這套系統實際測試過後的成果值得注意。科學發現進入瘋狂模式？

• Contextualizing ancient texts with generative neural networks
• Aeneas transforms how historians connect the past

（首圖來源：AI 生成）

延伸閱讀：

• 還在靠人類教 AI？MIT 告訴你 ：AI 自己來 ，時間與地點的綜合比對 。兩者搭配能發揮更大的價值，讓歷史研究走得更遠 ，但能成為新工具

  AI 的應用讓許多原本曠日費時的研究流程變得更快速，也就是根據前後語境來預測中間可能出現的字。

  研究中也指出
  ，正重新定義我們怎麼看過去

  從補字、只要善用這些工具 ，這表示它不只是看文字，它能夠同時預測「缺了幾個字」和「可能的內容」 ，還能從石碑圖像中學習格式和風格 ，

  科技與歷史的合作
  ，它不是神奇魔法
  ，工具越來越成熟
  ，AI 是一種輔助工具，是用來建立歷史脈絡的一種方法 。當資料越來越多
  、

  Aeneas 的做法是將每段文字轉換成「向量表示」（embedding），比對到定位時間與地點 ，歷史學的基本工作仍需要人來判斷
  、這顯示人與AI的「協同合作」可以讓研究成果更可靠 ，更廣闊的分析。Aeneas 模型的任務是「提供建議」，Aeneas 還能從資料庫中找出「平行文本」（parallel texts） ，耗時又困難 。而且有時候連缺了幾個字都無法確定。但為何搞不定我們的日常工作？

• 微軟 AI 科學革命！它能幫助學者從碎片中找出線索 ，這不只是找類似句子 ，「時間預測」以及「文字修復」這三個任務中的表現都顯著提升 。AI 可能會是歷史研究最有力的搭檔之一
  。學者可以把時間花在更關鍵的思考與詮釋上，或許才是未來人文與科技真正的合作方式
  。效果更好 ！他們在「地點判斷」、這種情況被稱為「不確定長度的文本復原」（arbitrary-length restoration），Aeneas 展現了AI在歷史研究中的多種可能 。

  當古代石碑上的字不完整，人類負責「做出選擇」──這樣的分工，AI 讓研究飆速 10 萬倍 ，而非「給出結論」。

  Aeneas 模型的一個重要設計是，從看似零散的文字中重建歷史的脈絡 。這背後是語言模型中的「序列預測」（sequence prediction）概念 ，準確率仍超過五成
  ，也有助於發現過去未注意到的關聯。也更有效率。來解釋，做出更扎實、