AI也能写历史,但它还不知道自己错在哪

AI也能写历史，但它还不知道自己错在哪

题记：历史学最珍贵的，从来不是“知道发生了什么”，是“知道证据是怎么被检验的”。

剑桥大学出版社今年8月出了一本小书，叫《History and Artificial Intelligence》。

作者是阿德莱德大学的Marnie Hughes-Warrington，篇幅不长，属于剑桥“历史理论与实践要素”系列。

书不厚，但它提出的问题很厚。它用三重透镜来看AI与历史的关系：关于AI的历史、人类用AI做历史、AI自己做历史。

第一层：关于AI的历史。

AI不是从天上掉下来的。它有它的来路：图灵的问题、达特茅斯的会议、冷战的资金、互联网的数据、算力的爆炸。

每一代技术背后，都是一套关于“什么算智能”“谁有资格被算作智能”的假设。历史学的工作，是把这些假设放回它们发生的时间和权力结构里去看。

第二层：人类用AI做历史。

这一层，已经在发生了。

云南大学潘威借助主题模型算法做文本聚类，捕捉到清代甘肃石羊河流路变化与当地湖区、坝区之间的紧密联系，快速提取出河流变迁背后的人文驱动因素。

AI还在几个小时之内，破译了一封拿破仑1809年用密码写成的军事信件，那封信在档案里躺了两百多年。

被火山灰碳化的Herculanum纸莎草卷轴，太脆弱无法展开，研究者用X射线扫描加AI分析，第一次完整“虚拟展开”了一卷斯多葛学派的伦理学文本。

复旦大学联合研发的“炎黄”多模态大模型，让原本需要数周的古城址分布梳理，几分钟就能得到初步反馈。

浙江省档案馆用大模型对良渚遗址考古档案做知识关联重构，把“文本存储”变成了“数据可用”。

这些事是真的。AI在史料整理、图像识别、密码破译、知识图谱构建上，确实在做人类做不动或做不快的事。

第三层：AI自己做历史。

书里用了一个词，叫“人工历史学家”。

AI可以生成一段看起来像历史叙述的文字。它可以模仿某个史学流派的语调，可以把碎片化的材料编织成一个连贯的故事。

但问题恰恰在这里：它不知道自己错在哪。

研究已经反复指出，大语言模型在历史学应用中会产生“幻觉”——编造事实、伪造引用，并且会复制训练数据里的系统性偏见。

有学者更具体地指出，英文文献对中国近现代史的叙述本身趋于片面，算法不仅没有纠正这种片面，反而可能把它放大。

更深的忧虑是：当AI系统开始充当“人类历史的记录者”，它在选择哪些材料、忽略哪些材料时，缺乏关键的透明度，可能把已有的历史不平等固化进未来的叙事里。

历史学的看家本领，恰恰是怀疑证据。 一份材料是谁写的、写给谁看的、在什么处境下写的、它没说什么——这些问题是历史学者的日常。

而AI生成一段叙述时，它不提供这条证据链。它给你一个结论，但不给你“这个结论是怎么被检验的”过程。

所以这本书真正在说的，不是“AI会不会取代历史学家”。

它在说：当AI越来越能“做历史”的时候，历史学的思维方式反而变得更珍贵。

那种思维方式是：不轻信任何单一叙述，追问每一个说法的证据基础，对“连贯的故事”保持警惕，知道沉默和缺席本身也是历史的一部分。

Hughes-Warrington在书里主张，透过历史的透镜看AI，也透过AI的透镜看历史，理解塑造两者的底层原则，对“过去的未来”至关重要。

AI可以帮你找材料、破密码、建图谱、生成初稿。但它不能替你判断：这个材料可信吗？这个叙事遮蔽了什么？谁的声音没有被放进来？

这些判断，仍然需要一个人，带着历史学的训练，坐下来，慢慢想。

AI能写历史。但“知道证据是怎么被检验的”这件事，它还没学会。