Using LLMs to trace alchemical knowledge and decode 17th century letters
3 hours ago
- 前沿AI模型如GPT-6和Opus 5.5已进步到足以帮助解决实际历史问题，而不仅仅是完成研究辅助任务。
- 让历史学家与当前前沿模型协同合作，可在历史知识和阐释方面产生众多有意义的进展。
- 适用于AI处理的历史问题需要数字化数据、跨学科广度、可验证的解决方案，通常涉及密码学、文本溯源或连接不同领域的零散发现。
- 具体案例包括：Astra通过发现新的档案来源破译了1941年恩尼格玛密码消息，以及Opus在哈特利布的文件中识别出牛顿用字谜指代匈牙利矾。
- Astra对约翰·迪的加密手稿《罗阿伽斯之书》进行分析，发现其中大部分是无意义音节，但偶尔检测到编码指代，展现了其潜力与局限性。
- 需要系统性努力：对手稿进行数字化，为历史学家提供免费API访问和计算资源，并像数学领域那样协作确定历史学中的'千年难题'。
- AI能将研究问题扩展到超出任何个人知识范畴的领域，但若仅用于写作或替代原创思维，也存在认知卸载的风险。
- 作者计划调查历史学家，收集适合此方法的开放性问题，并邀请合作。