中文

English

标准研发

平台建设

新闻详情

探元计划｜汉画像石数智著录：未来的机器如何读懂人类的灵魂？

二维码 8

发表时间：2026-08-20 17:00

以下文章内容转载于腾讯数字文化。

在山东嘉祥，有这样一组石头：它们在1800年前经匠人凿刻，千年岁月里被墨拓和摹写无数，也饱受风化和埋没。在这些石头上，西王母与东王公遥遥相对，荆轲的匕首已经刺进铜柱，孔子与老子相互拱手作揖……

这组石头就是武梁祠的汉画像石。在汉画研究界，武梁祠是绕不开的“标准器”，有人叫它刻在石头上的《史记》。南宋的一次黄河泛滥，让其被淤埋消失六百余年，直到乾隆五十一年，为官济宁的西泠八家之一的黄易把它从土里一块块挖出来，建起了一座“武氏祠堂”。1961年，武梁祠汉画像石和故宫、三孔、莫高窟一起，列入第一批全国重点文物保护单位。

图1嘉祥武氏墓群石刻博物馆

（资料来源：北京大学图像学实验室）

千余年来，金石学家将武梁祠汉画作为重要的研究对象，用文字描述画面、用墨拓复制刻痕、用考据追索题榜。然而，现代的研究者们逐渐意识到，这些以传统方式产出的著录和研究，往往流于零散化、孤岛化，难以转化为汉画像石全面、系统的知识体系。一段描述、一张拓片、一句考证，能被轻易地记入书本，却很难写入“系统”。

进入AI时代，我们应该如何著录汉画？

今年年初，“探元计划NextGen”面向社会广泛征集“AI+文化遗产”共创项目。嘉祥武氏墓群石刻博物馆，带着馆藏的46块汉画像石前来“出题”：文物数字化基础相对薄弱、保护研究应用的手段较为传统，亟需通过数智技术赋能，为学术研究与文化传播提供基础。

“解题”的是北京大学图像学实验室朱青生教授团队。朱青生是国内汉画研究著名专家，有三十余年《汉画总录》的编撰经验，并在此基础上开发了“形相学”图像研究方法论。朱青生的团队来自北京大学、上海外国语大学、北京林业大学、西安美术学院、新维畅想等知名高校和科技企业，共同为“形相学”理论在人工智能时代的落地应用，开发了IIML（Intericonicity Index Markup Language，形相学索引标记语言）图像标注系统。该系统立足于对人与世界关系的全新理解，以“无有存在”为本体论基础，将“人的问题”展开为“我—我”“我—他”“我—它”“我—祂”四个题层的变现，由此建构对人、世界及其关系的认识框架，回应媒介时代中媒介数智化扩张与AI创造性介入给人类带来的共同问题。

项目的技术路线，团队用三个词概括：数字化、数据化、数智化。

首先是“数字化”，从画像本体提取数字图像。对汉画像石进行高清摄影、三维扫描、微痕成像，并且把散落在国内外的历代拓片收拢到一起。石头、拓片、老照片，归拢统一成能存储、能比对的数字文件，这是后面一切工作的底料。

其次是“数据化”，在图像之上构建多维数据。用IIML标注系统给图像标注，标的不只是“画了什么”，还有形象与形象之间的关系；再用术语表和知识图谱，把这些标注连成结构。

最后是“数智化”，把数据信息转化为知识体系。搭建向量数据库和RAG知识库，开发MCP接口，让大模型直接调用。金石学家千年来攒下的知识，到这里才算真正交给了机器。

图2 项目技术路线图

（资料来源：北京大学图像学实验室）

自今年4月公示入围探元计划NextGen“AI考古”赛道资助项目后，联合团队开启了一场紧锣密鼓的共创孵化之旅。过程中，腾讯SSV数字文化实验室团队为项目的解法打磨、成果放大出谋划策，来自山东大学、山西大学、浙江大学、加拿大英属哥伦比亚大学等高校的教授共同为项目把好专业关。

在8月12日至13日召开的探元计划“AI考古”赛道开放日上，项目团队介绍了在汉画像石数字采集、图像标注、图文关联以及知识图谱的构建和应用等方面的最新进展，收到了来自多名参会专家的高度认可与宝贵建议。

图3 开放日项目成果展示

（资料来源：腾讯SSV数字文化）

微痕扫描：看清历经千年风化的画像石

武梁祠的画像石用的是“减地平面阴线刻”技艺，把形象以外的部分凿去后，用细细的阴线勾出轮廓。刻线本来就不深，风化侵蚀千年后，不少地方只剩一道若有若无的凹痕，照片拍出来常常是一团模糊。

微痕扫描干的，就是“看清”这件事。它用多角度微距采集，加上算法增强，把肉眼已经看不见的刀痕、残笔重新提取出来。这和照片、拓片是两回事：照片记的是表面的影像，拓片印的是凸起的轮廓，而微痕要做的，是把潜藏在石头纹隙里、消逝在岁月摩挲中的信息重新提取出来。

在此之上，技术团队采集和分组了6249幅高清图像，并手绘了首批12块画像石的精细线描。扫出来的图像，连同数字拓片、数字线描，组成了图像标注和AI识别的原始材料。

图4 微痕增强技术效果（左图为处理后）

（资料来源：北京大学图像学实验室）

IIML：面向人类创造图像的标注语言

看清楚后，下一步是读懂它。主流的图像标注，找的是图像内容和现实世界的对应物，大家熟知的ImageNet就属于此类。汉画像石等文化遗产中的图像，有两个显著的特点：一是图中元素并不都能找到现实对应，许多来自古人超脱物外的奇思妙想；二是图像具有思想性，关键不仅在于“有什么”，而在于这些形象之间有什么关系、在讲什么故事、背后是什么含义。

图5 IIML形相学索引标记语言架构图

（资料来源：北京大学图像学实验室）

IIML标注体系分三层给图像做标注：一是物质层，标记出石刻中的材料和技法；二是形式层，标示形象间的结构关系，把画面按“整体单位、幅面、图画、形象、图势、形状、线条”七个层级从大到小排开；三是图义层，标识这幅画讲什么、意味着什么，再做跨文化的术语对应。落到工程上，就是用边界框、线段、多边形把画面一块块圈出来，先记下可核验的图像事实，再把学术解释细粒度挂上去——这套标注工程的核心逻辑，就是“形相学”。

知识图谱：打开图像所承载的文化世界

单幅图像标完，还得让这些知识连起来。团队从历代著录和研究文献里抽取描述图像的术语，归并成概念，再织出概念和概念之间的关系网络。

光武梁祠西壁后壁一处，这张图谱就有30041个节点、62765条关系——文物、图像、文段、概念、词语，归进同一张网。这就是“图—词—物”的关联：一块石头对应哪些图像，图像里的形象对应哪些术语，术语又出自哪段文献、谁的解读，都能顺着查下去。

这些原始图文数据来自权威研究和可靠史料，从欧阳修《集古录》、赵明诚《金石录》，到1907年法国汉学家沙畹的实地考察记录，再到巫鸿的划时代作品《武梁祠——中国古代画像艺术的思想性》。图谱承载的是确定的专家知识，向量检索解决的是模糊的语义线索，两者合起来，既能精准查，也能顺着线索发现新东西。

图6 汉画像石多模态知识图谱

（资料来源：北京大学图像学实验室）

千年前的艺术创作，如何为大模型增智慧？

团队在3年的工作中，建立了跨越多种语言的研究文献数据库和以《汉画总录》70卷为代表的优质图像数据库。在多模态知识库之上，团队进一步开发了RAG问答功能，再通过标准MCP接口，把知识查询、图像检索、语义检索等能力面向社会开放，让主流大模型的工作流直接调用。到这一步，这些1800年前的石头真正接进了AI时代。研究者也好，普通游客也好，都能直接向它“叩问”：了解典故，看懂形象，查得考证。团队成员张彬彬说“本项目旨在构建具有代表性的古代文明图像标注数据，让AI理解不同文化遗产中的图像信息，并辅助学术研究。”

AI学文字容易，因为文字有词典、有语法、有海量标注好的语料，但是AI学图像难，尤其汉画像石——它既没有词典，也没有语法。过去的数字化只解决了“看得见”，没解决“读得懂”。本次在武梁祠落地的共创项目，就是把一千八百年攒下的人类知识，翻译成AI能调用的结构化数据。

图7 AI辅助汉画像石研究——以“荆轲刺秦王”为例

（资料来源：北京大学图像学实验室）

同样是“荆轲刺秦王”，只“学习”了传统图像识别的AI，最多认出“这里有个拿匕首的人”；学了IIML标注数据库的AI，能说出这是荆轲、那是秦舞阳、柱上插着的是樊於期的头，进而追到这是哪块石头、典出《史记》何处、历代学者的解读等。研究者过去查一个典故，要翻十几本专著、比对无数拓片；现在能秒级定位到哪块石头、哪幅画面、哪段文献。而对于大模型来说，它也是第一次掌握了“具有可靠信源”的汉画知识。