使用法学硕士追踪炼金知识并解码 17 世纪的字母

人工智能实验室需要开始资助历史研究 使用 GPT-6 和 Opus 5.5 追踪炼金知识并解码 17 世纪字母 Benjamin Breen 2026 年 9 月 24 日 33 5 4 分享 我之前写过有关人工智能在增强历史研究方面的陷阱和用例的文章，但自 2024-25 年以来，情况发生了显着变化。恰逢本周 GPT-6 Sol 和 Opus 5.5 的对决发布，我想分享一些使用这些模型的早期结果，不仅仅是执行转录文档等“研究助理”类型的功能，而是尝试实际解决现有的历史问题。在我看来，TLDR 是将协作小组中的历史学家与当前的前沿模型结合起来，将在历史知识和解释方面产生巨大的进步。我的猜测是，其中许多最终可能会非常有意义。就在去年，情况并非如此。我认为人工智能实验室、历史研究人员和资助机构应该开始积极寻求这些合作。正如我们在数学领域所看到的那样，当这些模型遇到法学硕士总是倾向于将其描述为“易于处理”的一系列问题时，这些模型会表现得最好。换句话说： • 该领域的专家是否已经确定了一组需要解决的问题？ • 解决这些问题所需的数据是否完全数字化且易于访问？ • 这些问题是否与前沿人工智能模型的“尖峰”能力有关——即多语言推理、高等数学和/或通过大型数据集或跨学科子领域进行自主研究的能力？ • 他们是否愿意接受涉及编写定制代码的解决方案？ • 最重要的是：潜在的解决方案能否得到明确证明或反驳？ （在我看来，最后一个是推理模型在数学领域而非人文领域盛行的关键部分）。上述因素意味着，前沿人工智能可以合理地期望帮助解决的历史“开放问题”的类型相当有限：任何涉及密码学和密码破译的事情（例如，参见 Astra 解密 1941 年德国军队通信和第一次世界大战德国无线电密码，或者 Daniel Bourdeau 在这里所做的工作，或者我自己尝试使用 GPT-6 Astra 来弄清楚伊丽莎白时代的神秘学家 John Dee 的编码魔法发生了什么书，Liber Loagaeth）。追踪文本的翻译和改编。举个例子，我能够使用 GPT-6 Astra 来确定艾萨克·牛顿 (Isaac Newton) 从法语炼金术文本中自由翻译成拉丁文的一段段落的身份，这一识别以前似乎从未进行过。 1 绘制仅在离散或利基子领域报告或尚未纳入学术研究的现有发现之间的联系。最后一个可能最终成为这些工具为历史研究人员开辟的最有影响力的新方法。例如，如果您阅读 Astra 于 1941 年 7 月 10 日破译一条无法破译的 Enigma 消息的文章，就会发现关键的突破与密码破译本身无关，而是与注意到可用的全部信息有关。历史密码学研究员 Frode Weierud 写道： 我们仍在分析 GPT-6 Astra 日志，以了解它到底是如何执行破解的。我们正在发现令人惊奇的细节。 2026 年 7 月，我在包含 1941 年消息列表的网页上发布了以下公告： 注：2026 年 7 月，德国联邦档案馆的研究揭示了多组无线电消息，包括加密的和明文的。其中一份信息来自党卫军托滕科普夫师的后勤指挥部 Nachschubführer。其中许多消息被发送到 Ib（Quartiermeister）广播电台，并且与此列表中的消息相同。其他是新的，但很可能相关。这些新消息以粗体添加到 1941 消息列表中，消息编号后带有 NF (Nachschubführer) 指示符，表明这些消息编号属于 NF 编号。所有 NF 消息均为外发；因此，消息编号为蓝色。看来 GPT-6 Astra 发现了这个关于德国联邦档案馆无线电信息收集的注释。这篇笔记的有趣之处在于，即使是领先的人类专家也不能完全理解 GPT-6 Astra 所做的事情，因为它收集了这些信息并使用它们来寻找解决方案。 Weierud 写道： 文件引用 GPT-6 Astra 提到的 RS 3-3/20a 和 RS 3-3/63b 是正确的，但它们在 Crypto Cellar Research 网站上不可用。 GPT-6 Astra 提到了一个私人收藏，但尚不清楚这是什么，是否已成功访问德国联邦档案馆的数字化收藏，或者是否在其他地方找到了这些文件。拥抱脸事件的阴影在这里：这些模型在提出他们认为可以解决的问题时会疯狂地决定。他们将推动他们的