使用前沿大语言模型解码历史密码学并追溯炼金术知识

前沿大型语言模型（LLMs）已从简单的研究辅助工具演变为能够解决复杂且可处理的历史问题的能力。通过将领域专家与 GPT-6（Sol/Astra）和 Opus 5.5 等模型结合，研究人员现在可以执行高级密码学分析、跨翻译追踪文本，并在以往对人类学者而言不可见的零散子领域之间建立联系。

可处理历史问题的标准

当应用于满足特定“可处理性”标准的历史问题时，AI 模型最为有效。这些问题通常涉及那些解决方案可以被明确证明或证伪的任务，类似于推理模型在数学领域的发展方式。

AI 驱动历史突破的关键要求包括：

• 数字化数据：必要的原始资料必须完全数字化并可访问。
• 专家识别：专家必须已经定义了需要解决的具体问题。
• 多语言推理：问题应利用模型在不同语言和学科子领域之间进行推理的能力。
• 代码执行：问题应适合通过定制代码来解决。

前沿 AI 驱动历史发现的案例研究

最近对 GPT-6 Astra 和 Opus 5.5 的应用展示了这些模型揭示新历史事实和验证现有事实的潜力。

炼金术关联：艾萨克·牛顿与塞缪尔·哈特利布

使用 Opus 5.5，研究人员发现艾萨克·牛顿与塞缪尔·哈特利布之间存在有力联系。该模型分析了哈特利档案中超过 5,000 个原始文件，识别出牛顿和哈特利均使用不同的变位词来指代“匈牙利绿矾”——一种关键炼金术成分。

Opus 5.5 指出，虽然牛顿使用了真正的变位词（"Vltimorui"），但哈特利使用了一种不完美的倒写形式（"Miloirtiua riciragnun"）。这一平行现象，加上文本中描述的数量匹配，为牛顿借鉴哈特利手稿提供了有力证据。

历史密码学与破译

前沿模型在解密历史通信方面已取得显著成功：

• 二战恩尼格玛电报：GPT-6 Astra 成功破解了一条 1941 年 7 月 10 日的恩尼格玛电报，该电报曾被人类解密者数十年未能破解。突破发生于模型注意到德国联邦档案馆关于无线电消息集合的特定笔记，而人类专家此前忽略了这一点。
• 查理五世皇帝的秘密密码：Opus 5.5 部分解密了 16 世纪用查理五世皇帝秘密密码书写的西班牙信件。尽管这些信件早在 1916 年就由学者解密过，但模型能够独立得出相同结论，这成为其能力的“黄金标准”验证。
• 约翰·迪的《Liber Loagaeth》：在分析神秘主义者约翰·迪的密码手稿时，GPT-6 Astra 得出结论：该文本主要是无意义的音节，而非真正的密码，尽管它确实识别出一个关于天使存在“Bornogo”的具体引用。

瓶颈：档案访问与计算资源

尽管具备这些能力，历史 AI 研究的主要限制并非模型的推理能力，而是数据的可获取性。许多历史手稿虽已数字化，但仍被置于特权访问墙后，而绝大多数前现代手稿仍未被数字化。

为加速突破，作者提出三项干预措施：

1. 开放数字化：推动协作努力，使不可获取的历史手稿免费在线公开。
2. 计算资助：为历史学家提供免费 API 访问权限和高算力环境，以部署数百个智能体应对活跃的历史问题。
3. 定义“千年难题”：建立一个公开的可解历史谜题列表（例如，沃伊尼奇手稿或线性 A 文字），以集中 AI 研究力量。

社区见解与反驳观点

研究人员和实践者之间的讨论凸显了该方法的潜力与风险：

"叙述通常是最不可靠的记录部分……应将主张与它所指向的事物本身进行核对，而不是与另一个对其的摘要进行核对。"

一些用户指出，AI 在家谱研究中很有用，可以发现广泛共享的家谱中因次级来源盲目重复错误而产生的问题。另一些人则对深度隐喻性炼金术文本的解读持怀疑态度，认为赫尔墨斯意义可能永远无法完全用语言表达，也无法简化为 LLM 推理。

未来研究方向

AI 在历史学中的潜力不仅限于密码学，还延伸至来源考证、历史剽窃检测以及古代算法的重建。例如，GPT-6 Pro 目前正被用于重建 17 世纪梵文天文学家比哈萨卡在《Karaṇakesarī》中使用的日食算法。