Google DeepMind, i samarbete med forskare från flera universitet, har avslöjat Aeneas, en ny AI-modell utformad för att hjälpa historiker att dechiffrera antika latinska inskriptioner. Tillkännagavs den 23 juli 2025, i en Papper , verktyget analyserar både text och bilder för att återställa skadade graveringar, förutsäga deras ursprung, och hitta kontextuella parall. Sammanfattningsarbete av epigrafi genom att ge forskare datadrivna hypoteser och relevanta jämförelser. Genom att integrera i det historiska arbetsflödet, lovar fritt tillgängligt verktyg att fördjupa vår förståelse av den romerska världen genom att ansluta fragmenterade bitar av det förflutna mer effektivt än någonsin tidigare.
ai för att avbryta fragmenterade bitar av det förflutna mer effektivt än någonsin tidigare.
I epigrafi är sammanhang. I århundraden har historiker mött den noggranna uppgiften att tolka inskriptioner som ofta är fragmentariska, väderbitna eller tas bort från sin ursprungliga plats. Detta arbete kräver traditionellt Extraordinary erudition och arbetande manuella sökningar Genom stora arkiv för att hitta paralleller-Similar som kan ge CURUES TO EN INSCRIPIVE, ORIGURE, ORIGURE, ORIGURE, ORIGURE. bredd=”734″höjd=”412″src=”data: image/svg+xml; nitro-empty-id=mtyznjo0nju=-1; bas64, phn2zyb2Awv3qm94psiwidAnJe2idm0 Niigd2lkdgg9ijyxniigagvpz2h0psizndyiihhtbg5zpsjodhrwoi8vd3d3lnczlm9yzy8yMdawl3n2zyi+pc9zdmc+”>>
AENEAS är utformad för att automatisera denna komplexa och tidskrävande process. Det skäl till tusentals latinska inskriptioner, hämtar textuella och kontextuella paralleller på några sekunder. Målet är att minska beroende av spekulativa hypoteser och markera en historiker tolkning i ett bredare nätverk av bevis, tillåter dem till att bygga på modellerna animation av raMA-animation för en raestoration av raested of restored of fory of raelored of to restored of of the ra raored of a restored of a restored to a raored ampon tow toped inoped est Build t in the bure Bronze Military Diploma från Sardinia 113/14 C.E. (CIL XVI, 60). (Källa: Google)
Projektet betonar starkt mänskligt-AI-samarbete. Teamet är fokuserat på att”skapa ett verktyg som kommer att integreras med arbetsflödet av en historiker”, enligt Google DeepMind-forskaren Yannis Assael. Målet är inte att ersätta mänskliga experter utan att öka sina förmågor och frigöra dem att fokusera på högre nivå analys snarare än manuell datainsamling.
för att validera denna samarbetsmetod genomförde teamet en storskalig Studie med 23 epigraphers , range från masters till master. Resultaten var signifikanta: AENEAS: s förslag tjänade som en värdefull utgångspunkt för utredning 75% av tiden, och historiker rapporterade ett 23% genomsnittligt ökat förtroende när de använde sina paralleller.
Effektivitetsvinsten var särskilt slående. En deltagare noterade,”de paralleller som hämtats av Aeneas förändrade helt mitt historiska fokus. […] Det skulle ha tagit mig ett par dagar snarare än 15 minuter [för att hitta dessa texter].”En annan berömde sin kvalitativa inverkan och uppgav,”Aeneas”paralleller förändrade helt min uppfattning om inskriptionen. Det märkte detaljer som gjorde alla skillnader för att återställa och kronologiskt tillskriva texten.”
under huven: kontextualisering med kod och bilder
aenuces introducerade flera tekniska innovationer som satte in det tekniska som satte upp det allmänna. Medan massiva LLM: er kräver miljarder dokument, kräver den specialiserade karaktären av epigrafi och den begränsade tillgängligheten av högkvalitativa genomsökningar en mer skräddarsydd lösning.
Modellens kraft kommer från en sofistikerad, transformatorbaserad arkitektur. I sin kärna finns en T5-avkodare som bearbetar karaktärsekvenser, förstärkta med specialiserade neurala nätverk, eller”Heads”, var och en skräddarsydd för en specifik epigrafisk uppgift som restaurering, dating eller attribut, som detaljerad i projektet >”-mål”>>”-information”. Papper .
Ett viktigt genombrott är dess förmåga att återställa luckor i text där längden på det saknade segmentet är okänd-ett vanligt och svårt problem för historiker. AENEAS använder en speciell symbol för att beteckna denna osäkerhet och använder ett hjälpnätverk för att förutsäga om en eller flera karaktärer behövs, vilket gör det till ett mycket mer mångsidigt verktyg för verkliga scenarier.
Vidare är Aeneas den första modellen i sitt slag att använda multimodala ingångar-båda text och bilder-att bestämma ett inskrivning av geografiska ursprung. Ett visionnätverk analyserar det fysiska objektet, vilket gör att modellen kan överväga sin form och layout tillsammans med dess innehåll, en avgörande aspekt av epigrafisk studie.
Hela systemet tränas på den nyligen sammanställda latinepigrafiska datasättet (LED). Detta massiva korpus, innehållande över 176 000 inskriptioner, harmoniserades från stora akademiska databaser. Modellen använder dessa data för att skapa historiskt rika”inbäddningar”för varje text och fångar subtila mönster som identifierar djupa anslutningar utöver enkla sökordssökningar.
Från teori till praktik: Aeneas in the Field
Modellens prestanda har strikt betecknat. Det kan tillskriva en inskription till en av 62 romerska provinser med 72% noggrannhet och datumtexter till i genomsnitt 13 år efter de intervall som historiker tillhandahåller.
I en övertygande fallstudie analyserade Aeneas den berömda res gestae divi Augusti, kejsaren Augustus redogörelse för hans prestationer. Modellen producerade en bimodal datumfördelning som kvantitativt speglade den vetenskapliga debatten om dess sammansättning, och identifierade samma språkliga och historiska markörer som experter använder.
Den samarbetsstudien bekräftade ytterligare dess praktiska värde. Historiker som använde Aeneas såg att deras solo-prestanda förbättras, och 90% av deltagarna rapporterade att verktygets förslag stimulerade nya forskningsidéer. En historiker berömde sin inverkan och uppgav,”Aeneas”paralleller förändrade helt min uppfattning om inskriptionen. Det märkte detaljer som gjorde hela skillnaden för att återställa och kronologiskt tillskriva texten.”
Men vissa experter förblir försiktigt optimistiska. Kathleen Coleman, a professor at Harvard, noted that while promising, “it’s not clear yet how useful it will be to historians’ workflows in the long term,”highlighting the need for long-term evaluation in the field.
The Next Chapter in the ‘AI for Science’ Saga
Aeneas is the latest addition to Google DeepMind’s “AI for Science”Initiativ, en strategisk ansträngning för att tillämpa AI på grundläggande forskningsutmaningar. Denna portfölj innehåller verktyg som AlphaFold för förutsägelse av proteinstrukturer och alfagenom för genetisk forskning.
Detta arbete följer ett tydligt mönster för att utveckla domänspecifik AI som kan analysera enorma, komplexa information för att påskynda. AENEAS-modellen, dess kod och det underliggande datasättet är alla offentligt tillgängliga via en dedikerad webbplats och github repository . Som en del av lanseringen har den föregående ithaca modell för antika grekiska uppgraderats med aeneas’s mer kraftfulla arkitektur. Som epigrapher Thea Sommerschield från University of Nottingham uttryckte det,”Att ha Aeneas vid din sida medan du är i museet eller på den arkeologiska platsen där en ny inskription just har hittats-det är vår typ av drömscenario.”
AENEAS är utformad för att automatisera denna komplexa och tidskrävande process. Det skäl till tusentals latinska inskriptioner, hämtar textuella och kontextuella paralleller på några sekunder. Målet är att minska beroende av spekulativa hypoteser och markera en historiker tolkning i ett bredare nätverk av bevis, tillåter dem till att bygga på modellerna animation av raMA-animation för en raestoration av raested of restored of fory of raelored of to restored of of the ra raored of a restored of a restored to a raored ampon tow toped inoped est Build t in the bure Bronze Military Diploma från Sardinia 113/14 C.E. (CIL XVI, 60). (Källa: Google)
Projektet betonar starkt mänskligt-AI-samarbete. Teamet är fokuserat på att”skapa ett verktyg som kommer att integreras med arbetsflödet av en historiker”, enligt Google DeepMind-forskaren Yannis Assael. Målet är inte att ersätta mänskliga experter utan att öka sina förmågor och frigöra dem att fokusera på högre nivå analys snarare än manuell datainsamling.
för att validera denna samarbetsmetod genomförde teamet en storskalig Studie med 23 epigraphers , range från masters till master. Resultaten var signifikanta: AENEAS: s förslag tjänade som en värdefull utgångspunkt för utredning 75% av tiden, och historiker rapporterade ett 23% genomsnittligt ökat förtroende när de använde sina paralleller.
Effektivitetsvinsten var särskilt slående. En deltagare noterade,”de paralleller som hämtats av Aeneas förändrade helt mitt historiska fokus. […] Det skulle ha tagit mig ett par dagar snarare än 15 minuter [för att hitta dessa texter].”En annan berömde sin kvalitativa inverkan och uppgav,”Aeneas”paralleller förändrade helt min uppfattning om inskriptionen. Det märkte detaljer som gjorde alla skillnader för att återställa och kronologiskt tillskriva texten.”
under huven: kontextualisering med kod och bilder
aenuces introducerade flera tekniska innovationer som satte in det tekniska som satte upp det allmänna. Medan massiva LLM: er kräver miljarder dokument, kräver den specialiserade karaktären av epigrafi och den begränsade tillgängligheten av högkvalitativa genomsökningar en mer skräddarsydd lösning.
Modellens kraft kommer från en sofistikerad, transformatorbaserad arkitektur. I sin kärna finns en T5-avkodare som bearbetar karaktärsekvenser, förstärkta med specialiserade neurala nätverk, eller”Heads”, var och en skräddarsydd för en specifik epigrafisk uppgift som restaurering, dating eller attribut, som detaljerad i projektet >”-mål”>>”-information”. Papper .
Ett viktigt genombrott är dess förmåga att återställa luckor i text där längden på det saknade segmentet är okänd-ett vanligt och svårt problem för historiker. AENEAS använder en speciell symbol för att beteckna denna osäkerhet och använder ett hjälpnätverk för att förutsäga om en eller flera karaktärer behövs, vilket gör det till ett mycket mer mångsidigt verktyg för verkliga scenarier.
Vidare är Aeneas den första modellen i sitt slag att använda multimodala ingångar-båda text och bilder-att bestämma ett inskrivning av geografiska ursprung. Ett visionnätverk analyserar det fysiska objektet, vilket gör att modellen kan överväga sin form och layout tillsammans med dess innehåll, en avgörande aspekt av epigrafisk studie.
Hela systemet tränas på den nyligen sammanställda latinepigrafiska datasättet (LED). Detta massiva korpus, innehållande över 176 000 inskriptioner, harmoniserades från stora akademiska databaser. Modellen använder dessa data för att skapa historiskt rika”inbäddningar”för varje text och fångar subtila mönster som identifierar djupa anslutningar utöver enkla sökordssökningar.
Från teori till praktik: Aeneas in the Field
Modellens prestanda har strikt betecknat. Det kan tillskriva en inskription till en av 62 romerska provinser med 72% noggrannhet och datumtexter till i genomsnitt 13 år efter de intervall som historiker tillhandahåller.
I en övertygande fallstudie analyserade Aeneas den berömda res gestae divi Augusti, kejsaren Augustus redogörelse för hans prestationer. Modellen producerade en bimodal datumfördelning som kvantitativt speglade den vetenskapliga debatten om dess sammansättning, och identifierade samma språkliga och historiska markörer som experter använder.
Den samarbetsstudien bekräftade ytterligare dess praktiska värde. Historiker som använde Aeneas såg att deras solo-prestanda förbättras, och 90% av deltagarna rapporterade att verktygets förslag stimulerade nya forskningsidéer. En historiker berömde sin inverkan och uppgav,”Aeneas”paralleller förändrade helt min uppfattning om inskriptionen. Det märkte detaljer som gjorde hela skillnaden för att återställa och kronologiskt tillskriva texten.”
Men vissa experter förblir försiktigt optimistiska. Kathleen Coleman, a professor at Harvard, noted that while promising, “it’s not clear yet how useful it will be to historians’ workflows in the long term,”highlighting the need for long-term evaluation in the field.
The Next Chapter in the ‘AI for Science’ Saga
Aeneas is the latest addition to Google DeepMind’s “AI for Science”Initiativ, en strategisk ansträngning för att tillämpa AI på grundläggande forskningsutmaningar. Denna portfölj innehåller verktyg som AlphaFold för förutsägelse av proteinstrukturer och alfagenom för genetisk forskning.
Detta arbete följer ett tydligt mönster för att utveckla domänspecifik AI som kan analysera enorma, komplexa information för att påskynda. AENEAS-modellen, dess kod och det underliggande datasättet är alla offentligt tillgängliga via en dedikerad webbplats och github repository . Som en del av lanseringen har den föregående ithaca modell för antika grekiska uppgraderats med aeneas’s mer kraftfulla arkitektur. Som epigrapher Thea Sommerschield från University of Nottingham uttryckte det,”Att ha Aeneas vid din sida medan du är i museet eller på den arkeologiska platsen där en ny inskription just har hittats-det är vår typ av drömscenario.”
