AI作为时间旅行者：使用被遗忘的数据预测古代未来

人工智能（AI）可以被视为一种时间旅行者。它不能带着人们穿越几个世纪，但它可以通过留下的数据移动。从旧的文本到被遗忘的地方，AI可以研究过去的痕迹并显示人们可能会错过的模式。

AI正在成为历史的新型探索者。通过移动数据而不是时间，它揭示了人类眼睛可能看不到的模式。算法可以恢复损坏的文本，解码失传的语言，或扫描卫星图像以重新发现被沙漠和森林埋藏的古城。在这样做的同时，AI帮助我们想象人们曾经如何生活，适应和甚至规划他们的未来。

这使得AI感觉像是一种不同的时间旅行者。它连接了过去和现在，并指向了从未发生的未来。通过揭示隐藏的知识，它不仅帮助历史学家和科学家，也帮助任何试图思考人类将要去哪里的人。研究过去的遗迹不是关于怀旧。这是关于学习教训，找到模式和获得可以指导未来的想法。

什么是“AI作为时间旅行者”?

“AI作为时间旅行者”的想法指的是AI检查过去信息的能力，就像移动通过时间一样。虽然它并不真正跨越几个世纪，AI像一个数字研究人员一样，将过去隐藏的细节带到前面。它可以研究古代文本，文物，贸易记录，气候模式和被遗忘的档案。通过这个过程，AI识别出可能对人类研究人员不可见的链接和模式。

例如，AI可以将贸易路线与天气变化联系起来，展示社会如何对环境变化做出反应。这种分析提供了历史事件和日常生活的更清晰的图景。AI还可以通过创建可能的“假设”场景来更进一步。这些重建探索了历史可能采取的路径，如果某些知识幸存下来或做出了不同的选择。

在这种意义上，AI不仅仅是在检查过去。它允许我们想象过去文明从未实现的未实现的未来。通过这样做，它加深了我们对人类历史的理解，并扩展了我们思考其结果的方式。

AI在揭示被遗忘的数据中的作用

人类历史的大部分已经随着时间的流逝而丢失。战争，自然灾害和腐烂摧毁了无数记录。口头传统在被写下来之前就消失了。许多古代语言仍然无法解读。这些知识的空白是学者们所说的“被遗忘的数据”。

AI为从过去的碎片中恢复意义带来了新的方法。与传统方法不同，传统方法通常需要完整的记录，AI可以处理部分，分散和嘈杂的信息。通过组合不同的来源，它揭示了原本会隐藏的模式和联系。

几个AI技术在这个过程中发挥着重要作用：

• 自然语言处理（NLP）: 现代语言模型可以阅读损坏或不完整的文本。它们识别脚本，语境翻译，甚至可以重建手稿的缺失部分。
• 计算机视觉: 图像识别算法可以分析文物，遗址和旧手稿的照片。它们具有检测细节的能力，例如褪色的标记或人类眼睛可能会错过的细微纹理。
• 机器学习和模式识别: AI使用聚类和分类方法来链接散乱的证据。例如，它可以根据风格或起源对破碎的陶器碎片进行分组，即使没有一个碎片是完整的。
• 数据集成和融合: AI可以将卫星图像，现场调查，档案和传感器数据合并到统一的模型中，提供历史和环境背景的更丰富的图景。

其他工具，如神经翻译系统和图像增强，提高了损坏记录的质量。概率模型允许AI处理不确定性和缺失信息，使其结论更可靠。

这些进步正在迅速增长。在2024年，美国以109.1亿美元领先全球AI投资，几乎是中国的9.3亿美元的12倍和英国的4.5亿美元的24倍，根据斯坦福AI指数报告2025。这些投资正在导致应用，这些应用正在重塑历史和环境研究。

在考古学中，机器学习被应用于卫星图像和LiDAR扫描，以识别未被发现的遗址，在美索不达米亚等地区实现了高达80%的准确率。生成模型也用于重建失传的文化和模拟古代经济，从不完整的数据中。

除了历史之外，AI辅助分析还用于古气候记录，如冰芯和沉积层，以完善长期气候模型。像LinkedEarth和NOAA支持的倡议使用这些数据集来改善对过去气候周期的理解，并支持更明智的预测。

总的来说，这些发展使AI成为数字考古学家。它不仅保存了过去，还恢复了长期隐藏的知识，支持历史理解和可持续创新。

AI作为重建可能历史的工具

除了恢复过去的碎片之外，AI现在被用于模拟历史在不同条件下可能如何展开。与其将过去视为固定的，研究人员使用算法来测试动态可能性，不完整的记录成为构建替代场景的起点。这些应用通常采用时间建模，概率模拟和多模式集成的形式，每一种都提供了一种检查过去事件可能如何不同地展开的方法。

时间建模

专门的算法，如长短期记忆（LSTM）网络和变换器，分析时间依赖的记录。即使数据稀疏，它们也帮助识别因果模式，例如环境压力和社会变化之间的关系，或者经济活动和迁移之间的关系。

概率模拟

贝叶斯网络，蒙特卡罗方法和生成模型允许研究人员测试“假设”场景。这些工具模拟替代结果，例如雨量，资源分布或冲突如何重塑古代文明的稳定性。

多模式集成

基于图的模型和注意力机制将地图，铭文，文物和气候数据集成到统一的模拟中。这使得不仅可以重建丢失的事件，还可以探索以现有证据为基础的多种可能的未来。

研究生态系统

这些进步得到了现代AI框架如TensorFlow和PyTorch，large-scale数据平台如Apache Spark，以及越来越自主的代理AI系统的支持，这些系统可以处理不完整的数据集，并且几乎不需要监督。低代码工具现在允许考古学家和历史学家设计预测实验，而无需广泛的技术专业知识。

通过这些方法，AI不仅填补了历史的空白。它为研究人员提供了一种结构化的方法来探索事件可能如何分歧，提供了新的视角来看待过去社会的韧性，脆弱性和适应性。

实际例子

AI现在正在帮助研究人员以以前无法做到的方式揭示和重建历史。在南美洲，LiDAR技术在危地马拉北部的茂密森林下揭示了超过60,000个隐藏的玛雅结构，包括金字塔，道路和房屋。在后续研究中，AI被用于分析类似的LiDAR数据集，以协助考古测绘。

AI也被用于解码古代文字。例如，研究人员正在训练模型来分析线性A，这是来自青铜时代克里特岛的未解读的书写系统。这些模型将未知符号与已知语言进行比较，以建议可能的含义和语言结构。

保护工作也从AI中受益。由波恩大学领导的RePAIR项目，使用AI和机器人来重新组装破碎的壁画和陶器，在庞贝等遗址（RePAIR项目）。生成对抗网络（GANs）也被应用于恢复损坏的罗马硬币和其他文物，提高了它们的可视化和识别。

在教育中，大学正在使用AI来构建古代遗址的3D重建。这些模型允许学生探索数字版本的城市和庙宇，通过沉浸式体验来增强学习。像弗吉尼亚理工大学和普渡大学这样的机构已经为埃及坟墓和前哥伦布时期的城市开发了虚拟环境。

这些例子表明AI不仅推进了发现和保护，还使过去更加容易被研究，修复和教育所用。

结论

AI正在成为理解过去的强大伙伴。它正在帮助考古学家发现隐藏的遗址，解码失传的文字，并以以前无法做到的精度保护易碎的文物。除了保护之外，它还允许研究人员重建古代文化，经济，甚至气候，提供了将历史与现今挑战联系起来的见解。

这些进步不仅仅是学术性的。它们还影响了现代农业，环境规划和教育，展示了旧知识如何转化为未来的创新。同时，AI在历史中的作用也提出了关于准确性，解释和文化责任的问题。通过将AI视为工具和向导，学者和社会可以确保技术加深了我们对历史的尊重，同时提供了对明天仍然至关重要的教训。