Aeneas：AI 赋予历史学家解读古代铭文的新方法

近日， Google DeepMind 在《Nature》期刊上发表论文，推出了一款名为 Aeneas 的人工智能模型，旨在变革历史学家研究古代铭文的方式。这款工具能够帮助研究人员更好地解释、归属和修复那些残缺不全的古老文本。

在古罗马，文字几乎无处不在，从帝国纪念碑到日常用品，处处可见其踪迹。这些铭文内容包罗万象，涵盖政治涂鸦、爱情诗篇、商业交易乃至生日邀请，为现代历史学家提供了洞察罗马世界日常生活的丰富窗口。然而，每年新发现的约1500件铭文大多遭受了时间侵蚀、风化或人为损坏，变得残缺不全。如果没有上下文信息，修复、确定年代和来源地几乎是不可能的任务。

传统上，历史学家依靠个人专业知识和专业资源来寻找“相似文本”，即在措辞、句法或来源上具有相似性的其他铭文。 Aeneas 的出现，旨在将这一耗时耗力的过程极大提速。它能在数秒内处理数千份拉丁文铭文，检索出具有深度关联的文本和背景相似项，为历史学家的解读工作提供有力支持。

Aeneas 的研发由 Google DeepMind 与诺丁汉大学主导，并与华威大学、牛津大学及雅典经济与商业大学的研究人员合作完成。该项目不仅限于拉丁文，其模型设计也可以被应用于纸莎草纸、硬币等其他古代语言、文字和媒介，有潜力连接更广泛的历史证据。为了促进学术研究，该团队已在 predictingthepast.com 网站上免费提供了 Aeneas 的交互版本，并开源了其代码和数据集。

Aeneas 的核心能力

Aeneas 的命名源于希腊罗马神话中的英雄，它建立在早前用于修复、测定和定位古希腊铭文的 Ithaca 模型基础之上。但 Aeneas 更进一步，它的目标是帮助历史学家联系上下文，赋予孤立的碎片意义，并最终拼凑出对古代历史更完整的理解。

其核心能力包括：

• 相似文本搜索：通过一种名为“嵌入”（Embeddings）的技术， Aeneas 将每段铭文的文本和背景信息（如语言、来源地、年代）编码成一个独特的“历史指纹”。借助这种方式，它可以在海量拉丁铭文中识别出深层联系，帮助历史学家将单个铭文置于更广阔的历史背景中进行考察。
• 多模态输入处理：Aeneas 是首个能够利用多模态输入（即文本和图像）来确定铭文地理来源的模型。这一功能使其分析超越了纯文本的限制。
• 未知长度的缺口修复：面对严重损坏、缺失字符数量不明的文本， Aeneas 首次实现了有效修复。这使其成为处理恶劣保存状况材料时更为灵活和强大的工具。
• 业界领先的性能：无论是在修复受损文本，还是在预测其书写时间和地点方面， Aeneas 都树立了新的技术标杆。

工作原理与性能表现

Aeneas 是一个多模态生成式神经网络。研究团队首先整合了三大铭文数据库（EDR、EDH、EDCS-ELT），创建了一个包含超过17.6万份拉丁文铭文的机器可读数据集（LED）。

模型采用基于 Transformer 的解码器处理文本输入，并有专门的网络负责字符修复和年代测定。在进行地理归属时，模型会同时分析铭文的文本和图像。

在性能方面， Aeneas 的表现十分突出。其生成的“历史指纹”在按年代对铭文进行分组时，比其他通用拉丁语大型语言模型清晰得多。

在修复最多10个字符的缺口时， Aeneas 的前20位候选词准确率达到73%；即使在缺口长度未知这一极具挑战性的任务中，准确率也保持在58%。凭借其对视觉数据的利用，该模型能以72%的准确率将铭文归属于62个古罗马行省中的一个，并将文本年代的误差控制在13年以内。

为历史辩论提供新视角

为了测试 Aeneas 在实际研究中的应用，团队将其用于分析罗马最著名的铭文之一：《奥古斯都神圣业绩录》。这份铭文由奥古斯都大帝以第一人称撰写，其确切年代一直是历史学家争论的焦点。

Aeneas 没有给出一个固定的日期，而是生成了一个详细的概率分布。结果显示了两个明显的高峰：一个较小的高峰在公元前10-1年之间，一个更大、置信度更高的高峰在公元10-20年之间。这一量化结果，恰好反映了学术界两种主流的年代测定假说。

Aeneas 的预测基于文本中微妙的语言特征和历史标记，例如官方头衔和纪念碑。通过将年代问题转化为基于语言和背景数据的概率估算，该模型为解决悬而未决的历史争论提供了一种新的量化方法。

促进人机协作的历史研究

在一项大规模的历史学家与 AI 协作研究中，23位铭文研究专家被邀请使用 Aeneas 来处理一批文本。

评估结果表明，当历史学家将 Aeneas 提供的上下文信息（如相似文本）与其预测结果结合使用时，研究效率和准确性都得到了显著提升。一位参与研究的历史学家匿名表示：“Aeneas 找到的相似文本完全改变了我对这块铭文的看法。它注意到的细节对文本的修复和年代判断起到了决定性作用。”

通过将专家知识与机器学习相结合， Aeneas 正试图融入历史学家的现有工作流程，以一种可解释、可协作的方式，为连接人类的过去提供新的可能。