刊出日期：2025/11/26｜文字：黃鈺淇｜責任編輯：吳懿恩
全文共3176字，閱讀大約需要8分鐘
文物修復師宛如「歷史的醫師」，在不停流逝的時間中縫合歲月帶來的傷口。然而，當人工智慧帶著「一鍵還原」的高效率闖進這場漫長的手術，試圖成為主刀醫師掌控節奏、以演算法計算修復成果。這究竟是讓歷史再現，還是杜撰歷史呢？
在靜謐的藝術氣息流動間，駐足在對眼或知名的作品前靜靜欣賞，幾經歷史風霜的畫作，總會受到歲月時光的洗禮，可能蟲蛀、可能泛黃、或是畫布底層已與顏料分離。面臨老化，有一群修復師，也可謂之文物的醫師，在背後默默地幫畫作看診：為它們量身定做治療方案，再以細膩的雙手、完備的化學知識完成一場漫長的手術。以月為單位，耐心地照護每件生病的文物，讓它們重返健康、再次於大眾面前「復活」。
人工智慧如日中天，許多領域都正嘗試在合理範圍內將其融入作業，或者擁有訓練AI 能力的群體，正試著往不同領域伸枝擦出新火花。歷史悠久的文物保存維護領域，在面對時代的科技洪流下，會如何與新技術攜手合作？又，當 AI 算出畫作缺損處，究竟是強而有力的輔助者，還是自作主張的干預者？
一鍵計算，顛覆傳統的新型修復
2025 年 6 月，一位來自麻省理工學院的研究生 Alex Kachkine，將十五世紀晚期油畫〈Adoration after Martin Schongauer〉作為實驗目標，以結合人工智慧顛覆傳統修復流程作為切口，於《Nature》期刊發表〈Physical restoration of a painting with a digitally constructed mask〉（運用數位建構薄膜輔助實體畫作修復）。此文章一出即引起了各界的討論，不只文字報導，連無意一滑臉書都可能看見介紹此文的短影音，不論平常是關注新興科技還是藝文領域，抑或根本不是兩者的閱聽眾，可能來到了交匯處。
使用 AI 協助「復活」古畫，是如何達成？最重要的技術為匯出可多層堆疊的特殊「可逆水性薄膜（mask）」，再將其覆蓋於畫作待修復處。面對大面積缺損，Kachkine 會以人工的方式，尋找適合借用於修補原作的相近年代、畫派或構圖作品，確定要使用的他作部分與要被貼上薄膜的原作位置後，將待輸出區塊交由 AI；而細小的缺漏部分，則會直接交由演算法處理。AI 的角色，是幫忙算出薄膜上的色彩該如何呈現，才能讓人眼不會有突兀感受，以此設計了一套「幾何公差」模型（geometric tolerance model for infill application）。模型明確界定最小色彩填補單位，目的是避免為了追求完美而過度繪製，使輸出的薄膜不會覆蓋且影響到作品原有的色彩區域，精準控制填補範圍。
▲ 大面積缺損如嬰兒臉部，使用透明度調至 50% 的其他作品疊於原作，以預測修復效果。（圖片來源／Nature）
研究指出，此方式大幅縮短了修復時間，將原本高耗時的人工作業，濃縮至僅需 3.5小時即可完成，效率為傳統的 66倍。輸出的水性薄膜性質可實現直接剝離或溶解，不會對原作造成永久影響，同時可以保留精確、可重現的數位紀錄供後人參考。Kachkine 認為，目前有許多藏品都因無足夠人力修復而靜靜躺在庫房，若能將此套流程納入，將使更多文物畫作展示於大眾面前，讓可能在有限條件下評估後較無價值的作品也有重見天日的機會。
但在人工智慧「復活」畫作之前，目前業界的修復師們是如何妙手回春這些充滿歲月痕跡、擁有大大小小毀損的作品，讓它們重獲新生呢？
文物保存維護界現行的修復方式與倫理原則
在沒有真跡資料參考下，目前修復師會將蟲蛀、破裂等基本結構問題處理完畢、確保基底穩固後，使用周遭相似顏色填補畫面缺漏的背景色，但不刻意接上筆意，如：人物的臉、衣裳的細節紋路。主要讓損失部分在正常觀賞的距離下，不會干擾到整體觀感，但近距離觀察也能辨別出修復位置。這種不做臆測補會空缺也可達到畫作的整體連續性，並保留整體觀賞度的方式稱作「區分補筆法(Discernible inpainting)」。
國際間多數針對繪畫、壁畫與藝術品的修復準則，皆是以 1964 年國際古蹟遺址理事會（ICOMOS）所撰寫的《威尼斯憲章》發展而來，大眾較常聽見與藝術、文物、歷史等有關的聯合國教科文組織（UNESCO）也將 ICOMOS 作為其主要的官方諮詢機構之一。
在《威尼斯憲章》中，第九條明確規範修復過程嚴禁「臆測性修補」，並且修補區域必須與原作有「可區分性」。第十二條提及，缺失之部分修復後必須和諧於原作，但又再次提醒新舊仍需可區別。同時，任何修補皆需遵守可逆性與可移除性，讓修復後能「回上一步」，這些條例皆是為保留文物自身的歷史故事及保護未受損處的最初樣態而制定的規則。也就是說，除非有可考證之歷史紀錄外，修復師並不會因自身擁有繪畫技術與美術史知識，就猜想原畫作樣式並加以補筆。
The process of restoration is a highly specialized operation. Its aim is to preserve and reveal the aesthetic and historic value of the monument and is based on respect for original material and authentic documents. It must stop at the point where conjecture begins, and in this case moreover any extra work which is indispensable must be distinct from the architectural composition and must bear a contemporary stamp. The restoration in any case must be preceded and followed by an archaeological and historical study of the monument.
－Article 9.
（修復是一項高度專業化的作業流程。其旨在保存並展現古蹟的美學與歷史價值，並建立在尊重原始材質與確鑿文獻的基礎之上。修復工作必須在臆測開始之處止步；此外，凡是不可或缺的增補工程，都必須與原有的建築構成有所區別，並應帶有當代的印記。無論在何種情況下，修復工程的前後皆須對該古蹟進行考古與歷史研究。）
Replacements of missing parts must integrate harmoniously with the whole, but at the same time must be distinguishable from the original so that restoration does not falsify the artistic or historic evidence.
－Article 12.
（缺失部分的補造必須與整體協調一致，但同時須能與原作有所區別，以免修復作業混淆了藝術或歷史的見證。）
▲ 修復師以補周遭相似顏色手法修復破損清代書畫（圖片來源／國立臺灣師範大學提供）
回過頭看，Kachkine 發表的大面積缺損以轉移他作填充原畫、小地方以 AI 計算顏色填補的修復方式好像有哪裡不太對勁？對現今修復界普遍而言，其實 Kachkine 的作法已與憲章規範相互違背。且此法只是修皮不修骨，若沒有徹底幫作品的基底材，例如底層的畫布、紙材進行健檢維護，表面再怎麼完美也容易因基底不穩固，而再次於短時間內毀壞。演算法雖然算出了畫作的可能樣貌，卻遺漏將修復師們一路以來履行的原則一同算入，既可能造成不知情民眾對於修復有偏差的觀念，認為修復就是這麼一回事，也可能使畫作失去真實性。
國立臺灣師範大學文物保存維護研究發展中心副主任暨資深修復師潘怡伶指出，若生成式人工智慧要導入修復的作業流程中，最重要的前提是必須遵守及尊重領域中既有的規則：不接筆意、分區補筆法等。AI 在修復過程中並非毫無用武之地，只要模型在訓練中符合倫理原則，仍有機會參與成為得力幫手。例如：在修復開始前預先模擬修復後的可能樣貌，主要提供業主或藏品擁有人參考。因現行更多是以口述、相似案例成果供對方想像修復的效果，若能加入 AI 預測，可以使業主對成果更有概念、雙方在修復方向中有明確共識。
當AI實際應用於文物保存與維護
那除描繪未來藍圖外，臺灣目前是否有 AI 實際應用於文保領域的案例呢？
美術館、博物館、文學館等擁有大量藏品的組織機構，文物歸檔及辨識其毀損處與原因，是高人力與時間耗費之環節。國立臺灣文學館的「AI 輔助文物劣化辨識計畫」，目標是為協助解決館內超過11萬件紙質文物的登錄建檔作業耗時過長、人工需求龐大的問題。藉由 AI 視覺分析技術，先以八種劣化狀況訓練模型，包括：蟲蛀、黴菌、褐斑、生物排遺、鐵鏽、水漬、膠帶、與其他漬痕。自 2021 年至 2024 年期間，根據團隊於期刊《南藝學報》發布的〈運用 AI 輔助辨識紙質文物劣化研究與應用〉數據，八種劣化狀況在最終訓練時，AI 勾選整份文物影像是否具備某種狀況的平均正確率為 85.67%，不過在單一劣化選項中是否有正確辨識類別及標誌確切位置，平均正確率掉至 72.65%。
▲ 將鐵鏽誤認為蟲蛀（圖片來源／南藝學報）
經過三年時間的訓練，不能算是高精準的正確率，可見劣化問題判斷的困難與複雜，不過，AI 仰賴的機器學習就是需要大量數據訓練達成目標，擁有大量藏品的博物館仍是最好的練習場所。對於 AI 協助歸檔的應用，擅長東方書畫修復的潘怡伶提到，因畫作多彩、媒材多元，毀損的判斷會較文學類文物更加難以判斷及辨認，訓練過程與時間將會比文學館的模型更長及艱辛。
不過，雖然可能會花費大量時間與精力，文保領域仍是抱持樂見其成的心態，因若有一套精準有素的 AI 模型，真將會是一大助力。當熬過陣痛期，即可實現藏品劣化狀況的自動化判斷與輔助檢視，從而提升歸檔效率與精準度，讓本來無人問津、不見天日的文物開始在準備「復活」的路上排隊。
望共好，也別忘了解對方！
若將修復過程比擬作為醫療流程，AI 目前的角色更適合作為「檢查工具」與「手術模擬器」，而非真正動刀的主治醫生。修復師們一直以來努力的方向並非讓文物脫胎換骨變漂亮，而是讓文物能保存它所經歷過的歲月痕跡、一路來的故事，使一切忠於歷史、將塵封的歷史「復活」於大眾面前。AI 加入文物的守護行列，第一步不是要學會如何上色，而是——理解文保領域的遊戲規則。
新舊揉合並非異想天開，除了官方推動，也可能從一篇創新的學術研究逐步完善至業界實際應用。每次的跨域合作，相信背後最純粹及原始的願想都是共好與共同成長，但開始動作前也別忘了先瞭解對方的規則，才能創造最初握手那刻互相共道的「合作愉快」。
註：威尼斯憲章之中文版使用 Gemini 進行翻譯，並經由本文作者校對確認。
© 2025 All rights Reserved