DeepMind 推出 Aeneas：破译古罗马残损石碑，人机协同反超专家

罗马帝国留下的石碑、陶片和金属牌多达数十万件，但落到今天历史学家手里的，大半是缺字少行、年代不详的残片。面对一块碎裂的石碑，学者以前要跑遍图书馆，全凭记忆或死板的字符比对，在浩瀚文献里寻找相似句式。

现在 Google DeepMind 打算用 AI 来接手这一步。DeepMind 联合英国诺丁汉大学、牛津大学、华威大学以及雅典经商大学，在《Nature》上发表了最新的多模态生成模型 Aeneas。这是他们继古希腊语模型 Ithaca 之后的新作，专门用来解读、还原和定位古罗马时期的拉丁语铭文。

读得懂残卷，还能看照片辨出处

每年考古人员新出土的拉丁文铭文大约有 1500 条。过去的研究工具大多只能死板地搜索完全相同的字词，一旦残损面积过大，或者遇到大量缩写，机器就无能为力了。

Aeneas 换了一种思路。研发团队整合了罗马铭文数据库（EDR）、海德堡铭文库（EDH）和 Clauss-Slaby 数据库，清洗出包含 176861 条铭文、跨越公元前 7 世纪到公元 8 世纪的统一数据集 LED，字数超过 1600 万。

面对这些数据，Aeneas 带来了两项关键突破。第一是任意长度的补全：以往模型只能在已知缺失字数时填空，Aeneas 则第一次做到了哪怕不知道缺了几个字母，也能推断修补。

第二是引入多模态。机器不仅读文字转录稿，还会直接分析石碑的照片。它能把文字样式、石材质地和图像信息结合起来，据此推断这块碑最早刻在哪个行省。

更核心的是它找「平行文本」的能力。Aeneas 把每条铭文压缩成类似历史指纹的向量，几秒钟就能捞出用词习惯、语法或文化背景相似的文献，甚至拿奥古斯都大帝著名的《功业纪》（Res Gestae Divi Augusti）做验证，理清了复杂的历史脉络。

人机联手，准确率超过各自单打独斗

测试中，历史学家认为 Aeneas 给出的关联文本有 90% 具备实用价值，能直接作为研究起点。在关键考证任务中，AI 让专家的判断信心提升了 44%。

在断代测年上，Aeneas 的预测与历史真实区间的差距缩小到了 13 年以内。而在文字复原和地理出处判定上，历史学家配合 Aeneas 拿出的成绩，同时超过了专家单干和纯 AI 运作。

DeepMind 已经把 Aeneas 的代码和 LED 数据集开源，并在 predictingthepast.com 上线了免费交互工具，供学者和师生使用。

为什么重要

对从事古典学、考古和历史教学的研究者来说，Aeneas 是一个极其实用的助手。它不是要取代学者的考据，而是把原本需要耗费数月在古籍库里人肉翻查、找类似碑文的工作压缩到了几秒钟。特别是在处理那些字迹残损严重、不知道缺失字数的碎碑时，它能提供靠谱的假设供专家比对，显著降低了冷门铭文的研究门槛。

从技术路径上看，我们认为 DeepMind 这次走得很踏实。很多大模型在处理专业人文学科时容易产生事实幻觉，而 Aeneas 没有盲目生成一段宏大叙事，而是把核心精力放在寻找平行文本上，拿真实存在过的同类铭文作为证据链。这种提供线索、让人类做最终裁决的定位，比纯粹端到端的生成更让学术界放心。

不过隐患依然存在。训练数据中只有 5% 的条目配有图像，这意味着它的视觉推断能力在大部分冷门产地可能还不够稳健。此外，现存出土铭文本身就严重偏向帝国内部发达省份，AI 在推断偏远行省的物料时，仍有可能受到存世数据分布偏差的影响。但整体来看，它给 AI 进驻人文学科提供了一个非常清晰的协作范本。