有關古代農業、飲食和作物傳播的歷史判斷，仍然需要研究者結合出土環境及其他考古證據作出解釋。

    研究者可以使用AI輔助整理、比較和分析，卻不能把研究方向、原創構想和關鍵判斷簡單外包給機器。鄺得互說，AI可以基於已有知識提供答案，而科研的任務，是創造尚未存在的知識。他用一句話概括他心中衡量AI的最終標準：「AI的發展，最終應當服務於人類福祉。」

    香港商報記者 楊琪