人類歷史始于書寫。銘文是最早的書寫形式之一，提供了關于古代文明思想、語言和歷史的直接洞見。

然而，現(xiàn)有的數(shù)字化方法局限于文字層面的匹配，難以勝任古代文獻中所需的復雜推理與語境理解任務。

如今，GoogleDeepMind、諾丁漢大學團隊及其合作者在這一領域取得了重大突破。他們推出的一款名為Aeneas的多模態(tài)生成式神經(jīng)網(wǎng)絡，能夠協(xié)助對公元前7世紀至公元8世紀的拉丁銘文進行預測、斷代、定位與解讀。

相關研究論文以“

Contextualizingancienttextswithgenerativeneuralnetworks”為題，已發(fā)表在權(quán)威期刊Nature上。

論文鏈接：

https://www.nature.com/articles/s41586-025-09292-5

研究團隊表示，大多歷史學者認為，Aeneas能夠無縫融入現(xiàn)有研究流程，成為推動歷史研究范式革新的有力輔助工具。

來自?？巳卮髮W的CharlotteTupman在評論文章中指出，這類工具具有巨大的潛力，其應用不局限于古代史研究，還能夠擴展到更晚時期的銘文，乃至其他語言。

Aeneas:AI穿越回羅馬帝國

銘文是探索古代世界的重要的資料，每年約有1500條拉丁銘文被新發(fā)現(xiàn)，記錄著從皇帝法令到奴隸墓志銘的多樣信息，展現(xiàn)了這個橫跨2000年與500萬平方公里帝國的文化與語言生活。

然而，解讀這些珍貴的銘文并非易事，研究者往往面臨諸多挑戰(zhàn)。隨著時間的推移，銘文中的字母、詞語乃至整段內(nèi)容可能已經(jīng)遺失，而這些缺失部分的長度與內(nèi)容往往難以預測，使得還原工作更加復雜艱難。

文本修復、地理歸屬與年代判斷等任務，都依賴于專家學者將銘文置于更廣闊的語言與歷史背景中加以理解。這一過程既耗時又需要高度專業(yè)的知識，學者必須將目標銘文與數(shù)百條潛在的平行銘文進行對比。研究者通常會專注于特定的地域和年代，但這也限制了他們在大規(guī)模識別銘文與歷史聯(lián)系方面的能力。

為解決這一問題，研究團隊提出了Aeneas——一個多模態(tài)模型，這是一種AI工具，在分析和預測銘文時，它不僅能評估銘文物體的視覺特征，還能分析文本本身。

圖｜通過Aeneas架構(gòu)對文本轉(zhuǎn)錄進行處理。

Aeneas集成了一個上下文關聯(lián)機制，能夠為歷史學家提供具有歷史依據(jù)的文本和上下文銘文平行例證列表，以支持研究工作。為了捕捉在物質(zhì)維度上更廣泛的信息，Aeneas將圖像和轉(zhuǎn)錄文本共同輸入進行整合，是首個能夠生成任意長度古代文本修復結(jié)果的模型。

Aeneas的輸入是銘文的圖像及其文本轉(zhuǎn)錄。其高效的架構(gòu)完全基于字符運作，避免了先前方法中實現(xiàn)的基于單詞級別的表示。至于銘文的語境化過程，Aeneas會從其訓練語料庫（LED）中檢索出與輸入文本最相關的銘文平行例證列表。這一過程依賴于歷史豐富的嵌入式數(shù)據(jù)，用以捕捉文本中的歷史與語言模式，從而使模型能夠基于語義和語境進行比較。

Aeneas在另一個方面超越了先前的工作，該工具可為未知長度（而非指定長度）的缺失文本提供修復建議。這一能力對于研究嚴重受損的銘文尤為重要。

圖|缺失拉丁文文本的預測。Aeneas能夠預測受損銘文中丟失的文本（紅色文本）。該工具無需了解缺失部分的長度即可進行預測，例如圖中這個軍事文書的案例。

研究團隊構(gòu)建了一個覆蓋廣泛的拉丁銘文學數(shù)據(jù)集來訓練Aeneas模型，包括EDR、EDH和EDCS_ETL。他們開發(fā)了一套復雜的處理流程來標準化元數(shù)據(jù)，利用唯一的Trismegistos標識符，消除歧義并處理文本，使其成為機器可處理的格式。并盡可能從這些數(shù)據(jù)集中獲取銘文的圖像。

Aeneas實際研究中表現(xiàn)如何？

為測試Aeneas在實際歷史研究中的應用效果，團隊組織了一項大規(guī)模的人機協(xié)作實驗“古代歷史學家與AI”。研究邀請了23名具備銘文學專業(yè)知識的參與者，涵蓋從碩士生到教授的不同級別，他們在設定的時間限制內(nèi)，參與了一項模擬現(xiàn)實研究流程的實驗，與Aeneas展開互動。

歷史學者在90%的案例中認為Aeneas所檢索的平行文本是有價值的研究起點，使他們在關鍵任務中的信心提高了44%。在人機協(xié)同下，文本修復與地理歸屬任務的表現(xiàn)優(yōu)于單獨由人類或人工智能完成的結(jié)果。在斷代任務中，Aeneas達到了與真實年代范圍平均相差13年的精度。

他們將Aeneas與之前的AI模型進行了全面比較，Aeneas在所有評測指標上均超越Ithaca與傳統(tǒng)方法，它能夠處理Ithaca無法應對的“未知長度缺損”問題。在地理歸屬任務中，Aeneas充分發(fā)揮了多模態(tài)架構(gòu)的優(yōu)勢，其表現(xiàn)優(yōu)于僅使用文本的模型。在年代歸屬任務中，Aeneas對測試銘文的預測結(jié)果表現(xiàn)出驚人的準確性：平均誤差僅13年，中位誤差為0年，與歷史學家提供的真實范圍一致。

Aeneas向我們展示了人工智能在推進歷史研究方面的變革潛力，未來有多個方向值得進一步探索。

其中一個關鍵方向是將Aeneas的能力整合到大規(guī)模對話模型中。從而實現(xiàn)更自然、交互性更強的研究流程，使歷史學家能夠向系統(tǒng)提問、深入探討模型的回答，并獲得更清晰的解釋。

如何應對歷史數(shù)據(jù)中固有的不確定性，特別是在年代歸屬方面，仍是一個重要挑戰(zhàn)。未來研究可著重開發(fā)更優(yōu)方法，來表示和評估寬泛的年代范圍，不僅是在模型架構(gòu)上進行改進，也可通過更精細的評估指標，更準確地反映歷史斷代實踐中的細微差別，而不只依賴于與估計時間范圍的距離。

另一個有前景的方向是開展更多消融實驗，以量化不同模塊的具體貢獻（例如視覺輸入對不同任務的影響）；以及探索上下文平行關系如何隨不同文本輸入而變化，以及系統(tǒng)對輸入格式變動（以及不同類型銘文）的敏感性。

進一步提升模型的多模態(tài)能力，需依托更大規(guī)模、高度標準化、并符合FAIR原則的數(shù)據(jù)集。

同時，將研究范圍擴展到拉丁銘文之外，也是值得探索的研究方向。這將有助于更深入地挖掘視覺模態(tài)在地理歸屬之外的潛力，并可能通過圖像學或其他考古學線索，輔助年代判斷。

最后，他們認為深化跨學科合作至關重要，希望未來的研究項目能夠持續(xù)推進，將人文學科與自然科學進一步聯(lián)結(jié)起來。

AI正在擴展人類認知

Aenea代表了AI在古代文本研究中的一次重大飛躍，其架構(gòu)超越了此前的SOTA模型，具備多模態(tài)能力，能夠恢復未知長度的文本序列，并可適配任何古代語言及書寫媒介（如莎草紙、手稿或錢幣）。

這些特性凸顯了它在以下方面的潛力：擴充具有文本和上下文對應關系的數(shù)據(jù)集、為缺失值提供假設，以及作為模塊化組件，用于增強基于對話的語言模型。

相關案例研究證明了Aeneas作為銘文學研究專用AI輔助工具的可靠性。Aeneas能利用相關銘文平行案例生成準確預測，并以定量方式對學術(shù)假說進行呈現(xiàn)。不論是應用于帝國紀念碑，還是省級獻祭銘文，Aeneas都能模擬銘文學家的分析過程，補充傳統(tǒng)歷史方法，生成準確而有意義的洞見。

研究團隊承認Aeneas存在一些局限性，其能為銘文匹配對應圖像的百分比相對較小，僅為5%。雖然這一比例較小，但這并不削弱該研究中視覺方面的實用價值，反而提示該研究可能成為未來有關銘文圖像研究的重要起點。

對于古代歷史學者來說，Aeneas是一個具有突破性的研究工具。它幫助研究者識別那些原本容易被忽略或需要耗費大量時間才能發(fā)現(xiàn)的數(shù)據(jù)聯(lián)系。未來，拉丁銘文的日常研究者如何在工作中測試Aeneas，并就如何利用AI分析古代材料展開討論，將是一件有意義的事情。

這類工具的應用遠不止于古代史研究，其在更晚時期歷史銘文研究，乃至其他語言的應用潛力同樣巨大，有望解決多個領域中類似的問題。盡管這類AI工具對部分學者而言可能仍具爭議，但對于研究過去社會留下的大量銘文，傳統(tǒng)學術(shù)研究與AI方法均有其必要性。

許多歷史學者也指出，AI的使用促使研究者重新審視自身的工作方式，以及他們獲取與傳播知識的路徑。嘗試像Aeneas這樣的工具，并對由此引發(fā)的問題進行反思，無疑將有益于科研工作，也有助于未來深入理解古代社會的原始材料。

作者：小羊

如需轉(zhuǎn)載或投稿，請直接在公眾號內(nèi)留言

弗拉格外,NBA76年歷史,誕生過多少白人狀元?他們生涯成就如何

NBA歷史上的首位白人狀元，誕生于1973年的選秀大會，76人用狀元簽選中了伊利諾伊州立大學的柯林斯|-。在大學期間，他憑借個人出眾的數(shù)據(jù)和賽場表現(xiàn)，入選了美國男籃國家隊，隨隊參加1972年的慕尼黑奧運會。他的新秀賽季表現(xiàn)并不算出色，在為球隊出戰(zhàn)的25場比賽中，他交出了場均8分的數(shù)據(jù)，這讓他遭受到不小的質(zhì)疑——_。但柯林斯的調(diào)整 1996年，沃頓入選NBA50大巨星_|。NO.2史蒂夫·弗朗西斯在姚明剛進入NBA時，弗老大在姚明的身邊扮演了很重要的角色，當姚明受欺負時挺身而出，在姚明受挫折時給予鼓勵——|?；貜透ダ洗蟮腘BA生涯，受傷病影響他只打了10個賽季，576場比賽。在個人第一個職業(yè)賽季里，弗朗西斯取得了長足的進步，平均每場18分，6.6次助攻還有后面會介紹。

科比去世12小時:有人為他徹夜流淚,有人忙著用他賺錢|百家故事...

在NBA打了8年球之后，出于對職業(yè)生涯的考慮，他決定去意大利打球。于是，科比也跟隨父親，在意大利度過了自己的童年-。從小受到父親影響，科比在2歲的時候就開始打籃球——_。來到意大利之后，面對一個語言不通、完全陌生的環(huán)境，離開在原來城市所結(jié)識的朋友，他需要不斷地重新適應新的環(huán)境。于是，內(nèi)向的他寧愿獨自一個人，..
狗姐不是什么忠實球迷，但我知道科比這個名字承載了無數(shù)男孩子的整個青春，他在籃球界是多么重量級的存在，無論你喜歡不喜歡籃球，但一定聽說過關于他的傳奇-。科比整個NBA生涯（1996-2016）全部效力于洛杉磯湖人隊，5次奪得NBA總冠軍、1次常規(guī)賽MVP、2次總決賽MVP、4次全明星賽MVP_。但是他并不想成為下一個喬丹，“..