我此前写过 AI 在辅助历史研究时的陷阱和用例，但自 2024–25 年以来，情况已经发生了显著变化。本周 GPT-6 Sol 和 Opus 5.5 针锋相对地发布，借此机会，我想分享一些早期结果——用这些模型不仅做转录文献之类的“研究助理”工作，还尝试真正解决现存的历史问题。

一句话总结：在我看来，让以协作小组形式工作的历史学家搭配当前的前沿模型，会在历史知识与阐释上产生大量进展。我猜其中不少可能相当有意义。就在去年，这还做不到。我认为 AI 实验室、历史研究者和资助机构应该开始积极推动这类合作。

找到着力点

正如我们在数学领域看到的那样，这些模型表现最好的时候，是面对一组 LLM 总会称之为“可解”的问题。换句话说：

• 该领域的专家是否已经确定了一批有待解决的问题？

• 回答这些问题所需的数据是否已完全数字化并可获取？

• 这些问题是否契合前沿 AI 模型那些“尖峰式”的能力——即多语言推理、高等数学，以及/或者通过大型数据集或跨学科子领域开展自主研究的能力？

• 它们是否适合用编写定制代码的方式来解决？

• 最重要的是：一个可能的解答能否被清晰地证明或证伪？（在我看来，最后这一点正是推理模型在数学领域大行其道、在人文学科却并非如此的关键原因之一）。

上述因素意味着，前沿 AI 有望帮上忙的那类历史学“开放问题”相当有限：

任何涉及密码学与破译的内容（例如，参见 Astra 破译 1941 年一封德军通信和一战德军无线电密码，或 Daniel Bourdeau 在这方面所做的工作，又或者我自己尝试用 GPT-6 Astra 弄清伊丽莎白时代的神秘学家 John Dee 那本加密魔法书 Liber Loagaeth 到底是怎么回事）。
追踪文本在翻译与改编中的流变。 举个例子，我用 GPT-6 Astra 确定了 Isaac Newton 从一部法语炼金术文本自由译成拉丁文的一段话的出处，这一确认_似乎_此前从未有人做过。1
在仅见于零散或冷门子领域、或尚未被纳入学术研究的既有发现之间建立联系。

最后这一项，或许会成为这些工具为历史研究者开辟出的最有影响力的新方法。举例来说，如果你读过那篇记录——Astra 破译了 1941 年 7 月 10 日一份始终未被破解的 Enigma 密电——就会发现，真正的突破与破译本身毫无关系，而在于_注意到了当时可获取的全部信息范围_。历史密码学研究者 Frode Weierud 写道：

我们仍在分析 GPT–6 Astra 的日志，以弄清它究竟是如何完成这次破译的。而我们正在发现一些惊人的细节。2026 年 7 月，我在那个载有 1941 年密电清单的网页上发布了如下公告：注：2026 年 7 月，德国联邦档案馆的研究发现了若干无线电报文汇集，既有加密的，也有明文的。其中一批报文来自党卫军“骷髅”师的后勤指挥部，即 Nachschubführer。这些报文中许多是发往 Ib （Quartiermeister）电台的，与本清单中的报文完全相同。另一些则是新发现的，但很可能与之相关。这些新报文已以粗体加入 1941 年密电清单，并在报文编号后标注 NF（Nachschubführer），表示这些编号属于 NF 编号体系。所有 NF 报文均为发出报文；因此，其报文编号以蓝色显示。看来 GPT–6 Astra 发现了这条关于德国联邦档案馆所藏无线电报文汇集的注释。

这条注释引人入胜之处在于，即便是顶尖的人类专家，也并不完全清楚 GPT-6 Astra 在汇集这些零散信息并借此找到解法时究竟做了什么。Weierud 写道：

GPT–6 Astra 提到的文件编号 RS 3–3/20a 和 RS 3–3/63b 是正确的，但它们并不在 Crypto Cellar Research 网站上。GPT–6 Astra 提到了一份私人收藏，但目前不清楚这究竟是什么，也不清楚它是成功访问了联邦档案馆的数字化馆藏，还是在别处找到了这些文件。

和 Hugging Face 那次事件如出一辙：只要模型认定某个问题可解，它就会执拗到底，把可能的解法一路推到自己能力的极限，而它走过的路径往往连人类专家都难以追溯。

现在能做些什么

上文提到，我曾试着用 GPT-6 Astra 去「破解」John Dee 那部加密手稿 Liber Loagaeth。Dee 是我最喜欢的历史人物之一，如果你没听说过他，建议看看他的维基百科页面——他的经历古怪离奇，怎么讲都讲不完。据说《暴风雨》里那位魔法师 Prospero 和 Christopher Marlowe《浮士德博士》里与魔鬼做交易的 Faust，形象都受到过他的影响。

Marlowe《浮士德博士》1620 年版扉页木刻。Dee 相信自己是在与天使交谈，而非魔鬼。

Dee 这一生本就够离奇，其中最离奇的一段，是他与「水晶凝视者」Edward Kelley合作，记录下他所谓的「奥秘之书」——用「天使的语言」写成（Dee 相信 Kelley 实际上是一位先知，正在接收以密码写就的新的神启）。这本书的完整转写见此处。

Astra 的结论是：这本所谓的密码书根本没有加密，几乎全是无意义的音节。考虑到 Kelley 显然是个骗子，这个判断说得通。它把分析结果写成了一份报告。

不过，模型的分析确实得出了几处有意思的东西。比如，它把字符在文本中重复频率的数学分析，与 John Dee 日记中的记载做了交叉比对，得出结论：Kelley 从某个具体日期之后越来越偷懒，重复自己的内容也越来越多：

Astra 还发现，这一大堆看似胡言乱语的内容里，有一段确实编码了含义：其中提到了 Bornogo——在我们可以称为「John Dee 电影宇宙」的那套自创神话体系中，Bornogo 是天使之一。

这是 John Dee 研究领域的重大突破吗？不是。而且值得承认的是，即便在这样一个冷门历史子领域取得了真正的突破，也远不能和解决 Navier-Stokes 问题相提并论。

但——我认为，这类事情确实表明，专家的历史知识加上前沿模型和大量算力，可以产出意想不到的结果。

三个简短的案例研究

我最初把 Astra 和 Opus 5.5 扔去挑战寻找更多二战和一战时期的加密信息来破译，但这里低垂的果实似乎已经被摘完了——它们一无所获（不过看它们在德国部队名册里翻找、挑出可能的人名去核查，倒是很有意思）。

达尔文的猴子尾巴

当我回到自己的专业领域——科学史和医学史——之后，结果开始变好。写这篇文章时，GPT-6 正在通读 Charles Darwin 的著作，检索他提到自己从哪里搜集与自然选择有关的材料；目的是找出 Darwin 与其信息提供者之间知识链条上尚未被发现的环节。有意思的是，这个想法是 GPT-6 自己提出来的。不过，它其实很符合我作为专业研究者的直觉：用这批材料，什么才算得上一个值得做的研究项目（就潜在产出而言，大致处在研究论文和博士论文之间的某个位置）。过去，AI 模型在我看来缺乏这种能力——无法独立构想出这个量级、又值得做的历史研究项目；它们更擅长的是比如做数据可视化。

下面是模型推理轨迹的一个例子，它在考虑是否要继续追查 Darwin 某本笔记里提到的一处袋鼠喉部！

GPT-6 Sol 放弃袋狸，转而研究“关于抓握型猴子尾巴最初阶段的一个异议”。

这一项仍在进行中，尚未得出任何称得上决定性结果的发现，但我认为它是一个很好的例子，说明历史研究者和档案工作者——也就是那个出色的 Darwin Correspondence Project 背后的团队——极其耐心、协作式的工作，如何能为新兴研究方法提供基础。人类当然能够、也确实追溯过达尔文笔记和书信中那些_具名_人物的引用，但语言模型的多语言特性让我猜想，它们能在这里找到新的关联，尤其是在任何单个人都无法完整阅读的超大规模原始资料库中。

追溯炼金术知识的传播

另一个很好的候选对象是 Samuel Hartlib 的文件。他自称“情报人”（intelligencer），是 Royal Society 早期有影响力的成员，也是早期现代科学网络中的关键节点。这些文件已完全数字化，来源涵盖多种语言，横跨广泛的学术领域和思想圈层。这一切意味着它们对前沿模型来说异常易于处理。

Opus 5.5 着手从 Hartlib 的档案中下载了 5,000 多份原始资料文件，随后创建子代理，在 Google Books 和其他档案网站中翻查，以跨语言交叉核对 Hartlib 那些来源不明的信息。目标是找出 Hartlib 从匿名或未具名来源获得重要科学信息的时刻，然后查明其身份。

在我写这段话时，Opus 其实还在处理这项工作，但一份初步报告已经写好了，见这里。在我看来，其中的主要发现是真实且有意义的。绝谈不上惊天动地，但属于那种我能想象自己花一周时间去研究的成果。

你注意到关于变位词的那部分了吗？这正是这些模型的推理/数学能力发挥作用的地方：Opus 5.5 注意到，Newton 和 Hartlib 对关键成分——匈牙利硫酸（Hungarian vitriol）——使用了_不同_的变位词/代码。这种编码语言在早期现代炼金术中很常见，但我自己肯定永远不会注意到。Opus 解释说：

牛顿那条是真正的变位词。“Vltimorui”恰好用上了 vitriolum（v-i-t-r-i-o-l-u-m）的全部字母，只是重新排列过。牛顿文集的编者就是这么认定的。哈特利布那条则更接近倒写，而且连倒写都不完全工整。 把 Miloirtiua riciragnun 两个词逐字母反转，得到：Miloirtiua → auitriolim，接近 uitriolum（即 vitriolum）；riciragnun → nungaricir，接近 ungaricum。

我觉得这有点牵强，但它进一步澄清了问题——它给出了当年为向17世纪读者解释此处而写下的那条具体页边批注：

你可以在左侧页边看到潦草写下的“vitriolum angaricum”

所以 Opus 在这里认出的不只是一个关键炼金原料的变位词，更重要的是，牛顿和哈特利布都为它用了变位词，二者之间存在对应。 再加上两人描述的用量相同、文本之间还有其他吻合之处，在我看来，这足以有力地证明哈特利布的手稿正是牛顿所依据的那一份。

据我所知，这确实是个新发现；考虑到牛顿的历史地位，它或许值得发表，尤其是如果能用同一路数的其他发现把它充实起来。

破译近代早期的密码信件

最后一个案例：就在我写这篇文章的时候，Opus 5.5 部分破译了两封16世纪西班牙语信件，它们用的是查理五世皇帝的密码：

问题在哪？两封都早已被破译过了！其中一封在写作当时的1530年代就已解密，明文就写在密码页之后的几页上。另一封，在 Google Books 上翻查一番后，发现1916年就已破译。

这很好地说明了专业知识和“案头查证”有多重要——在历史密码学上我完全是个外行，本可能再白白花上几个小时，重复一位严谨学者一百多年前就做完的工作。与此同时，这也是个绝佳的测试案例，可以确认 Opus 5.5 确实有能力做这类工作，因为它在找到1916年那份“黄金标准”明文之后，能够验证自己的解读是正确的。下面是 Opus 为此制作的一张图表，以及它为这项工作建的一个完整网站，附有说明：

这里值得再次一提：Daniel Bourdeau 有一个非常出色的网站，专门收集历史密码学领域的开放问题，并记录他自己尝试用这些模型去解决它们的过程。做这类事情，那是一个很好的指南。

接下来做什么？

显而易见的下一步，不是让像我这样的人每周耗掉自己的 Codex 和 Claude Code 额度，用这种零散的方式东戳西探。它应该是一项系统性的工作，建立在历史学家、档案管理员和其他研究者之间的协作研究与信息共享之上。我认为，各大 AI 实验室和基金会是时候开始资助并支持这项工作了。

为什么？前沿模型目前能完成的很多事情，_正是因为它们能够获取公开的一手资料。_它们能在比如破解 Enigma 密码上取得突破，是因为大量志愿者投入精力把这些文件转录并放到网上，也因为人与人之间进行了大量协作，确定了该问什么问题、问题究竟是什么。

就目前而言，历史研究、档案以及相关领域（比如考古学）的成果，会比我们在数学领域看到的零散、有限得多。这一部分取决于这些模型认为什么问题是可解的，而且数学证明与历史知识的积累方式确实有着根本的不同。但我认为，有三项关键举措能推动这个领域走向真正的突破：

图书馆与档案馆跨机构协作，将无法获取的历史手稿数字化，并免费公开。 在我的测试中，瓶颈一再被证明是_档案文件的获取_。这些文件往往已经数字化，但除非你有特权访问权限，否则拿不到。放宽这些限制会有很大帮助，但更重要的是要记住：绝大多数前现代历史手稿至今仍未数字化。这是一个非常可解决的问题，只需要机构层面的意愿和资金。
为历史学家提供免费的 API 访问/算力。 我可能是错的，但我认为没有人真正知道，当中等乃至大量算力（数百到数千个 agent 的量级）投入到活跃的历史问题上时，会发生什么。
历史学家可以联合起来，像数学家那样确定“千年问题”。 这里我要澄清：历史学术中的重大争论，与“解决问题”或“证伪定理”其实没什么关系——再说一次，历史在这一点上与数学或物理有着根本的不同。历史学家热衷并为之投入整个职业生涯的，往往是解释和主观分析的问题，根本没有单一的“解答”。但是——也确实存在一些真正的谜团，只要投入足够的关注和资源，就有可能被解开。John Dee 的 Liber Loagaeth 就是其中之一：它编码的信息是否比 AI 找到的那一小段更有意义？很有可能——我们现在只是不知道。著名的 Voynich 手稿可能是另一个，尽管我个人认为它很可能根本不含语义信息（我的理论是，它出自一位患有书写狂的早期现代人之手）。此外还有 Linear A，还有所有仍未破译的历史一手资料，等等等等……

这一切让我很感兴趣，于是我打算给研究历史的朋友和同行发邮件，做一次非正式调查：他们认为历史学中哪些“开放问题”最适合用这种方式来处理。整理出的清单会以网页列表的形式公开。如果你想参与，请联系我：

给我发邮件

显然，这些模型还会在历史密码破译上带来更多进展。但我真正关心的是，这套通用技能还能揭示出哪些_额外的_历史知识形态。换句话说，是实际密码学_周边_的问题空间。

就我个人猜测，涉及来源、引文（包括此前未被发现的历史抄袭案例）以及跨语言、跨体裁的影响等问题，会是前沿模型最终最有用的地方。

但这正是汇集历史学家和档案工作者的专长、并直接听取 AI 研究者意见最有帮助的地方。历史知识有太多分支通向冷门方向，一个人不可能真正知道该问什么问题。

举个例子，GPT-6 Pro 过去几个小时一直在啃一部 17 世纪梵文天文学文本（天文学家 Bhāskara 的 Karaṇakesarī[https://journals.library.ualberta.ca/hssa/index.php/hssa/article/view/3]），试图重建 Bhāskara 用来建模日食的算法。

这在历史学上真的有用吗？我_完全不知道_。

而这_恰恰_是我觉得这些工具有意思的原因，尽管它们给我们的生活带来了种种合理的社会担忧和存在性焦虑。

AI 如果被用来写作，或替代原创思考，确实会助长有害的认知外包。但当它被用来把研究问题扩展到任何单个人所能知道的视野之外时，它做的是另一件事——至少我觉得，这件事能拓展思维、激发好奇。我认为值得看看它会通向哪里。

每周链接

• 本月早些时候公布的 80 项 Cosmos Institute 资助中，我有幸获得了其中一项。我将与牛津大学博士生 Nathan Davies 合作，推进 Humanity's First Exam 项目——这是一个收录历史文献与问题的语料库，围绕人类自主性以及人与机器之间的关系展开，我们将用它来评测各类 AI 模型如何就这一主题进行推理。我们尤其关注那些模型未能涵盖人类已有观点全貌的领域（即所有 AI 模型都收敛于某个中位数答案、而人类却表现出大得多的方差的话题——随着人类越来越依赖向 LLM 询问该如何理解我们自身的历史、意识与经验，我认为这种“认识论扁平化”越来越值得记录）。（原型代码的 Github）

• 前现代儿童读物真是让人忍俊不禁：“接着镜头聚焦于人的生命周期：婴儿被鹰救下，立志发财；到第四格，他已是一位富有的绅士——但死亡当然不会放过任何人。‘人啊！’最后一格感叹道，‘如今你不过是尘土……’”（Public Domain Review）

我很想在评论区听听大家认为哪些未解的“历史谜题”或其他历史问题对前沿模型来说是“可解的”。如果你已经做过类似尝试，也欢迎分享任何结果。

1与数学研究一样，_似乎_在这里是一个重要的限定词——我在二手文献中搜索过，但完全有可能这一关联已经在已发表或未发表的研究中被提出过，只是我没有找到。