DeepMind 推出 Aeneas：破譯古羅馬殘損石碑，人機協同反超專家

羅馬帝國留下的石碑、陶片和金屬牌多達數十萬件，但落到今天曆史學家手裡的，大半是缺字少行、年代不詳的殘片。面對一塊碎裂的石碑，學者以前要跑遍圖書館，全憑記憶或死板的字元比對，在浩瀚文獻裡尋找相似句式。

現在 Google DeepMind 打算用 AI 來接手這一步。DeepMind 聯合英國諾丁漢大學、牛津大學、華威大學以及雅典經商大學，在《Nature》上發表了最新的多模態生成模型 Aeneas。這是他們繼古希臘語模型 Ithaca 之後的新作，專門用來解讀、還原和定位古羅馬時期的拉丁語銘文。

讀得懂殘卷，還能看照片辨出處

每年考古人員新出土的拉丁文銘文大約有 1500 條。過去的研究工具大多隻能死板地搜尋完全相同的字詞，一旦殘損面積過大，或者遇到大量縮寫，機器就無能為力了。

Aeneas 換了一種思路。研發團隊整合了羅馬銘文資料庫（EDR）、海德堡銘文庫（EDH）和 Clauss-Slaby 資料庫，清洗出包含 176861 條銘文、跨越西元前 7 世紀到西元 8 世紀的統一資料集 LED，字數超過 1600 萬。

面對這些資料，Aeneas 帶來了兩項關鍵突破。第一是任意長度的補全：以往模型只能在已知缺失字數時填空，Aeneas 則第一次做到了哪怕不知道缺了幾個字母，也能推斷修補。

第二是引入多模態。機器不僅讀文字轉錄稿，還會直接分析石碑的照片。它能把文字樣式、石材質地和影像資訊結合起來，據此推斷這塊碑最早刻在哪個行省。

更核心的是它找「平行文本」的能力。Aeneas 把每條銘文壓縮成類似歷史指紋的向量，幾秒鐘就能撈出用詞習慣、語法或文化背景相似的文獻，甚至拿奧古斯都大帝著名的《功業紀》（Res Gestae Divi Augusti）做驗證，理清了複雜的歷史脈絡。

人機聯手，準確率超過各自單打獨鬥

測試中，歷史學家認為 Aeneas 給出的關聯文本有 90% 具備實用價值，能直接作為研究起點。在關鍵考證任務中，AI 讓專家的判斷信心提升了 44%。

在斷代測年上，Aeneas 的預測與歷史真實區間的差距縮小到了 13 年以內。而在文字復原和地理出處判定上，歷史學家配合 Aeneas 拿出的成績，同時超過了專家單幹和純 AI 運作。

DeepMind 已經把 Aeneas 的程式碼和 LED 資料集開源，並在 predictingthepast.com 上線了免費互動工具，供學者和師生使用。

為什麼重要

對從事古典學、考古和歷史教學的研究者來說，Aeneas 是一個極其實用的助手。它不是要取代學者的考據，而是把原本需要耗費數月在古籍庫里人肉翻查、找類似碑文的工作壓縮到了幾秒鐘。特別是在處理那些字跡殘損嚴重、不知道缺失字數的碎碑時，它能提供靠譜的假設供專家比對，顯著降低了冷門銘文的研究門檻。

從技術路徑上看，我們認為 DeepMind 這次走得很踏實。很多大模型在處理專業人文學科時容易產生事實幻覺，而 Aeneas 沒有盲目生成一段宏大敘事，而是把核心精力放在尋找平行文本上，拿真實存在過的同類銘文作為證據鏈。這種提供線索、讓人類做最終裁決的定位，比純粹端到端的生成更讓學術界放心。

不過隱患依然存在。訓練資料中只有 5% 的條目配有影像，這意味著它的視覺推斷能力在大部分冷門產地可能還不夠穩健。此外，現存出土銘文本身就嚴重偏向帝國內部發達省份，AI 在推斷偏遠行省的物料時，仍有可能受到存世資料分佈偏差的影響。但整體來看，它給 AI 進駐人文學科提供了一個非常清晰的協作範本。