与古代对话：扩展历史研究的智能AI伙伴

古代铭文是直接了解人类过去的窗口。作为宝贵的历史资料，它们保存了从帝国法令到普通公民日常交易的一切。然而，许多铭文已经损坏到难以辨认的程度，其书写日期和地点也充满了不确定性。重新拼凑这些破碎的叙事是人类最大的挑战之一，需要专家历史学家解决文本、时间和空间上的复杂、局部谜题。

近十年来，杜伦大学的历史学家与Google DeepMind紧密合作，率先开发用于历史研究的最先进AI工具。这一旅程的里程碑包括Ithaca（2022年）和Aeneas（2025年），这两个生成式模型专门用于修复、定年和定位古希腊和拉丁铭文。为了将这些能力直接交到研究人员手中，他们之前构建了一个交互式在线平台predictingthepast.com，并完全开源了底层模型。

社区合作凸显了AI辅助历史分析的三个主要挑战。首先，保留可解释的、灵活的解释需要针对单个铭文定制可视化。其次，高级多文本分析必须超越基本比较，而不需要专门的编码。最后，大型语言模型必须牢固地扎根于证据和专业知识以保持可靠性。

为了克服这些障碍，“预测过去”技能（Predicting the Past Skill）将复杂的计算工作流程转化为自然语言。通过将Gemini直接建立在Aeneas和Ithaca的专业输出之上，他们创建了一个交互式伙伴，使历史学家能够像与同事交谈一样自然地进行归因、修复和分析古代文本。

为了展示这种协作方法的实际力量，他们与杜伦大学的历史学家和碑文家Thea Sommerschield博士密切合作，共同将系统应用于三个不同的真实案例研究，这些案例跨越希腊-罗马世界，展示了研究人员现在如何执行大规模、交互式且视觉丰富的碑文分析。

第一个案例是罗马不列颠巴斯温泉圣殿的诅咒石板（Tab.Sulis 97）。这块拉丁诅咒石板由一位名叫Basilia的女性书写，诅咒偷了她银戒指的人。Aeneas将铭文置于历史学家提出的年代和地理范围内，同时透明地说明得出该结论的过程。更有趣的是，它生成的解释本身开始类似于一篇碑文评论：对支撑历史归因的文本特征进行解读。

第二个案例涉及美因茨的奉纳祭坛（CIL XIII, 6665），由省级官员Lucius Maiorius Cogitatus于公元211年奉献，纪念一组日耳曼母亲女神Aufaniae。该技能超越了单个铭文的分析，同时保持在历史学家可以检查和验证的证据基础上。它识别出整个语料库中的模式，并追踪宗教实践如何通过罗马帝国境内的人口流动而传播。

第三个案例聚焦于希腊多多纳的铅质神谕板。与德尔斐类似，多多纳吸引了来自希腊各地寻求神谕的访客，问题涉及商业、旅行、家庭事务和宗教义务。该技能超越了归因单个铭文，重建了访问多多纳的更广泛社区，使历史学家能够将圣所不仅视为文本集合，而且视为在古代地中海世界中移动的个体网络。

“预测过去”技能可以帮助历史学家通过自然语言使用高级AI模型，并通过解除一些复杂瓶颈，使碑文家能够在几分钟内分析模式并生成可视化。通过将Aeneas和Ithaca的专业输出与Gemini的交互推理相结合，这个协作AI伙伴汇集了多种其他工具，现在可以直接集成到历史学家的工作流程中，帮助扩展他们研究的边界。

该技能的开发得到了多个数据源的支持，包括Packard Humanities Institute的Searchable Greek Inscriptions数据库、Epigraphic Database Roma、Epigraphic Database Heidelberg和Epigraphic Database Clauss Slaby的ETL仓库。这些资源将已出版铭文的很大一部分汇集到可搜索的数字格式中。