人工智能在历史研究中的应用 - 谷歌DeepMind开发了生成式AI模型Aeneas，用于分析罗马时期的拉丁铭文，帮助修复缺失文本、预测来源和评估年代 [3][6] - Aeneas模型基于全球三大拉丁铭文数据库训练，数据集包含176861条铭文，时间跨度从公元前7世纪到公元8世纪 [6] - 该模型由三个神经网络组成，分别负责修复文本、预测来源和评估年代，并提供相关性排名支持其答案 [7] 模型性能表现 - Aeneas在90%的情况下提供有用的语境建议，将关键任务置信度提高44% [7] - 模型判断铭文年代的误差在13年以内，优于历史学家单独判断的31年误差 [7] - 在确定地理来源和修复文本时，人机合作的准确率高于单独工作 [7] - 模型成功分析了《神圣奥古斯都事迹录》，识别出拼写变化等历史特征 [7] 实际应用案例 - Aeneas在分析拉丁铭文祭坛时，识别出地理关联但未被告知的同类祭坛 [8] - 模型修复了公元113-114年的撒丁岛青铜军事证书残片 [10] - 该工具可处理海量数据，大幅缩短人工需数周至数月的工作时间 [10] - 相比流行AI工具，Aeneas的答案基于证据库的合理假设，更具逻辑性 [10]