В НовГУ изучили эволюцию древнерусского письма с помощью нейросети

01 октября 2026, 11:52   37

Ассистент кафедры информационных технологий и систем НовГУ Иван Филиппов представил результаты исследования, в котором объединил классическую археологию с технологиями компьютерного зрения. Ученый задался вопросом: можно ли увидеть изменения в языке древних новгородцев не по отдельным ярким примерам, а сразу во всем массиве найденных текстов?

Для этого исследователь применил измерительный инструмент будущего к главному сокровищу Новгорода — 1249 берестяным грамотам.

Чтобы проверить закономерности эволюции на большом материале, потребовался строгий математический аппарат. Исследование опиралось на несколько независимых слоев данных: от полных расшифровок до максимально строгой выборки из 434 грамот со стратиграфическими (археологическими) датировками, которые позволяют проверять выводы без оглядки на сам текст.

Анализ шел по двум параллельным направлениям. Сначала алгоритм изучал тексты, игнорируя смысл посланий, но внимательно считая распределение букв, варианты написания и сочетания внутри слов. Затем нейросеть переключилась на само изображение: она мерила пропорции, наклон, угловатость и сложность штриха каждой вырезанной на бересте литеры. В общей сложности модель обучалась на 27 тысячах отдельных начертаний из 949 грамот.

— Техническая реализация проекта представляет собой каскадную систему искусственного интеллекта, разработанную специально для задач палеографии, — рассказал Иван Филиппов. — Первый этап – распознавание символов. Изначально использовалась базовая модель-классификатор, задача которой — отделить одну букву от другого на скане или фотографии обрезка бересты. Второй этап – анализ внутриклассового дрейфа. После того как нейросеть понимает, что перед ней, например, буква «А» или «В», в дело вступает вторая модель. Она ищет различия внутри одного класса, оценивая конкретные признаки конкретного знака. Важно, что система делает это не попиксельно, работая с цветом картинки, а оперирует более абстрактными геометрическими параметрами — аналогично тому, как эксперт-палеограф оценивает характерный наклон пера или плотность нажима. Это позволяет машине сравнивать форму самих линий, а не просто сопоставлять растровые изображения.

Обучение системы также проходило в два этапа. На старте исследователь вручную разметил начертания всего на 15 грамотах. Этот малый, но эталонный объем данных позволил обучить первую версию модели. Далее нейросеть начала работать самостоятельно, автоматически обрабатывая остальной массив и собирая базу из 27 тысяч отдельно взятых начертаний.

Главные открытия уточняют картину развития письменностию

— Граница между хронологическими типами письма Б2 и В около 1220 года традиционно служит в науке статистическим ориентиром для систематизации корпуса грамот, — пояснил Иван Филиппов. — Эти типы — результат классификации выдающегося лингвиста Андрея Зализняка, основанной на эволюции форм букв: тип Б2 отражает более ранние начертания (преимущественно XI–XII веков), а тип В знаменует переход к графике XIII века, где буквы становятся шире, прямее и утрачивают многие архаичные элементы. Традиционная палеография всегда описывала этот процесс как постепенное накопление признаков, а не мгновенную смену почерка. Моё исследование переводит эту филологическую модель на язык точных данных: алгоритм подтвердил выводы классиков о плавности изменений, но впервые позволил количественно оценить ширину этого перехода по всему массиву текстов. Оказалось, что перестройка привычек писцов растянулась более чем на полтора столетия, а область наибольшей трансформации приходится на промежуток между 1190 и 1250 годами. При этом изменения затронули не словарь или формуляр писем, а самую основу письменного кодирования — систему гласных и редуцированных звуков. Писцы постепенно меняли правила выбора знаков внутри слова.

В то время как система выбора знаков менялась достаточно синхронно, форма самих букв «дрейфовала» асинхронно. Алгоритм выделил пять групп характеристик (пропорции, наклон, угловатость, связность, сложность), однако убедительное совпадение с экспертной оценкой показали только пропорции (0,75) и угловатость (0,62). Разные элементы алфавита трансформировались в разное время и разными способами, не образуя единой визуальной волны.

Ошибка компьютерной датировки составила около 35 лет относительно комплексной оценки специалистов. Если же брать только независимые данные о том, на какой глубине найдена грамота, разрыв увеличивается до 70 лет. Сам автор подчеркивает: эти числа нельзя сравнивать напрямую, так как они отвечают на разные методические вопросы.

Важная оговорка исследования заключается в уважении к традициям.