Trí tuệ nhân tạo như một người du hành thời gian: Dự đoán tương lai cổ xưa với dữ liệu bị lãng quên

Trí tuệ nhân tạo (AI) có thể được xem như một loại người du hành thời gian. Nó không thể đưa con người qua các thế kỷ, nhưng nó có thể di chuyển qua dữ liệu còn lại. Từ các văn bản cũ đến những nơi bị lãng quên, AI có thể nghiên cứu các dấu vết của quá khứ và chỉ ra các mẫu mà con người có thể bỏ qua.

AI đang trở thành một loại nhà thám hiểm mới cho lịch sử. Bằng cách di chuyển qua dữ liệu thay vì thời gian, nó phát hiện ra các mẫu mà mắt người có thể không bao giờ nhìn thấy. Các thuật toán có thể phục hồi các văn bản bị hư hỏng, giải mã các ngôn ngữ bị mất, hoặc quét các hình ảnh vệ tinh để tái khám phá các thành phố cổ bị chôn vùi dưới sa mạc và rừng. Bằng cách này, AI giúp chúng ta tưởng tượng cách con người từng sống, thích nghi và thậm chí lên kế hoạch cho tương lai của họ.

Điều này làm cho AI cảm thấy như một loại người du hành thời gian khác. Nó kết nối quá khứ với hiện tại và chỉ ra các tương lai không bao giờ xảy ra. Bằng cách phát hiện ra kiến thức bị ẩn, nó giúp không chỉ các nhà sử học và nhà khoa học mà còn bất kỳ ai cố gắng suy nghĩ về nơi nhân loại đang đi. Nghiên cứu các tàn tích của quá khứ không phải là về sự hoài niệm. Nó là về việc học hỏi các bài học, tìm kiếm các mẫu và có được ý tưởng có thể hướng dẫn tương lai.

Trí tuệ nhân tạo như một người du hành thời gian có nghĩa là gì?

Khái niệm Trí tuệ nhân tạo như một người du hành thời gian đề cập đến khả năng của AI trong việc kiểm tra thông tin từ quá khứ như thể di chuyển qua thời gian. Mặc dù nó không thực sự vượt qua các thế kỷ, AI hoạt động như một nhà nghiên cứu kỹ thuật số mang lại chi tiết bị ẩn trong quá khứ. Nó có thể nghiên cứu các văn bản cổ, hiện vật, hồ sơ thương mại, mẫu khí hậu và lưu trữ bị lãng quên. Qua quá trình này, AI xác định các liên kết và mẫu mà có thể không rõ ràng với các nhà nghiên cứu con người.

Ví dụ, AI có thể liên quan đến các tuyến thương mại với thay đổi thời tiết để chỉ ra cách các xã hội phản ứng với thay đổi môi trường. Phân tích như vậy cung cấp hình ảnh rõ ràng hơn về các sự kiện lịch sử và cuộc sống hàng ngày. AI cũng có thể đi xa hơn bằng cách tạo ra các kịch bản giả sử có thể xảy ra. Những tái tạo này khám phá các con đường lịch sử có thể đã đi nếu một số kiến thức đã tồn tại hoặc các lựa chọn khác nhau đã được thực hiện.

Trong ý nghĩa này, AI làm nhiều hơn việc kiểm tra quá khứ. Nó cho phép chúng ta tưởng tượng các tương lai không được thực hiện mà các nền văn minh quá khứ không bao giờ đạt được. Bằng cách này, nó làm sâu sắc thêm sự hiểu biết của chúng ta về lịch sử nhân loại và mở rộng cách chúng ta có thể suy nghĩ về kết quả của nó.

Vai trò của Trí tuệ nhân tạo trong việc phát hiện dữ liệu bị lãng quên

Phần lớn lịch sử nhân loại đã bị mất theo thời gian. Các cuộc chiến, thảm họa tự nhiên và sự suy giảm đã phá hủy vô số hồ sơ. Các truyền thống miệng biến mất trước khi chúng được viết ra. Nhiều ngôn ngữ cổ vẫn chưa được giải mã. Những khoảng trống trong kiến thức của chúng ta là những gì các học giả gọi là dữ liệu bị lãng quên.

AI mang lại những cách mới để phục hồi ý nghĩa từ quá khứ bị phân mảnh này. Không giống như các phương pháp truyền thống, thường yêu cầu hồ sơ hoàn chỉnh, AI có thể làm việc với thông tin không đầy đủ, phân tán và nhiễu. Bằng cách kết hợp các nguồn khác nhau, nó phát hiện ra các mẫu và kết nối mà nếu không sẽ vẫn bị ẩn.

Một số kỹ thuật AI đóng vai trò quan trọng trong quá trình này:

• Xử lý ngôn ngữ tự nhiên (NLP): Các mô hình ngôn ngữ hiện đại có thể đọc các văn bản bị hư hỏng hoặc không đầy đủ. Chúng nhận ra các kịch bản, dịch ngữ cảnh và thậm chí tái tạo các phần bị thiếu của các bản thảo.
• Trí tuệ nhân tạo thị giác: Các thuật toán nhận dạng hình ảnh có thể phân tích các bức ảnh của hiện vật, tàn tích và các bản thảo cũ. Chúng có khả năng phát hiện các chi tiết tinh vi như các dấu vết mờ hoặc kết cấu tinh tế mà mắt người có thể bỏ qua.
• Học máy và nhận dạng mẫu: AI sử dụng các phương pháp phân cụm và phân loại để liên kết các mảnh bằng chứng phân tán. Ví dụ, nó có thể nhóm các mảnh gốm bị vỡ theo phong cách hoặc nguồn gốc, ngay cả khi không có mảnh nào là hoàn chỉnh.
• Tích hợp dữ liệu và hợp nhất: AI có thể hợp nhất các hình ảnh vệ tinh, khảo sát thực địa, lưu trữ và dữ liệu cảm biến vào các mô hình thống nhất, cung cấp một hình ảnh phong phú hơn về các bối cảnh lịch sử và môi trường.

Các công cụ bổ sung như hệ thống dịch ngôn ngữ tự nhiên và cải thiện hình ảnh nâng cao chất lượng của các hồ sơ bị hư hỏng. Các mô hình xác suất cho phép AI xử lý sự không chắc chắn và thông tin bị thiếu, làm cho kết luận của nó đáng tin cậy hơn.

Các tiến bộ này đang phát triển nhanh chóng. Vào năm 2024, Hoa Kỳ dẫn đầu đầu tư AI toàn cầu với 109,1 tỷ đô la, gần 12 lần so với 9,3 tỷ đô la của Trung Quốc và 24 lần so với 4,5 tỷ đô la của Anh, theo Báo cáo Chỉ số AI Stanford 2025. Những khoản đầu tư này đang dẫn đến các ứng dụng đang thay đổi nghiên cứu lịch sử và môi trường.

Trong khảo cổ học, học máy được áp dụng cho hình ảnh vệ tinh và quét LiDAR để xác định các địa điểm chưa được khám phá, đạt độ chính xác lên đến 80% ở các khu vực như Lưỡng Hà. Các mô hình tạo cũng được sử dụng để tái tạo các nền văn hóa bị mất và mô phỏng các nền kinh tế cổ từ dữ liệu không đầy đủ.

Beyond lịch sử, phân tích AI hỗ trợ các hồ sơ khí hậu cổ như lõi băng và lớp trầm tích giúp tinh chỉnh các mô hình khí hậu dài hạn. Các dự án như LinkedEarth và NOAA-supported sử dụng các tập dữ liệu này để cải thiện sự hiểu biết về các chu kỳ khí hậu quá khứ và hỗ trợ dự báo thông tin hơn.

Tổng hợp lại, những phát triển này đặt AI vào vị trí của một nhà khảo cổ học kỹ thuật số. Nó không chỉ bảo tồn quá khứ mà còn phục hồi kiến thức bị ẩn lâu, hỗ trợ sự hiểu biết lịch sử và đổi mới bền vững.

Trí tuệ nhân tạo như một công cụ để tái tạo các lịch sử có thể xảy ra

Beyond việc phục hồi các mảnh của quá khứ, AI hiện đang được sử dụng để mô hình hóa cách lịch sử có thể đã diễn ra dưới các điều kiện khác nhau. Thay vì xem quá khứ như một thực thể cố định, các nhà nghiên cứu sử dụng các thuật toán để kiểm tra các khả năng động, nơi các hồ sơ không đầy đủ trở thành điểm khởi đầu cho việc xây dựng các kịch bản thay thế. Những ứng dụng này thường có hình thức của mô hình hóa thời gian, mô phỏng xác suất và tích hợp đa phương thức, mỗi phương thức cung cấp một cách để kiểm tra cách các sự kiện quá khứ có thể đã diễn ra khác nhau.

Mô hình hóa thời gian

Các thuật toán chuyên dụng như Mạng nơ-ron dài ngắn (LSTM) và biến thể của chúng phân tích các hồ sơ phụ thuộc thời gian. Ngay cả khi dữ liệu là thưa thớt, chúng giúp xác định các mẫu nguyên nhân – kết quả, chẳng hạn như giữa căng thẳng môi trường và thay đổi xã hội hoặc giữa hoạt động kinh tế và di cư.

Mô phỏng xác suất

Các mạng Bayesian, phương pháp Monte Carlo và mô hình tạo cho phép các nhà nghiên cứu kiểm tra các kịch bản giả sử. Những công cụ này mô phỏng các kết quả thay thế, chẳng hạn như cách các biến thể về lượng mưa, phân phối tài nguyên hoặc xung đột có thể đã thay đổi sự ổn định của các nền văn minh cổ.

Tích hợp đa phương thức

Các mô hình dựa trên đồ thị và cơ chế chú ý kết hợp thông tin từ các bản đồ, chữ viết, hiện vật và tập dữ liệu khí hậu vào các mô phỏng thống nhất. Điều này cho phép không chỉ tái tạo các sự kiện bị mất mà còn khám phá các tương lai có thể xảy ra dựa trên bằng chứng có sẵn.

Môi trường nghiên cứu

Những tiến bộ này được hỗ trợ bởi các khuôn khổ AI hiện đại như TensorFlow và PyTorch, các nền tảng dữ liệu lớn như Apache Spark và ngày càng tự động hệ thống AI tự động có thể xử lý các tập dữ liệu không đầy đủ với sự giám sát tối thiểu. Các công cụ mã thấp hiện cho phép các nhà khảo cổ học và sử học thiết kế các thí nghiệm dự đoán mà không cần chuyên môn kỹ thuật sâu.

Qua những phương pháp này, AI không chỉ lấp đầy các khoảng trống trong lịch sử. Nó cung cấp một cách có cấu trúc để khám phá cách các sự kiện có thể đã phân kỳ, cung cấp cho các nhà nghiên cứu những quan điểm mới về sự bền vững, dễ bị tổn thương và khả năng thích nghi của các xã hội trong quá khứ.

Ví dụ thực tế

AI hiện đang giúp các nhà nghiên cứu khám phá và tái tạo lịch sử theo những cách mà trước đây không thể. Tại Nam Mỹ, một bước đột phá lớn đã diễn ra khi công nghệ LiDAR tiết lộ hơn 60.000 cấu trúc Maya bị ẩn dưới rừng dày ở phía bắc Guatemala, bao gồm các kim tự tháp, đường sá và nhà ở. Trong các nghiên cứu sau này, AI đã được sử dụng để phân tích các tập dữ liệu LiDAR tương tự để hỗ trợ việc lập bản đồ khảo cổ.

AI cũng đang được sử dụng để giải mã các văn bản cổ. Ví dụ, các nhà nghiên cứu đang đào tạo các mô hình để phân tích Linear A, một hệ thống chữ viết chưa được giải mã từ thời kỳ đồ đồng ở Crete. Những mô hình này so sánh các ký tự chưa biết với các ngôn ngữ đã biết để đề xuất ý nghĩa và cấu trúc ngôn ngữ có thể xảy ra.

Các nỗ lực bảo tồn cũng được hưởng lợi từ AI. Dự án RePAIR do Đại học Bonn dẫn đầu, sử dụng AI và robot để tái lắp ráp các bức tranh tường và đồ gốm bị vỡ tại các địa điểm như Pompeii (Dự án RePAIR). Mạng đối kháng tạo cũng đã được áp dụng để phục hồi các đồng tiền La Mã bị hư hỏng và các hiện vật khác, cải thiện việc hình ảnh hóa và giúp xác định.

Trong giáo dục, các trường đại học đang sử dụng AI để xây dựng các mô hình 3D của các địa điểm cổ. Những mô hình này cho phép sinh viên khám phá các phiên bản kỹ thuật số của các thành phố và đền thờ, nâng cao việc học thông qua các trải nghiệm nhập vai. Các cơ sở như Virginia Tech và Purdue University đã phát triển các môi trường ảo cho các lăng mộ Ai Cập và các thành phố tiền Columbus.

Những ví dụ này cho thấy AI không chỉ đang thúc đẩy việc khám phá và bảo tồn mà còn làm cho quá khứ trở nên dễ tiếp cận hơn cho nghiên cứu, phục hồi và giáo dục.

Kết luận

AI đang trở thành một đối tác mạnh mẽ trong việc hiểu quá khứ. Nó đang giúp các nhà khảo cổ học khám phá các địa điểm bị ẩn, giải mã các văn bản bị mất và bảo tồn các hiện vật dễ vỡ với độ chính xác mà trước đây không thể. Ngoài việc bảo tồn, nó cho phép các nhà nghiên cứu tái tạo các nền văn hóa cổ, nền kinh tế và thậm chí là khí hậu, cung cấp những hiểu biết kết nối lịch sử với các thách thức hiện tại.

Các tiến bộ này không chỉ mang tính học thuật. Chúng cũng ảnh hưởng đến nông nghiệp hiện đại, quy hoạch môi trường và giáo dục, cho thấy cách kiến thức cũ có thể biến đổi đổi mới trong tương lai. Đồng thời, vai trò của AI trong lịch sử đặt ra các câu hỏi về độ chính xác, giải thích và trách nhiệm văn hóa. Bằng cách xem AI như một công cụ và một hướng dẫn, các học giả và xã hội có thể đảm bảo rằng công nghệ làm sâu sắc thêm sự tôn trọng của chúng ta đối với lịch sử trong khi cung cấp những bài học vẫn còn quan trọng cho ngày mai.