在博物館幽暗的燈光下，一塊殘破的古羅馬石碑靜靜地躺在展柜中。石碑上的拉丁文銘刻著早已逝去的時代信息，但歲月侵蝕和人為破壞讓大部分文字變得模糊不清、難以辨認。對于歷史學家和考古學家而言，解讀這些被稱為“歷史最初手稿”的銘文，是一項極其重要卻又無比艱辛的工作。現在，來自谷歌的 AI 或許能讓這項工作變得輕松一些。

谷歌 DeepMind 與多所大學的歷史學家合作，于 2025 年 7 月 23 日在《自然》（Nature）上發表了一項最新研究成果，推出了一款名為“埃涅阿斯”（Aeneas）的 AI 工具。這款以古羅馬神話中特洛伊英雄命名的程序，旨在幫助研究人員解讀、修復和考證那些飽經滄桑的古羅馬拉丁文銘文。它不僅能以高準確率填補銘文中缺失的文字，還能推斷出銘文的制作年代和地理來源。

圖丨相關論文（來源：Nature）

古羅馬人留下了海量的銘文，它們被刻在紀念碑、祭壇、墓碑、陶器甚至涂鴉墻上，內容包羅萬象，從皇帝的法令、戰爭的記錄，到商人的賬本、情人的詩篇，為后世了解羅馬世界的政治、經濟、文化乃至普通人的日常生活提供了最直接、最鮮活的證據。與史官筆下的“勝利者書寫的歷史”不同，這些銘文是古羅馬社會各階層人士的真實心聲。然而，解讀它們的過程卻相當困難。

（來源：Nature）

這些銘文常常以碎片的形態被發現，或者文字因風化而變得模糊不清，許多關鍵信息就此丟失。學者們在研究時，需要依靠自身的知識和豐富的經驗，在浩如煙海的文獻資料庫中尋找可供參照的“平行文本”（parallels）——即那些在措辭、句法、格式或出處上相似的其他銘文。通過對比分析，他們才能逐步拼湊出碎片化的信息，推斷缺失部分的內容，并將其置于更廣闊的歷史背景中進行解讀。這一過程不僅耗時耗力，而且高度依賴學者的個人專長和所能接觸到的圖書館資源，往往會限制研究的廣度和深度。

DeepMind 的研究員 Yannis Assael 和諾丁漢大學的歷史學家 Thea Sommerschield 博士領導的團隊開發的 Aeneas，正是為了解決這一難題。Aeneas 的核心能力并不是單純的文本匹配，而是深度“語境化”（contextualizing）。其基于一個名為“拉丁文銘文數據集”（LED，Latin Epigraphic Dataset）的數據集訓練而成，這是一個龐大的數據庫，整合了來自羅馬銘文數據庫（EDR，Epigraphic Database Roma）、海德堡銘文數據庫（EDH，Epigraphic Database Heidelberg）等多個權威來源的數據，包含了超過 17.6 萬條拉丁文銘文，總字符數高達 1,600 萬個。

基于這個龐大的數據集，Aeneas 采用了一種基于 Transformer 架構的深度神經網絡。它不僅僅是分析銘文的文本內容，還能在某些情況下結合銘文的圖片進行多模態分析（multimodal analysis）。當研究人員輸入一段殘缺的銘文文本（甚至可以標記出缺失文本的長度是已知的還是未知的）和圖片時，Aeneas 會通過嵌入（embedding）將每一段銘文轉換成一個獨特的“歷史指紋”。這個指紋不僅編碼了文本的字面信息，還包含了其背后隱藏的語言模式、句法結構、歷史背景和地理來源等深層信息。

隨后，Aeneas 會在這個由海量”歷史指紋“構成的多維空間中進行檢索，找出與目標銘文最相關的平行文本，并按照相關性排序后呈現給研究人員。更重要的是，它還能根據上下文語境，提出填補缺失文字的多種可能性建議，并預測該銘文最有可能的制作年代和發源地（精確到羅馬帝國的 62 個行省之一）。

（來源：Nature）

為了驗證 Aeneas 的實際效果，研究團隊進行了一項規模空前的“古代歷史學家與人工智能”合作研究。他們邀請了 23 位從事銘文研究的專家，從碩士生到資深教授，參與了一場模擬真實研究工作流程的實驗。在實驗中，歷史學家們首先獨立完成對一批銘文的修復、斷代和溯源工作。隨后，他們會獲得 Aeneas 提供的平行文本和預測建議，再進行一次同樣的工作。

實驗結果顯示，在 Aeneas 的幫助下，歷史學家的工作效率和準確性都得到了顯著提升。在地理歸屬方面，歷史學家獨立工作的最高準確率（Top-1 accuracy）為 27%，而在結合了 Aeneas 的平行文本和預測后，這一數字飆升至 68.3%，提升了 152%。

在文本修復方面，以字符錯誤率（Character Error Rate, CER，該數值越低越好）來衡量，歷史學家的獨立錯誤率為 39.0%，而在 Aeneas 的輔助下，錯誤率降至 21.4%。在年代判斷上，預測結果與真實年代范圍的平均差距也從 31.3 年縮短至 14.1 年，接近 Aeneas 自身的 12.8 年。在 90% 的情況下，學者們認為 Aeneas 提供的平行文本是“有用的研究起點”，他們完成任務的信心也平均提升了 44%。

（來源：Nature）

一位參與測試的歷史學家感嘆道：“Aeneas 檢索到的平行文本徹底改變了我對（目標）銘文的看法。如果沒有它，我可能要花好幾天時間才能找到這些材料，而現在只需要 15 分鐘。這讓我可以把更多時間用于撰寫和構建研究問題，而不是在尋找資料上。”

研究團隊還用兩個代表性案例來展示 Aeneas 的強大能力。其中一個是羅馬帝國第一位皇帝奧古斯都的“神圣奧古斯都事跡錄”（Res Gestae Divi Augusti）。關于這篇長篇銘文的確切撰寫時間，學術界一直存在爭論。Aeneas 在分析了全文后，給出了兩個可能的年代高峰，一個在公元前 10-1 年，另一個則在公元 10-20 年。這恰好與學術界兩種主流假說高度吻合，證明 Aeneas 能夠以量化的方式捕捉并呈現復雜的歷史學辯論。

（來源：DeepMind）

另一個案例是一座在今天德國美因茨（古羅馬時期稱為 Mogontiacum）發現的還愿祭壇。Aeneas 在分析這座祭壇的銘文時，其首要推薦的平行文本是另一座在附近發現、年代稍早的祭壇。這兩座祭壇共享著非常罕見的文本程式和圣像學特征，考古學家此前已提出后者可能直接影響了前者。Aeneas 在不知道任何考古背景或空間信息的情況下，僅通過文本分析就精準地識別出了這種微妙而關鍵的歷史關聯。索默斯切爾德博士形容這些發現是“令人瞠目結舌的時刻”。

當然，Aeneas 并非完美無缺，它也不是要取代歷史學家。哈佛大學的古典學教授 Kathleen Coleman 就指出，目前還不完全清楚這個工具在歷史學家的長期工作流程中會多大程度上發揮作用，而且它并不能推測文本的“意義”，最終的解釋工作仍需人類專家來完成。研究論文本身也坦誠，模型的性能在數據稀疏的地區和時期會有所下降，并且存在因訓練數據本身的局限性而產生偏見的風險。

但 Aeneas 的設計初衷也正是成為一個強大的協作者，而非替代者。它將學者從繁重、重復的資料搜尋工作中解放出來，讓他們能更專注于批判性思考和歷史解釋。劍橋大學的著名古典學家 Mary Beard 教授評價說：“它有望帶來變革。”牛津大學的古代史教授、論文的合著者 Jonathan Prag 也表示，這個工具讓更廣泛的人群能夠參與到銘文研究中來，因為“如果沒有這樣的工具，你只能依靠積累海量的個人知識或擁有一個巨大的圖書館。”

Aeneas 的技術建立在其前身 Ithaca 之上，Ithaca 是一個專注于修復古希臘銘文的 AI 模型。現在，Ithaca 也將升級為由 Aeneas 的技術驅動，性能得到全面提升。為了讓這項技術能惠及更多人，研究團隊已經將 Aeneas 的代碼和數據集開源，并建立了一個名為“預測過去”（predictingthepast.com）的互動網站，免費向所有研究人員、學生和教育工作者開放。他們還與比利時根特的教師培訓項目合作，開發了一套教學大綱，旨在將 Aeneas 融入中學歷史課堂，培養學生的數字素養和史料批判能力。

參考資料：

1.https://deepmind.google/discover/blog/aeneas-transforms-how-historians-connect-the-past/

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

3.https://www.technologyreview.com/2025/07/23/1120574/deepmind-ai-aeneas-helps-historians-interpret-latin-inscriptions/

運營/排版：何晨龍