與古代對話：擴充套件歷史研究的智慧AI夥伴

古代銘文是直接瞭解人類過去的視窗。作為寶貴的歷史資料，它們儲存了從帝國法令到普通公民日常交易的一切。然而，許多銘文已經損壞到難以辨認的程度，其書寫日期和地點也充滿了不確定性。重新拼湊這些破碎的敘事是人類最大的挑戰之一，需要專家歷史學家解決文本、時間和空間上的複雜、區域性謎題。

近十年來，杜倫大學的歷史學家與Google DeepMind緊密合作，率先開發用於歷史研究的最先進AI工具。這一旅程的里程碑包括Ithaca（2022年）和Aeneas（2025年），這兩個生成式模型專門用於修復、定年和定位古希臘和拉丁銘文。為了將這些能力直接交到研究人員手中，他們之前構建了一個互動式線上平臺predictingthepast.com，並完全開源了底層模型。

社群合作凸顯了AI輔助歷史分析的三個主要挑戰。首先，保留可解釋的、靈活的解釋需要針對單個銘文定製視覺化。其次，高階多文本分析必須超越基本比較，而不需要專門的編碼。最後，大型語言模型必須牢固地紮根於證據和專業知識以保持可靠性。

為了克服這些障礙，“預測過去”技能（Predicting the Past Skill）將複雜的計算工作流程轉化為自然語言。透過將Gemini直接建立在Aeneas和Ithaca的專業輸出之上，他們建立了一個互動式夥伴，使歷史學家能夠像與同事交談一樣自然地進行歸因、修復和分析古代文本。

為了展示這種協作方法的實際力量，他們與杜倫大學的歷史學家和碑文家Thea Sommerschield博士密切合作，共同將系統應用於三個不同的真實案例研究，這些案例跨越希臘-羅馬世界，展示了研究人員現在如何執行大規模、互動式且視覺豐富的碑文分析。

第一個案例是羅馬不列顛巴斯溫泉聖殿的詛咒石板（Tab.Sulis 97）。這塊拉丁詛咒石板由一位名叫Basilia的女性書寫，詛咒偷了她銀戒指的人。Aeneas將銘文置於歷史學家提出的年代和地理範圍內，同時透明地說明得出該結論的過程。更有趣的是，它生成的解釋本身開始類似於一篇碑文評論：對支撐歷史歸因的文本特徵進行解讀。

第二個案例涉及美因茨的奉納祭壇（CIL XIII, 6665），由省級官員Lucius Maiorius Cogitatus於西元211年奉獻，紀念一組日耳曼母親女神Aufaniae。該技能超越了單個銘文的分析，同時保持在歷史學家可以檢查和驗證的證據基礎上。它識別出整個語料庫中的模式，並追蹤宗教實踐如何透過羅馬帝國境內的人口流動而傳播。

第三個案例聚焦於希臘多多納的鉛質神諭板。與德爾斐類似，多多納吸引了來自希臘各地尋求神諭的訪客，問題涉及商業、旅行、家庭事務和宗教義務。該技能超越了歸因單個銘文，重建了訪問多多納的更廣泛社群，使歷史學家能夠將聖所不僅視為文本集合，而且視為在古代地中海世界中移動的個體網路。

“預測過去”技能可以幫助歷史學家透過自然語言使用高階AI模型，並透過解除一些複雜瓶頸，使碑文家能夠在幾分鐘內分析模式並生成視覺化。透過將Aeneas和Ithaca的專業輸出與Gemini的互動推理相結合，這個協作AI夥伴彙集了多種其他工具，現在可以直接整合到歷史學家的工作流程中，幫助擴充套件他們研究的邊界。

該技能的開發得到了多個資料來源的支援，包括Packard Humanities Institute的Searchable Greek Inscriptions資料庫、Epigraphic Database Roma、Epigraphic Database Heidelberg和Epigraphic Database Clauss Slaby的ETL倉庫。這些資源將已出版銘文的很大一部分彙集到可搜尋的數字格式中。