昨天，安全研究员卡特·丘奇（Carter Church）宣布，他使用 GPT-6 Astra 工作六小时，破解了一个拿破仑时代此前抵抗住所有解密尝试的密码。丘奇的相关帖子不仅提供了一个可复现的方法论示例，也展示了如何即兴编写出信息密集的文章，其风格迥异于传统学术审美，却深入呈现了原始资料与有意义的信息。
正文
又有一天，前沿模型破译了一部历史密码。昨天，安全研究员卡特·丘奇宣布，他用 GPT-6 Astra（花了六个小时处理这个问题）破解了一部拿破仑时代的密码，此前所有解密尝试都未能成功。
丘奇关于此事的文章是一个有趣的例子，不仅展示了可复现的方法论，也展示了如何用 vibe coding 写出一份信息密度极高的报告——它与任何传统学术美学都明显不同，却以一种相当深入的方式呈现了原始资料和有价值的信息。
审美上的怪异性只是冰山一角。关于这些用 AI 进行历史侦探的尝试（以及我自己在这方面的尝试），我注意到最多的是，当前沿模型被赋予历史研究任务时，其运作方式存在一种认识论上的怪异。
展示我意思的最好方式，是分享我如何逐步找到一份看起来此前未被注意到的、可追溯到 1615 年的荷兰人捕猎渡渡鸟记录。核心步骤如下：
从实际的专门知识基础出发，定义一个具体的研究问题（例如，我此前研究过 17 世纪珍奇动物贸易史，并计划写一本关于近代早期动物灭绝的书，其中会有一章讲渡渡鸟）
找到规模大、可免费获取、编辑良好的历史文献语料库（此处是荷兰东印度公司档案的 GLOBALISE 档案库，一个极好的资源）
下载这些文献，用嵌入模型处理，以便通过语义搜索找到可能有助于回答研究问题的段落
用语义搜索找出候选段落，然后让前沿模型阅读，并生成最佳匹配的排序列表供人工审查
这些文献段落是否有助于回答问题？如果是，就继续迭代。如果不是，就继续到新档案或用新检索词寻找。
乍看之下，这与我自己的研究方式并没有那么不同。我通常会用脑海中冒出的各种检索词在历史数据库中搜索，然后浏览结果，直到某段文字引起我的兴趣，再仔细阅读并迭代。
区别在于，像 Opus 5.5 这样的 AI 智能体可以生成自己的数十个副本，以多种语言阅读文献。如果你给这些智能体一个 API 密钥，它们还可以对研究中出现的新文献运行自己的嵌入搜索，Opus 在这次运行中就是这么做的，并因此找到了新发现的段落：
那么这段渡渡鸟文字是什么，为什么重要？
很少有历史生物像渡渡鸟这样被广泛研究。这种毛里求斯的大型鸟类因过度捕猎而于 1681 年左右灭绝，广为人知。但这其实正是为什么找到关于这种动物的更多信息对 AI 智能体来说是“可处理的”：它已经有大量已识别的文献基础可供利用，并且能够扫描学术文献，找出此前与渡渡鸟相关的档案发现是在哪里做出的（这里是 Opus 5.5 在一份研究档案中写下的自己的过程）。
Opus 5.5 在检索荷兰东印度公司数百万条记录时找到的大部分内容，已为众多研究渡渡鸟历史的历史学家和科学家所知。但一份 1615 年的手稿文献似乎此前未被注意到，那是一份可在此处查阅的航海日志。
这份日志可能由伊什布兰特·科内利松·范佩滕撰写，他是荷兰东印度公司商船“阿姆斯特丹号”的船长。该船于 1615 年 4 月抵达毛里求斯岛，船员在那里收集水和食物，为前往东印度群岛的剩余航程做准备。
除其他事项外，他们“捕获了许多陆龟、渡渡鸟（dodeersen），以及一些鹅和鹦鹉”。
海牙国家档案馆藏 VOC 1.04.02, inv. 1059, fol. 141 局部。左下可见“dodersen”（渡渡鸟）。
以下是相关段落的荷兰语转写和英文翻译（注意，转写和翻译并不完美——如果你研究近代早期荷兰语，请告知我任何更正！）：
我通读了相关二手文献，如帕里什 2013 年的《渡渡鸟与孤鸽》，以及其他专题文章。这看起来确实是对渡渡鸟时间线的新补充，此前 1611 至 1616 年期间存在空白。
至于这是否真的那么重要：它并非惊天动地。但我确实认为这是一个可发表的结果，尤其是与同一次检索中的另一个新发现结合起来时——那次检索还发现了一处可能的新记录，涉及毛里求斯另一种已灭绝鸟类红秧鸡。一份 1638 年的记述——也就是荷兰人首次殖民该岛的那一年——用荷兰语词“velthoenderen”（田鸡）来描述“field-hens”。研究该主题的专家此前已确认，荷兰人用这个词来描述红秧鸡。但这处特定记录显然被遗漏了，因为一位法国学者在 1890 年将该词误译为 perdrix（山鹑）。
出自此处的报告。
Opus 5.5 能够回到原始手稿文献并纠正这一点。
不过对我来说，最有趣的潜在发现仍然非常不确定。但如果能确认，那确实会相当引人入胜。因为它可能有助于解释 17 世纪最神秘的一幅画：莫卧儿皇帝贾汉吉尔显然拥有一只活渡渡鸟。然而，没人知道是谁、何时、为何送给他的，贾汉吉尔也从未在回忆录中写到它。
乌斯塔德·曼苏尔，圣彼得堡新米哈伊洛夫斯基宫东方研究所（维基百科链接）
我其实在 2012 年写过这幅画：
两年前，曼苏尔画过一只毛里求斯渡渡鸟，生物学家至今仍将其引为现存最准确的该鸟形象。换言之，如果一个精明的商人或宫廷人士遇到一只外形极不寻常的鸟，贾汉吉尔正是他们会去找的人。
事实证明，没人真正知道这幅画的确切日期。一些学者认为是“约 1625 年”，另一些认为是“约 1615 年”。（我们确实知道，一位英国商人于 1628 年报告了毛里求斯渡渡鸟在印度存在，但是否包括画中这只渡渡鸟则无从得知。）
令我大为惊讶的是，Opus 5.5 在非常广泛的手稿中翻查，提出了以下理论：贾汉吉尔的渡渡鸟很可能就是一位葡萄牙耶稣会士于 1616 年在毛里求斯描述的那只动物。这位耶稣会士称这种毛里求斯鸟为“鸵鸟”。问题是，毛里求斯根本没有鸵鸟！
遗憾的是，这份记述的葡萄牙语原文现在被认为已佚失，但一份法语译本留存下来，Opus 引用的正是这份译本：
这种“鸵鸟”其实是渡渡鸟的理论已为该主题专家所知，法语译者也如此注解。但看起来，这只 1616 年在前往果阿途中捕获的葡萄牙渡渡鸟，与 1615 至 1625 年间某个时候最终抵达贾汉吉尔手中的渡渡鸟之间的联系，尚未有人建立。
诚然，传播链条尚未确立。但我猜测，这可能正是贾汉吉尔的渡渡鸟的来源。因为我们恰好已经有一条非常清晰的传播链，涉及另一只从果阿的葡萄牙人送到贾汉吉尔宫廷的珍奇鸟类，可追溯到 1612 年：一只美洲火鸡！
这是我计划进一步深入研究的内容。如果能更可靠地追溯，我认为贾汉吉尔渡渡鸟的身份确认会是一件相当重大的事。这只莫卧儿宫廷渡渡鸟可能是历史上最著名、科学上最重要的单只渡渡鸟，因为贾汉吉尔杰出的宫廷画家乌斯塔德·曼苏尔留下了现存最准确的描绘。
至少可以说，这次对荷兰档案的深入挖掘让我清楚看到，前沿 AI 模型能够基于独立的档案侦探工作，发现新的历史发现。几个月前我还无法这么说。
它们目前做不到的是提出正确的问题，或判断发现的重要性。
当代 AI 能为历史研究做的主要事情，实际上相当于数字版的数羊。因为它们从不厌烦，所以能检索庞大的数据集，为既有主张找到新证据（或者，有可能推翻它们）。
它们更不擅长自己提出新想法。似乎效果最好的做法是，把它们放在两个学科的边界上，给它们一个文献基础，让它们有条不紊地朝着一个由人类生成的问题努力。
它们也明显不擅长判断所发现内容的历史意义。
在我寻找可处理目标的尝试中，Opus 5.5 和 GPT-6 一次又一次地生成多达十几个独立智能体，它们深入细枝末节，完全迷失在杂草丛中。
有时，杂草丛还挺有趣。例如，一个智能体发现了一段非常有趣且新颖的记述：英国船长乔纳森·海德从荷兰在毛里求斯的殖民地偷走了珍贵的乌木以及“两只海牛”（！）。当一名荷兰官员质问海德及其船员时，“他们的木匠威胁要用斧头劈开我的脑袋。”这位官员补充道：
船长还在航行中带走了大约 20 只陆龟，声称打算把它们放到圣赫勒拿岛上，以便在那里繁殖上述陆龟。
作为环境史发现，这具有历史意义。事实证明，这里涉及的动物——毛里求斯巨龟——最终也灭绝了。这 20 只个体是否真的最终抵达了数千英里外的圣赫勒拿岛，不得而知。但我们确实知道，海德船长的船在返航途中于亚速尔群岛附近沉没。
这是一个相当精彩的故事！近代早期人们移植作物和动物，正是我感兴趣的领域，我也喜欢那个朝荷兰官员挥舞斧头的木匠。我可能会在某个时候把它用在我发表的作品里。
然而，大多数时候，智能体会偏离到我完全无法辨认、且需要大量专门知识才能核实的档案中。例如，这是一次对印加奇普进行了数小时搜索的产物：
这有决定性吗？这些有任何意义吗？我真的不知道。我想加里·厄顿知道。但我并不想拿一个由 AI 智能体生成、在同一主题上只花了几个小时的问题，去打扰一位毕生研究印加奇普的人。
这其实正是一批 AI 研究智能体即将变革的领域当前问题的核心：人类专家应该如何与这些东西对接？
我处理与英国商人偷巨龟或贾汉吉尔渡渡鸟有关的材料时很自在，因为这类东西我已经研究了十多年。但当业余爱好者运行 AI 研究智能体，闯入真正的新学术领域，却没有知识或人脉去复核时，会发生什么？
这正是卡特·丘奇在我开头链接的文章中所说的：
一个有耐心的专家在 1970 年就能做到这一点。但那将意味着一位专家花上数周时间：近代法语、对 1,300 个手绘符号的稳定眼力，以及统计学，全都花在一本军队期刊的一张图版上。具备这些技能的人存在，他们有更重要的问题要解决。所以这封信一直未被阅读，因为能读它的人无法证明值得花这个时间。
我花了六个小时的模型时间和几个晚上的自己的时间。友清说，他收到解答的速度已经超过他记录的速度。我确信其中很少来自密码学家。一年前，这句话大概讲不通。
我猜，大多数学科中的大多数“未解”清单，包含的这类问题比任何人以为的都多。这些清单即将大大缩短，而缩短它们的人将越来越多地是那些单纯出于好奇的人。
就个人而言，如果一群好奇的业余爱好者带着一小支 AI 智能体大军，深入渡渡鸟材料，或近代早期毒品贸易，或 19 世纪意识科学史，或任何我正在积极研究的其他东西，我会非常兴奋。但当这些事发生时，情况会很快变得非常奇怪。
瓶颈很快就会不再是研究发现本身，而是小众主题专家的注意力。
数学家陶哲轩博客上的一篇客座文章最近总结道：“我们需要多得多的数学家。”
我同意，并想补充：我们需要多得多的历史学家和人文学者。
• 青铜时代为何崩溃（Works in Progress）
• 是谁写了伊丽莎白一世最尖刻的信件？（Smithsonian——这是基于手稿文献交叉比对进行原创历史分析的一个绝佳例子。）
• 与赫库兰尼姆纸卷有关的更多突破。
评论
多数读者赞赏文章水准并共鸣于大语言模型的非人类式错误，少数人质疑示例基于旧版模型或探讨个人档案处理。
认可文章质量打破平台偏见
- 读者原本将Substack与冗长低质挂钩，本文被赞为例外（较多人）
- > 本来以为这平台内容水，这篇读着真棒（@dgellow）
指出模型错误非人类化且难以预期
- 有用户在3D设计中见到模型完美造卡扣却把零件转错九十度，显示其失误脱离人类常识，虽能解难题却不犯人型错（少数人）
- > 它完美处理难事却犯低级朝向错，这类错不像人难预料（@nl）
怀疑文中示例基于旧版模型
- 依据文本中音乐与语言表现，猜测调查时模型未升级，因新版已大幅改进此类能力（少数人）
叹服海量文本中缩小范围的功夫
- 相比找到渡渡鸟提及，将几千页文献收敛到可查范围更令读者印象深刻（少数人）
- > 若总页数就那些，作者能缩到三千页比找鸟更牛（@early_exit）
欲借模型整理私密手写档案
- 有读者考虑扫描逝亲难辨笔记供模型挖掘元信息，体现对个人知识管理的向往（少数人）
有价值的补充
- 在3D打印任务中，模型可生成精确卡扣但将装配部件旋转九十度，佐证文章所说“认识论怪异”：它不擅判断产出物的物理或历史语境意义。
- 将数千页史料交由子代理处理再聚焦，展示了一种可复用的长文本挖掘工作流。