使用 LLM 追踪炼金术知识并破译 17 世纪信件
<p>我之前写过关于以及对于人工智能在增强历史研究方面来说，但自2024-25年以来，情况发生了重大变化。由于本周GPT-6 Sol和Opus 5.5的对抗发布，我想分享一些早期研究成果，他们不仅用于执行“研究助理”类功能，比如转录文档，更尝试解决现有的历史问题。</p><p>简而言之，将历史学家与当前的前沿模型结合起来，在我看来，将带来历史知识和解读的诸多进步。我猜这些进展可能会非常有意义。但直到去年，情况并非如此。<strong>我认为人工智能实验室、历史研究者和资助机构应该积极开展这些合作。</strong> </p><h3>寻找动力</h3><p>正如我们在数学领域所见，这些模型在拥有一套LLM通常描述为“可处理”的问题时表现最佳。换句话说：</p><p>• 该领域的专家是否已经识别出需要解决的问题？</p><p>• 回答这些问题所需的数据是否已完全数字化且可访问？</p><p>• 这些问题是否适合前沿AI模型的“尖锐”能力——即多语言推理、高级数学和/或通过大数据集或跨学科子领域自主开展研究的能力？</p><p>• 他们是否愿意接受需要编写定制代码的解决方案？</p><p>• 最重要的是：<em>潜在的解决方案能否被明确证明或否定？</em>（在我看来，最后这一点是为什么推理模型在数学领域盛行而在人文领域却不然的关键原因。）</p><p>上述因素意味着，前沿人工智能合理预期能够帮助解决的历史“未解决问题”类型相当有限：</p><ol><li><strong>任何涉及密码学和破译的内容</strong>（例如，参见以及一个，或者说</li></ol> 
评论
点赞
收藏
