趨勢排行
掌握趨勢,領先排序。

人工智慧破解羅馬時代神秘石盤 重建千年棋盤遊戲玩法

霧光旅人2026-03-03 02:22
3/3 (二)AI
AI 摘要
  • 荷蘭考古學家與人工智慧研究團隊近期成功破解一塊塵封千年的羅馬時代神秘石盤,透過3D成像技術與名為「Ludii」的AI系統分析表面磨損痕跡,重建出一款失傳已久的古代棋盤遊戲規則。
  • 馬斯垂克大學計算考古學實驗室主任強調,這種跨學科方法結合了考古學的實證精神與人工智慧的運算優勢,能夠在傳統研究無法觸及的規則空間中系統性探索。
  • 研究團隊首先將石盤的3D掃描數據輸入Ludii系統,包括所有線條的座標位置、交叉點數量以及磨損程度的權重值。
  • 磨損痕跡露端倪 3D技術現真相 萊頓大學古代遊戲研究專家華特·克里斯特(Walter Crist)教授是這項研究的關鍵人物。

荷蘭考古學家與人工智慧研究團隊近期成功破解一塊塵封千年的羅馬時代神秘石盤,透過3D成像技術與名為「Ludii」的AI系統分析表面磨損痕跡,重建出一款失傳已久的古代棋盤遊戲規則。這塊於荷蘭境內出土的圓形白色石灰岩板,表面刻有縱橫交錯的斜線與直線圖樣,年代可追溯至西元前數世紀的羅馬帝國時期。研究人員發現,石盤上的部分刻痕因長期使用而產生明顯磨損,顯示棋子曾沿特定路徑反覆移動,這項關鍵證據成為解開謎團的重要突破口。此研究不僅為考古學界長年來的困惑提供解答,更開創了運用AI技術復原古代娛樂文化的新典範,相關成果已發表於國際權威學術期刊《Antiquity》。

羅馬時代神祕圓形石盤,表面刻有複雜的棋盤遊戲紋路。

千年石盤出土 考古界長年困惑

這塊引發國際關注的白色石灰岩石盤,最早於荷蘭某處考古遺址中被發現,其精確出土地點因研究保密條款尚未完全公開。石盤直徑約莫三十公分,厚度約五公分,整體呈現不規則圓形,邊緣可見明顯的人工打磨痕跡。盤面上刻畫著複雜的幾何圖形,主要由數條垂直線、水平線及對角斜線交織而成,形成類似棋盤的網格狀結構。然而,與一般棋盤不同的是,這些線條並非完全對稱,部分區域的刻痕密度明顯較高,且存在若干看似隨機的短線條與點狀記號。

刻有交錯幾何線條與網格圖樣的古羅馬圓形石灰岩盤。

自出土以來,這塊石盤便讓歐洲考古學界陷入長達數年的爭論。部分學者認為這可能是某種宗教儀式用具,表面的圖形代表神聖符號或天文曆法;另一派則主張這是商業交易用的計算工具,類似古代的算盤或計數板。也有研究人員提出這或許是建築工匠使用的設計模板,用於規劇馬賽克拼貼或建築藍圖。然而,這些假說都無法完全解釋石盤上為何存在不均勻的磨損痕跡,特別是某些交叉點的凹陷程度遠比其他區域嚴重,這種現象顯然不符合靜態工具的使用特性。

荷蘭國家考古文物保管中心最初將這件文物歸類為「用途不明之石製工藝品」,並在館藏目錄中標註為「待進一步研究」。直到萊頓大學考古學家團隊重新檢視這批館藏,並注意到磨損痕跡的異常分布模式,才開啟了這項跨學科的研究計畫。透過高倍率顯微鏡觀察,研究人員發現刻痕底部呈現光滑的拋光效果,這種特徵通常只有長期摩擦才會形成,為遊戲用具假說提供了初步物理證據。

磨損痕跡露端倪 3D技術現真相

萊頓大學古代遊戲研究專家華特·克里斯特(Walter Crist)教授是這項研究的關鍵人物。他專精於古代娛樂文化研究,曾成功復原多種失傳的埃及與希臘棋盤遊戲。克里斯特教授指出,石盤上的磨損痕跡並非均勻分布,而是集中在特定路徑上,這種使用模式與古代棋盤遊戲的特徵高度吻合。「當棋子反覆在同一條路線上移動數百甚至數千次,就會在石質表面留下不可逆的磨損痕跡,」克里斯特解釋道,「這些痕跡就像古代玩家的指紋,訴說著千年前的遊戲場景。」

考古專家正透過儀器檢視古羅馬石盤上對稱的遊戲刻痕。

為了精確量化磨損程度,研究團隊採用先進的3D結構光掃描技術,以微米級精度建立石盤表面的數位模型。這項技術能夠捕捉肉眼無法辨識的細微高低差,將整個盤面轉化為包含數百萬個數據點的立體地圖。分析結果顯示,磨損深度最深的區域集中在石盤中央偏右的幾個交叉點,凹陷深度達到零點八毫米,遠超過其他區域平均零點二毫米的程度。這種差異性磨損暗示遊戲過程中某些位置具有特殊戰略價值,棋子必須頻繁進出這些關鍵點。

更令研究人員振奮的是,3D模型還揭示了刻痕的剖面形狀變化。經常使用的路線,其刻痕底部呈現U形拋光面,而較少使用的路線則保持V形銳利切口,這種差異證明石盤確實經過長期的動態使用,而非靜態展示或單次儀式用途。團隊進一步運用GIS地理資訊系統分析磨損熱點的空間分布,發現高頻率使用路徑形成一個不對稱的網絡結構,這種結構與已知的羅馬棋盤遊戲「十二條線遊戲」(Duodecim Scripta)有相似之處,但複雜度更高。

克里斯特教授特別強調,這些磨損痕跡是「活的證據」,它們不僅證實了石盤的遊戲功能,更提供了關於遊戲機制的重要線索。例如,某些路徑的雙向磨損程度相近,顯示棋子可能在這些路線上來回移動;而單向磨損明顯的路徑,則可能代表只能前進不能後退的遊戲規則。這些細微的物理證據成為後續AI模擬的重要限制條件,大幅縮小了規則推測的範圍。

AI系統Ludii 模擬古遊戲規則

在確定石盤確實為遊戲用具後,馬斯垂克大學的電腦科學家接手了規則重建的艱鉅任務。他們運用專門為古代遊戲研究開發的Ludii人工智慧系統,這是一套結合遊戲理論、機器學習與考古知識的創新平台。Ludii系統的核心優勢在於能夠將棋盤圖形轉化為數學模型,並自動生成符合物理限制的遊戲規則,再透過自我對弈評估規則的合理性。

研究團隊首先將石盤的3D掃描數據輸入Ludii系統,包括所有線條的座標位置、交叉點數量以及磨損程度的權重值。接著,系統從資料庫中調用約一百種同一地區的古代棋盤遊戲規則作為訓練基礎,這些遊戲涵蓋羅馬時期的「九人莫里斯」(Nine Men's Morris)、「北歐海盜棋」(Hnefatafl)以及各種地方性變體。Ludii透過深度學習演算法,分析這些古代遊戲的共同特徵,例如移動方式、捕獲機制、勝利條件等,建立一個「羅馬遊戲規則的機率分布模型」。

在訓練完成後,系統開始生成數十種可能的規則組合。這個過程並非隨機猜測,而是受到多重考古證據的嚴格限制:首先,規則必須產生與實際磨損痕跡相符的移動路徑;其次,遊戲複雜度必須符合羅馬時代的娛樂水準,既不能過於簡單,也不能複雜到難以理解;第三,遊戲時間必須合理,單局對弈應在十五至三十分鐘內完成。每一套生成的規則都會經過十萬次自我對弈模擬,系統會記錄所有棋子的移動軌跡、熱點區域以及平均步數。

篩選機制是整個研究最關鍵的環節。Ludii系統會自動淘汰那些產生不合理磨損模式的規則,例如過度集中於單一路徑或完全忽略某些區域的版本。通過初篩的規則則進入「人類可玩性評估」階段,由研究團隊實際試玩,評估遊戲的趣味性、策略深度與學習曲線。最終,只有三套規則同時滿足物理證據、AI模擬與人類體驗三項標準,而其中一套因與羅馬軍事策略思想高度契合而被選為最可能版本。

馬斯垂克大學計算考古學實驗室主任強調,這種跨學科方法結合了考古學的實證精神與人工智慧的運算優勢,能夠在傳統研究無法觸及的規則空間中系統性探索。然而,團隊也坦承技術的限制:AI系統雖然能找出「可行」的規則,但無法確定這些規則是否就是古人實際使用的版本,只能說是最優化的推測。

追捕圍困 重現羅馬策略遊戲

根據研究團隊的重建結果,這款暫時命名為「羅馬石盤棋」的遊戲,可能是兩人對弈的策略性棋類。遊戲目標是在最少步數內追捕並困住對手的棋子,這種核心機制與羅馬帝國的軍事擴張思維不謀而合,反映了當時社會對戰術與圍困策略的重視。遊戲使用兩組不同顏色的棋子,每方各有十二枚,開局時放置在石盤外圍的特定標記點上。

規則推測顯示,玩家每回合可以移動一枚棋子沿著刻痕路徑前進一格,移動方向受到線條走向限制。中央區域的磨損熱點被解釋為「戰略高地」,控制這些位置的棋子可以限制對手的移動選擇。當一枚棋子移動到與對手棋子相鄰的交叉點時,可以宣告「追捕」,對方棋子必須在下一回合逃離,否則就被「圍困」而移除。遊戲的勝利條件是讓對手無法移動或損失過半棋子。

研究人員特別指出,這套規則的巧妙之處在於不對稱的棋盤結構造就了動態平衡的遊戲體驗。石盤右側的高磨損區域對應的是遊戲中期的必經之路,雙方玩家都必須爭奪這些關鍵點的控制權,因此留下了密集的摩擦痕跡。而左側較少使用的區域則可能是「逃生路徑」,只有在特定劣勢局面下才會被啟用,這解釋了為何磨損程度相對輕微。

為了驗證規則的合理性,研究團隊還參考了同時期的羅馬文獻與藝術作品。他們發現,龐貝古城壁畫中描繪的貴族休閒場景裡,有幾幅圖像顯示兩人對坐於石製棋盤前,手中持圓形棋子,其佈局與這塊石盤的結構驚人相似。此外,羅馬作家奧維德在其著作中曾提及一種名為「Latrunculi」的軍事棋類遊戲,雖然規則已失傳,但其描述的「以巧計圍困敵人」核心概念,與AI重建的玩法高度吻合。

這項研究成果的發表在考古學界引起廣泛迴響。《Antiquity》期刊的審稿人評價這是「數位考古學的里程碑」,證明人工智慧不僅能處理大數據,更能協助解讀細微的物質文化遺產。然而,也有保守派學者持保留態度,認為在缺乏文字記載的情況下,任何規則重建都只能是「有根據的推測」,而非確切的歷史事實。

科技考古新紀元 失傳文化再現

這項研究的意義遠超過單一遊戲規則的重建,它標誌著考古學研究典範的轉移。傳統上,考古學家面對用途不明的文物時,只能依賴類型學比較、文獻考證與經驗推測,這種方法雖然嚴謹,但常受限於研究者的主觀認知與現有資料的匱乏。人工智慧的介入,提供了一種系統性、可驗證的替代方案,能夠在龐大的可能性空間中進行客觀篩選。

Ludii系統的開發者表示,這套平台未來可應用於更多類型的考古謎團。例如,分析陶器碎片上的刮痕以推測古代烹飪工具的使用方式,或研究石器上的磨損模式來重建史前時代的加工技術。甚至可以用於解讀尚未破譯的古文字系統,透過機率模型推測符號的語法結構。這種計算考古學的新方向,讓沈默的文物能夠「說話」,提供過去無法取得的行為資訊。

然而,研究團隊也誠實地指出了AI考古的局限性。首先,人工智慧只能處理結構性問題,對於需要文化脈絡理解的象徵意義,AI目前仍無法有效掌握。其次,訓練資料的品質直接影響結果的可靠性,如果資料庫中的古代遊戲規則本身就有偏差,重建結果也會繼承這些偏差。最重要的是,AI生成的規則雖然「合理」,但無法證明這就是歷史真相,只能作為最優化的假設

克里斯特教授提醒,科技工具應該是考古學家的助手而非替代品。在這項研究中,AI負責處理繁複的規則生成與模擬,但最終的詮釋與文化意義建構,仍然需要考古學家的專業判斷。他強調:「我們不是在創造歷史,而是透過科技工具,更接近歷史的可能樣貌。」這種人機協作的模式,或許才是數位人文研究的最佳實踐。

展望未來,研究團隊計畫將這套方法應用於更多出土的羅馬遊戲器具,建立一個完整的古代娛樂文化資料庫。他們也開放Ludii系統供全球考古學者使用,希望促成跨國合作的數位考古網絡。透過這些努力,那些沈睡千年的文物將不再是博物館裡沈默的展品,而是成為連接現代與古代的文化橋梁,讓我們得以一窺羅馬帝國時代人們的休閒生活與思維模式。