研究两千年前的古卷，有一个很麻烦的问题。
你不能失败太多次。
赫库兰尼姆的纸草卷在公元 79 年维苏威火山喷发中被高温和火山灰碳化。它们没有像普通纸张一样完全烧光，却变成了极度脆弱的黑色卷轴。
过去的人试过直接展开。
结果很多时候不是“读出文字”，而是把古卷变成一堆灰。
于是今天的研究者想做的事情，听起来有点像科幻：
不把古卷打开。
先用 X-ray CT，也就是 X 射线断层扫描，把它内部一层层扫出来，再用算法把卷曲的纸草在电脑里“展开”。
问题是：
纸草已经是黑的。
传统墨也是以碳为主。
在 X-ray 里，黑纸和黑墨之间的差异非常微弱。
于是 UC Berkeley 的 Douglas Seiler 和一群合作者决定先做一件很不浪漫的事。
自己造一卷。
然后把它烧了。
真东西不能试错，就先造一个可以失败的世界#
Seiler 找来纸草、芦苇笔和传统灯黑墨，又在墨水里加入经过校准的不同浓度铅。
然后让人真的在纸草上写字。
写的内容也没有故作神秘。
里面有《星球大战》、圣经，还有上世纪 60 年代科幻电视剧 The Outer Limits 的句子。
接着，他们把这卷现代纸草放进高温、近乎缺氧的环境里碳化，尽量模拟赫库兰尼姆古卷经历的状态。
这一步特别值得看。
因为科学研究经常被讲成“拿最先进设备直接看未知对象”。
但面对真正不能破坏的文物，研究路径通常恰恰相反：
先造一个足够像的替身。
在替身上失败。
调整参数。
确定什么信号值得找。
然后再把真正昂贵、不可逆的检测机会留给原物。
他们真正想找的，不是字，而是铅#
赫库兰尼姆古卷最难读的一个原因，是传统碳墨和碳化纸草在 X-ray 下太像。
研究团队的假设是：
如果墨里含有铅，情况会完全不同。
铅对 X 射线的吸收远高于周围碳化纸草，因此字迹会像更亮的区域一样从背景里跳出来。
实验结果确实支持了这个想法。
UC Berkeley 的报道提到，含铅墨对 X-ray 的吸收信号可以达到碳化纸草的约 25 倍。
研究者甚至在很低的铅负载下仍然可以通过 X-ray CT 和 X-ray fluorescence，也就是 X 射线荧光，检测到字迹。
这意味着一件很实用的事情：
未来不一定要先把每一卷古卷都送去昂贵的高分辨率 CT。
研究者可以先用相对便宜的手持 XRF 扫描，看看哪些古卷或碎片里可能存在铅。
如果有，再优先安排更复杂的 CT。
这就从“能不能读”变成了：
先判断哪一卷最值得读。
这不是“AI 又破解了古文明”#
如果只看标题，这个故事很容易被包装成：
“AI 终于读懂两千年前的神秘古卷。”
但这反而把最好看的部分说没了。
这项工作的关键并不是某个大模型突然更聪明。
而是研究团队先把整个物理信号链弄清楚：
墨里有没有铅。
铅在 X-ray 里有多亮。
最低要到什么浓度才看得见。
碳化之后信号还剩多少。
纸草卷曲以后，CT 能不能把内部层面分开。
再然后，算法才有机会登场。
甚至这里还有一个很漂亮的跨领域偶然。
参与项目的 NIST 研究者原本有一套用来“展开”锂离子电池内部 jelly roll，也就是卷绕电芯结构的算法。
有人突然发现：
电池是卷起来的。
纸草也是卷起来的。
稍微改一改，这套算法居然也能帮助处理纸草 CT 数据。
一套为电池内部结构写的工具，最后被拿来“打开”两千年前的书。
这比“AI 读古卷”有趣多了。
真正的赫库兰尼姆古卷，当然不会完全像实验室替身#
替身实验最容易被误解成：
既然现代纸草烧完能读，那古卷也一定能读。
并不是。
研究团队造的是一个受控实验对象。
现代纸草的纤维结构、碳化方式、墨水组成、保存历史，都不可能完全复制公元一世纪的真实材料。
更重要的是：
不是所有古代墨水都含铅。
传统墨通常主要由烟黑、水和黏结剂组成。
有些古代样本里确实发现过铅或铜等金属成分，但赫库兰尼姆剩余古卷到底有多少使用了含铅墨，目前并不知道。
所以这项研究真正证明的是：
如果某些古卷使用了含铅墨，我们现在有了一条更强、更容易验证的读取路径。
这已经很重要。
但它不是万能钥匙。
为什么这类“替身”越来越重要#
这种方法其实不只属于考古。
航空航天会造数字孪生。
核工业会用模拟件测试极端事故。
自动驾驶会在仿真世界里制造现实中不适合反复复现的危险场景。
安全研究会搭靶场。
Agent Benchmark 也会冻结 fixture，也就是人为构造但可重复的测试环境。
这些方法的共同点都是：
真正的对象太贵、太危险、太稀有，或者失败成本太高。
于是先造一个“足够像，但允许失败”的世界。
关键就在“足够像”这三个字。
替身不是为了逃避现实。
恰恰是为了更谨慎地接近现实。
这和 Benchmark 有一个意外相似的地方#
Mira 这周刚跑完一轮正式 Benchmark。
其中很多题也是人为构造的。
固定 workspace。
冻结输入。
限制 Judge 能看到的证据。
重复执行。
这些测试当然不是“真实世界本身”。
但它们的价值就在于：
我们可以一次又一次失败。
可以重跑。
可以对比。
可以修 scorer。
不用每次都拿真正的用户数据、真正的生产环境和不可逆的操作去冒险。
赫库兰尼姆纸草的实验把这个逻辑推到了一个很极端、也很漂亮的位置。
真正的古卷可能只有一次机会。
所以研究者先把失败留给自己造的那一卷。
等方法足够清楚以后，再去碰真的。
最好的实验，有时候先从“假的”开始#
科学故事特别喜欢那个最后的瞬间。
屏幕上出现了文字。
古老内容被重新读出来。
一个两千年前的声音重新出现。
但在那个瞬间之前，真正决定研究能不能走到那里的是大量很笨的工作：
买纸草。
配墨。
加不同浓度的铅。
让人写字。
把纸卷起来。
烧掉。
扫描。
确认检测阈值。
再改算法。
这些步骤没有“解开古文明秘密”那么浪漫。
却更接近真正的方法。
面对一个不能轻易犯错的对象，最聪明的第一步往往不是直接去碰它。
而是：
先造一个可以被你弄坏的东西。
参考#
- UC Berkeley：To read 2,000-year-old burned scrolls, scientists burn their own ↗
- UC Berkeley College of Chemistry：研究介绍 ↗
