歷史與AI的距離｜AI在古典學中的應用
2023年，高等教育（HE）領域的許多大學和政策組織都在努力制定在高等教育教學（T&L）中使用生成式人工智能的指導原則和指南。美國、英國和歐洲多所高校紛紛在課堂規定中加入了關於AI使用的規範和要求。教師們對AI的態度相差甚遠。有些老師完全不介意學生使用AI來輔助論文寫作，甚至對這種做法持開放態度，支持AI把學生從現代語言的束縛中解放出來，讓他們更多投入到問題討論中。同時也有學者嘲諷人工智能就是“人工弱智”，認爲它無法替代歷史學者的工作，但沒想到的是，AI已經悄無聲息地迅速更新換代，超越了一部分學者翻譯和整理古典語言資料的速度。幾個月前，DeepL還無法處理中文術語表，而現在這已經迅速改善。“senate”可以同時對應古老的元老院和現代的參議院，人工智能對語境的把握也使得術語翻譯更加精準。人工智能在古代語言材料的復原、翻譯、教學和研究中扮演的角色越來越重要，其效果也備受關注，國際會議和工作坊對此展開了熱烈的討論。
高校課程中對人工智能使用的規範與準則
如今，人工智能用於研究的可能性已超乎人們的想象。過去令人一籌莫展的焦炭紙草，如今已經無需手動展開就可探索其中奧妙。對於因公元79年維蘇威火山爆發而被掩埋、因高溫碳化而變得異常脆弱的紙莎草文獻，研究人員利用X射線斷層掃描技術對這些脆弱的卷軸進行3D掃描，隨後在3D圖像中精確追蹤並鋪平捲曲的紙莎草層。藉助先進的機器學習模型，這些複雜的文字得以被準確識別。“維蘇威挑戰”（Vesuvius Challenge）活動更是激勵參賽者結合三維繪圖與人工智能技術，檢測並破譯數字掃描後的赫庫蘭尼姆紙莎草紙卷軸片段中的墨跡與字母形狀。紙草學之外，學界對於將人工智能應用到史料檢索、古典語言訓練、古典文本破譯、翻譯與研究都有不同程度的探索。
維蘇威火山挑戰賽中使用的兩個卷軸 圖片來源：維蘇威火山挑戰賽
史料檢索
https://humanitext.ai界面
日本學者近期推出了名爲Humanitext Antiqua的新型人工智能對話系統。該系統目前正處於試用期階段，可免費供用戶體驗。Humanitext Antiqua旨在爲古典研究領域的學者及研究人員提供一個不可或缺的輔助工具。截至目前，Humanitext Antiqua已涵蓋22位西方古典作家的全集，總計約400篇文本。平臺覆蓋的作者與作品數量仍在持續擴展。這一系統的趣味性在於，讓學者與古典文本進行對話。藉助強大的上下文搜索功能和基於對話的交互模式，用戶能夠直觀地深入探索並分析古典文學作品。目前研發團隊仍在努力，致力於進一步提升檢索增強生成（RAG）技術和上下文搜索功能的精確度。不過，在實際試用過程中，用中文提問給出的檢索文獻不盡如人意，使用英文對話的結果則更爲可觀。儘管數據庫給出檢索史料的英譯文，卻沒有提供古希臘語原文、版本和譯者信息，因此只能在整理材料時供參考，無法直接引用。
Humanitext Antiqua的新型人工智能對話系統
Humanitext Antiqua的新型人工智能對話系統
文本研究
AI在古典文本研究中的應用方式十分多樣，覆蓋了文本數字化、文字識別、殘缺文本復原、文獻定位（年代、空間、作者）、文獻語言分析、文本校勘、文獻翻譯等諸多方面。在語言分析過程中，在文本中定位單詞或字符邊界的過程（Tokenization）和識別句子邊界（sentence segmentation）有助於實現古代語言分析的自動化。然而，語言和書寫系統的模糊性和多樣性爲這兩項工作帶來不少挑戰。將AI用於作者風格分析、文本譜系分析和互文分析則進一步爲文本校勘提供參考。除此之外，AI對於文本闡釋也並非毫無價值。情感分析（Sentiment analysis）致力於從文本中提取主觀信息和情感狀態，而BERT技術（Bidirectional Encoder Representations from Transformers）的引進對此大有助益。
目前已經有學者嘗試以計算語言學來進行荷馬史詩的語言研究。John Pavlopoulos等學者使用基於字符的統計語言模型來分析《伊利亞特》、《奧德賽》與荷馬頌詩之間的語言相似性和差異，通過語言模型提取了文本中的各種特徵，如詞頻、詞序、語法結構等，由此認爲荷馬史詩很可能是由多個作者共同創作的，而非單一作者。計算機分析得出某些書卷之間的語言相似性很高，而另一些則相差甚遠。獻給阿佛洛狄忒頌詩的語言與《伊利亞特》和《奧德賽》較爲接近，而獻給赫爾墨斯的頌詩則相差較遠。統計語言模型能夠高效地將《伊利亞特》和《奧德賽》中的段落進行分類，且與學者分類結果相似。與傳統的基於詞彙的語言模型相比，字符級語言模型能夠更好地捕捉語言的細微差異。
古典語言教學
Edward Ross在國際工作坊中介紹了在古代語言課程中使用生成型人工智能的教學經驗。他和他的實驗團隊展示瞭如何運用ChatGPT4o、Copilot、Gemini和Claude等AI模型來設計古希臘語、拉丁語和梵語等古代語言的教學練習。例如，要求AI快速生成詞彙測驗、古典文獻翻譯、閱讀理解題目、圖像和聲音。以《伊利亞特》與維吉爾的《埃涅阿斯紀》作爲教學示例，Ross要求不同的AI系統分別爲經典文段設計閱讀理解題和古希臘語法題。
對於維吉爾《埃涅阿斯紀》的拉丁文，GPT能夠提出相應的問題。然而，在處理《伊利亞特》的希臘語時，GPT提出的閱讀理解問題較爲模糊。於是，Ross進一步要求GPT提供語言學習方面的具體問題。Copilot每天雖然僅免費回答四個問題，但其設計的題目質量較高，並且能夠給出參考答案，這在教學輔助中極具價值。不過，如果嘗試讓它模仿西塞羅撰寫拉丁語散文，可能會遇到嚴重的詞彙選擇問題。值得注意的是，Copilot的提問能力可能超越給定的文本範圍，有時會基於對整個《伊利亞特》的理解來提出問題。這在一定程度上展示了其對於歷史語境把握不足，而只能給出背景性的問題。Claude免費版本提供的問題則顯得不太實用。Gemini則能夠閱讀希臘語，並能提出一些基礎性的問題，但這些問題往往不夠具體細緻。若要求它針對特定細節提問，Gemini會轉向希臘語語法層面的問題，而較少涉及段落內容的文本闡釋。
目前國內古希臘、拉丁語教學課程對於古典語言的寫作訓練（Composition）的要求或許還不算高，大部分高校的語言課程以閱讀爲主。如果需要進一步提高語言水平，古典語言寫作的練習也十分重要。當我們給出一個古典學家相關的話題，要求AI進行寫作訓練，GPT在收集信息的準確性和語言風格變化等方面的表現遠遠超過Gemini。
GPT普通版拉丁語芬利簡介
GPT西塞羅文風版拉丁語芬利簡介
詩歌文本翻譯
古典文本中，散文的翻譯難度小於詩歌。儘管AI可以自動識別較爲清晰的古希臘語截圖，但對詩歌的翻譯仍不盡如人意。在這方面，Claude3.5無法翻譯出詩歌的韻律。免費版GPT中文譯文表現則不如Gemini，缺乏還原詩歌韻律的意識，即使給出體現詩歌文風的指令，中譯文也不工整。
古希臘原文
GPT 4.0
GPT 4.0
GPT 3.5
Gemini不僅會給出譯文，還會逐行給出評註。
在古典語言教學中，Gemini的優勢在於：首先，相較於GPT3.5，Gemini的詞彙量更大。這使得它能夠爲學習者提供更豐富和準確的詞彙學習資源。在生成閱讀理解題目和進行語法分析時，Gemini展現出較爲完整和系統的能力，其題目設計既基礎又具有一定的挑戰性，非常適合本科生等初學者羣體，有助於他們逐步掌握古希臘語語法結構和閱讀能力。
目前，部分國內高校無法同時開設古希臘語和拉丁語的課程，學生也可能沒有充分的時間和精力同時兼顧兩門語言課。面對學過其中一門語言，但又需要保持熟練度的同學，Gemini等AI可以輔助古希臘語和拉丁語的交替複習。
語法知識點解釋：
Gemini一個顯著的劣勢在於它暫時無法有效處理殘篇、銘文以及通過OCR（光學字符識別）技術從圖像中提取的古希臘語文本。殘篇往往因爲保存狀況不佳、書寫風格各異或存在模糊、斷裂等問題，難以自動識別和分析。Gemini在這方面的不足，限制了其在某些特定研究領域的應用範圍。
文字識別方面，Gemini對於圖片中的拉丁語文字識別較爲有效，但對於照片中的古希臘語則相對較弱。但Gemini就像善良的路人一樣，在無法回答問路人尋求的具體方向時，依然嘗試向路人提供一些別的幫助，例如給出相關的語言學習資源和軟件。但AI的識別能力提升速度十分迅速，僅僅在初次提問的2個月後，Gemini已經能給出較爲粗糙且存在錯誤的答案了。（Μή γὰρ τοῦτο τὸν γ᾽ ὡς ἀληθῶς ἄνδρα ἐάτεον ἐστί.）GPT給出的識別結果也同樣不完全準確。（Μὴ γὰρ τοῦτο τόν γε ὡς ἀληθῶς ἄνδρα ἐάτεον ἐστίν.）
對於教師而言，AI目前對於古代語言的教學還算不上具有顛覆性，不過是錦上添花，能豐富課堂的趣味性，協助設計和批改課程作業。在少許歐洲高校將教室現代化的過程中，教室的黑板佔據的空間越來越小，甚至消失了。這在一定程度上也影響了傳統的課堂板書。甚至有語言專業的課堂由於黑板太小，教師改爲用投屏的方式以電子筆進行批註和輸入來呈現板書。如此一來，AI的自動聯想輸入有助於提升電子化課堂學習的效率。
對學生而言，AI目前的弊端也不可忽略。不少學生向AI提問單詞含義之後不再翻查字典。在文本語境缺失的情況下，用AI來查單詞暫時是不可取的。不過，近期嵌入瀏覽器的的AI能夠更好地解決這一問題，通過閱讀網頁內容更準確地提供詞彙的含義。首先，不少AI由於缺乏詞典數據的支持，目前仍然不足以支持閱讀多種詩歌文本。對於複雜的多方言文本，AI無法準確識別難度較大的詞形變化，時常給出錯誤的詞彙含義。其次，AI給出的單詞義項較爲單一，且缺乏常見用法與文本的展示，這對於學生的詞彙積累十分不利。與此同時，詢問AI單詞含義使得學生不再思考古希臘語詞形變化的規則。如果不要求AI提供古希臘語的詞彙原形，學生也喪失了記住單詞的機會。
銘文識讀與翻譯
如果說古典語言散文的翻譯相對較爲容易，具有格律的詩歌較爲困難，AI對於碑銘、紙草等殘篇的解析能力又如何呢？AI似乎能較爲輕鬆地處理簡單且已經具有現代語言譯文的希臘拉丁銘文殘篇。我們可以在Chrome等瀏覽器中嵌入Sider，這樣一來，打開碑銘文本https://epigraphy.packhum.org/等網站之後，用鼠標勾選文本，Sider能夠即時開啓對銘文的翻譯工作。
銘文識讀與翻譯
Sider Fusion用於希臘銘文翻譯示例
遺憾的是，將免費AI用於在碑銘訓練時，大小寫的轉換則不盡人意。當我們要求Sider把希臘語小寫文本轉化爲大寫希臘字母時，結果出現了ΗΩ等字母的轉化錯誤和局部失敗。而且，承載着銘文的石碑本身所具有的物質屬性和字母形態是AI轉換的文本無法呈現的。因此，在碑銘學課程中，使用傳統的圖片來進行轉寫練習更爲可靠。
當沒有古代語言基礎的學生練習史料檢索、篩選一篇碑銘是否爲所需史料時，AI的譯文或許可以派上用場。不過，在研究中進行銘文翻譯仍然無法脫離人工校對。在涉及跨行和破損嚴重的殘篇時，AI的翻譯不盡如人意。即使面對較爲完整簡單的榮譽銘文，AI的翻譯也時常存在一些問題。
Sider與學者的銘文翻譯比較
碑銘文本具有高度程式化的表述，AI處理較爲簡單的喪葬銘文和榮譽銘文基本不在話下，但面對較爲複雜的法令銘文，尤其是殘篇，其翻譯表現則有待提升。目前國內的古代史教學中，有條件開設碑銘學課程與訓練的高校仍屬少數。對於沒有現代語言譯文的碑銘史料，許多學生幾乎不會嘗試去探索和使用。但若沒有古代語言的基礎，學生也不具備校對AI譯文的能力，在這種情況下藉助AI的銘文譯文也是十分危險的。或許，目前AI翻譯碑銘與紙草的能力能爲學生的論文寫作增添一個史料的腳註吧。
如果說AI在碑銘翻譯方面爲研究帶來便捷，能夠提升初學者瀏覽和整理史料的速度。那麼DeepMind開發的Ithaca項目對古希臘銘文的破譯與研究的推動則更具革命性。早在2019年就出現了Pythia這一利用深度神經網絡從受損文本輸入中恢復缺失字符的古文字修復模型，將最大的古希臘銘文庫PHI轉換爲機器可操作文本（PHI-ML）。而Ithaca項目不僅能夠修復殘缺的銘文，還能爲碑銘的銘刻時間與地理位置提供參考。值得注意的是，Ithaca的輸出結果並非單一答案，而是提供多種可能性，這爲研究者提供了豐富的參考與借鑑方向。
然而，數據庫的封閉性減緩了AI學習能力的提升速度。目前Ithaca項目的數據庫主要依賴於希臘銘文公共數據集（例如The Packard Humanities Institute’s Searchable Greek Inscriptions），對博睿出版社最新的《希臘銘文補編》（SEG）和碑銘學年鑑（AE）等最新數據未能全面納入。開源問題一旦不復存在，Ithaca應用很可能成爲未來碑銘學教學中不得不加入的實踐環節。
碑銘學的數字化也成爲近年來學界討論的一大議題。第九屆Epigraphy.info研討會將於2025年4月2日至4日在丹麥舉行。該會議由過去的社交網絡項目和奧胡斯大學歷史和古典研究系的實驗室主辦，將數字銘文的研究人員和愛好者聚集在一起，討論當前趨勢和問題（參閱https://epigraphy.info/）。
用AI可能會錯過什麼？
在依賴AI的過程中，閱讀古典語言本身的快樂和痛苦則可能被校對譯文準確性的煩勞取代。對於還未掌握古典語言和現代語言的學生而言，偷懶取代了熟悉詞形變化和方言變化的學習機會。高效率和機械化的工作方式可能會打破漫遊古代世界的閒暇感，這或許是這個時代選擇古典學的人們一直試圖抵抗的洪流。
在閱讀碑銘的過程中，觀察字母形態的變化、刻寫方式的變化、銘文的物質特徵都是讓讀者津津樂道的事情。相比一鍵生成的AI譯文，在“放慢速度”翻譯銘文的過程中，審視既往校勘文本的讀者也可能突然眼前一亮，意識到舊版本的錯誤，併爲這一微小而無用的發現而欣喜若狂。漫遊在碑銘博物館中欣賞形形色色的石碑，一位學者可能突然意識到眼前的殘碑是另一組殘片的一塊。遺失已久的拼圖終於再現完整面貌。這種在場感和成就感也是用AI拼合銘文圖片無法感受的快樂。
現代AI工具如此便捷，不少碑銘學家對此或許也只是一笑置之。因爲在希臘羅馬的碑銘中自如穿梭，在辦公室裡一邊翻轉角度審視碑銘照片，一邊撓頭破解藏匿在腐朽碑面隱隱約約的一個個字母痕跡，拼湊出完成的碑銘全貌，亦是誰也無法剝奪的研究樂趣。