Aeneas原本是古希臘神話中流浪英雄。

出現(xiàn)在7月24日Nature主刊的Aeneas則是一個多模態(tài)生成式神經(jīng)網(wǎng)絡，它能幫助歷史學家更好地解讀、歸屬和修復殘缺文本。

想象考古學家在歐洲發(fā)現(xiàn)了一塊刻有古代文字的銘文，文本殘缺不全、部分文字被風化或被故意破壞。

也沒有語境信息，這使得恢復、確定年代和定位這塊銘文的出處變得幾乎是不可能的，尤其是在比較相似的銘文時。

考慮到在羅馬世界，文字無處不在——從帝國紀念碑到日常用品，無不刻有文字。從政治涂鴉、愛情詩篇和墓志銘，到商業(yè)交易、生日邀請和魔法咒語。

圖1 由Aeneas修復的，公元113/14年來自薩丁島的青銅軍事命令，由皇帝Trajan授予一艘戰(zhàn)船上的水手

這些銘文為現(xiàn)代歷史學家提供了豐富的見解，揭示了羅馬世界日常生活的多樣性。

但也增加了考古工作的難度，考古學家需要依賴其專業(yè)知識檢索自身積累的數(shù)據(jù)庫，方可識別相似文本——這些文本在措辭、句法、標準化公式或來源方面具有相似性。

然而檢索相似的信息，為文章確定上下文，不就是生成模型適合的活嗎？

于是Aeneas出現(xiàn)了，它能夠跨越數(shù)千份拉丁銘文進行推理，在幾秒鐘內檢索出文本和語境相似文本，這樣的加速度，讓考古學家從檢索文本這項復雜且耗時的工作中解脫出來。

如今他們能快速地拿到對古代銘文的解釋，并基于模型的發(fā)現(xiàn)進行進一步研究。

圖2 Aeneas的使用界面

Aeneas的豐富功能

在Aeneas出現(xiàn)之前，2022年Deepmind推出了Ithaca，這是一個基于深度神經(jīng)網(wǎng)絡預測古希臘銘文年代，并補全缺失文本的工具。

Aeneas則更進一步，它能幫助歷史學家解讀文本，通過提供上下文，賦予孤立片段意義，從而得出更豐富的結論，并整合對古代歷史的更好理解。

具體來看，它在龐大的拉丁銘文集合中搜索平行文本。通過將每個文本轉化為一種歷史指紋，Aeneas可識別出文本間的深層聯(lián)系。

在年代和出處預測方面，Aeneas能夠將文本置于歷史學家提供的日期范圍內13年內，以72%的準確率將銘文歸入62個古代羅馬行省之一。

作為首個利用多模態(tài)輸入確定文本地理來源的模型。它可同時分析文本和視覺信息，例如銘文圖像。

不同于只能預測單個詞的Ithaca，Aeneas夠修復文本中缺失長度未知的段落。

Aeneas能以73%的準確率修復最多十個字符缺失的損壞銘文。當修復長度未知時，準確率也會有58%。

這使得它成為處理嚴重損壞材料的史學家的更通用的工具。

Aeneas不僅適用于銘文，還可以適應其他古代語言、文字和媒介，從莎草紙到硬幣，擴展其功能以幫助連接更廣泛的歷史證據(jù)。

想試用Aeneas的可登錄predictingthepast.com，以交互式使用。

作為開源軟件，中國的考古學家也可以調整Aeneas，讓Aeneas能夠用于解讀諸如西夏文，契丹文等失傳的中國古跡。

工作原理和典型案例

為了訓練Aeneas，Deepmind的研究者精心策劃了一個龐大且可靠的數(shù)據(jù)集，借鑒了數(shù)十年來歷史學家的工作成果來創(chuàng)建數(shù)據(jù)集，其中包括了古希臘和羅馬時代銘文的文本和圖像。

Aeneas使用了NLP領域的大殺器transformer來處理碑文文本輸入，并通過解碼器檢索相似的碑文，并按相關性排序。

對于每塊銘文，Aeneas的語境化機制使用一種稱為嵌入的技術檢索一系列相似物——將每塊銘文的文本和語境信息編碼成一種包含文本內容、語言、來源時間地點以及與其他碑文關聯(lián)性的歷史指紋。

圖3 Aeneas的架構，展示該模型如何接收文本和圖像輸入以生成省份、日期和修復預測

接下來看Aeneas解析古代文本的一個典型例子。

古羅馬皇帝奧古斯都以第一人稱成就記述《功業(yè)記》，這是古羅馬歷史中一塊著名的石碑，這份銘文由奧古斯都親自撰寫、是其自我夸耀的終身成就的總結。

文本中出現(xiàn)了對帝國夸張的描述、無關的日期和虛假的地理標志，而且學界對其撰寫的時間也存在爭議。

歷史學家們長期以來一直爭論這塊銘文的年代。Aeneas將所有碑文的模糊年代和來源特征進行語境化分析。

它捕捉到了拼寫和詞匯的線索，以及表明微妙政治意識形態(tài)和帝國歸屬的語言學細微差別。

其預測基于文本中提到的微妙語言特征和歷史標志，如官方頭銜和紀念碑。

通過將年代問題轉化為基于語言和上下文數(shù)據(jù)的概率估計。

有趣的是Aeneas并沒有預測一個固定的日期，而是產(chǎn)生了一個可能的日期分布的詳細情況，如圖4所示。

其預測呈現(xiàn)兩個明顯的峰值，一個較小的峰值出現(xiàn)在公元前10-1年左右，一個較大的、更自信的峰值在公元10-20 年之間。

這些結果說明Aeneas給出的預測是謹慎的，其反映了當前學者們意見的差異。

給出了兩個可能的日期范圍，而不是單一的預測，反而說明了Aeneas能夠歷史辯論提供了一種新的、定量的方法。

圖4 Aeneas對《功業(yè)記》年代歸屬預測的直方圖，該模型模擬了圍繞這一著名碑文年代測定所展開的學術辯論

近期，有不少將AI技術應用于考古領域的嘗試，從為無名老兵做面部復原，到博物館里對古人構建數(shù)字虛擬替身，AI在考古及歷史領域的應用值得關注。

去年復旦大學更是開設了「AI考古」的課程，華南理工大學深度學習與視覺計算實驗室（SCUT-DLVCLab）也曾推出的專注于古籍文言文處理的通古大模型。

面對中國浩如煙海的古籍古碑，未來的考古學家，或許更需要像Aeneas這樣的工具，來從海量數(shù)據(jù)中淘金。