人工智能在世界史研究中的應用與反思

【光明青年論壇】

編者按

在當今時代，人工智能已經滲透到人類生活的方方面面，深刻改變了人們認識世界和改造世界的方式。對學術研究而言，人工智能技術一方面以其高效的文本處理能力以及突出的內容挖掘、算法篩選能力等，為研究帶來便利﹔另一方面也存在價值偏見等內在局限與倫理規范等潛在風險，由此成為各學科探討的一大熱點。就世界史研究而言，歷史學家們如何運用人工智能技術處理和分析海量的史料、構建語義關系網絡，進而得出相應的結論？人工智能技術的應用，是否拓寬了已有的研究邊界？存在哪些難以突破的瓶頸？青年一代的世界史學者應該如何與人工智能共處呢？圍繞上述問題，本版邀請三位從事不同國別研究的青年學者進行討論，並邀請資深專家予以點評，以期為數字時代的歷史研究提供有益參照。

與談人

王思婕 同濟大學德國問題研究所助理教授

姚念達 廈門大學歷史與文化遺產學院副教授

易晉銘 復旦大學歷史學系博士后

主持人

記者 周曉菲

1.人工智能如何推動世界史研究

主持人：近年來人工智能技術飛速發展，各學科的學者們紛紛探索其在自身研究領域的應用潛力，世界史研究也不例外。請各位結合自己所從事研究領域，談談人工智能在具體研究中是如何發揮作用的？

王思婕：就我所從事的德國史研究而言，中外德國史學界對人工智能的應用，目前主要集中於歷史手稿、檔案的光學字符識別與轉寫，以及借助主題建模、文本重用檢測等技術開展文本內容挖掘。同時，人工智能也顯著推動了既有數字史學工作的深化，例如在社會網絡分析中識別檔案中隱含的人物關系與中介節點，通過推理彌補地理信息的缺失等。盡管數字史學研究者很早就借助編程語言，通過詞頻統計、詞項共現等，識別潛在主題，初步實現了對大規模歷史語料的內容挖掘。然而，此類方法多局限於詞項層面的統計關聯，難以有效捕捉語義演化、修辭差異等深層次的歷史表征。尤其在長時段比較中，術語使用的代際更替常引發主題追蹤的中斷。近年來，基於深度學習的預訓練語言模型，可將文本轉化為能反映上下文語境的向量結構，從而識別出不同表述下的同一歷史主題，同時通過與大語言模型進行集成，語義嵌入也更加精細，並能直接生成解釋性摘要或標簽。

姚念達：在國際美國史學界，人工智能的應用不局限於大語言模型，而是涵蓋以自然語言處理和機器學習為核心的一整套計算分析方法。該路徑通過將報紙、政府文件乃至影音材料等多樣化史料轉化為可量化分析的對象，運用主題建模、文本嵌入和語義分析等手段，在宏觀層面揭示語言、觀念與政治話語的長期變化，為歷史解釋提供新的問題線索與証據基礎。相關研究多以計算語言變化為切入點。斯坦福大學尼基爾·加爾加團隊將20世紀大規模語料轉化為詞向量，量化分析了語言中性別與族群刻板印象的變遷，並將其與社會結構的轉型相聯系。另有美國學者梅麗莎·李分析了19世紀報紙與國會辯論語料，利用自然語言處理工具追蹤“合眾國”一詞從復數用法向單數用法的轉變。研究指出，這一表述在南北戰爭前常被理解為由各州組成的聯合體，而戰后則逐漸被視為一個統一國家，由此反映了美國人對國家主權理解的變化。這類研究並不等同於單純的“遠讀”，也不是對傳統方法的替代，而是強調計算分析與文本細讀的結合。

易晉銘：近年來，中世紀歐洲史與人工智能的結合主要集中在利用人工智能技術對中世紀史料進行自動轉寫、補全和結構化分析，從而提高古文獻的可讀性、可檢索性和可分析能力。首先，通過手寫文本識別、版面分析等計算機視覺方法，將中世紀手稿和檔案影像自動轉寫為可檢索文本。其中，Transkribus是目前歐洲學界中最常用的手寫文本識別工具之一。其次，通過知識圖譜和語義網技術，把分散在特許狀、賬簿、書信等史料中的人物、地點與制度關系結構化為可查詢的數據網絡。2025年，多位西班牙學者組成的研究團隊提出建立一個關於中世紀特許狀的知識圖譜，通過結合專家標注、社區貢獻與溯源機制，將分散的特許狀數據結構化為可查詢的知識網絡，從而支持對中世紀社會、法律與經濟關系的系統化分析。最后，大語言模型也被用於拉丁銘文的文本補全。例如，Aeneas是一款基於約20萬條拉丁銘文訓練的專用大型語言模型，可通過分析殘缺文本或圖像來補全古代和早期中世紀的銘文內容，並推測其年代、地點及相關信息，從而幫助學者更有效地解讀受損或缺失的歷史銘文。

主持人：歷史學者們借助人工智能強大的數據處理能力，能夠快速梳理海量的檔案文獻等史料，挖掘出難以發現的歷史信息與關聯。這是否意味著，人工智能技術拓展了已有的研究邊界，或者“重塑”傳統研究領域？

王思婕：人工智能雖然在方法論層面為德國史研究提供了新的分析工具，但尚未實質性拓展研究邊界，因為它既缺乏問題意識，也高度依賴研究者的前期工作與解釋性判斷。愛沙尼亞學者卡雷爾·西克以14世紀末德意志地區針對瓦爾登派信徒的異端審判為研究對象，將數百份供詞中涉及人物關系、地點與時間的信息進行數據化處理，進而揭示出審判官的調查策略，也呈現了宗教審判從信息收集到裁決的運行機制。原本散落於零碎供詞中的細節，被納入一個動態的信息處理過程之中，這顯然突破了傳統研究的敘事模式。然而，整個研究始終離不開歷史學常規的前置工作：哪些供詞應被納入分析、日期如何校定、隱含地點信息如何推斷、缺失材料在何種程度上影響結論，這些關鍵問題都必須由研究者判斷。事實上，西克也明確承認，現有算法在處理中世紀語境中的信息歧義時仍有局限，同時歷史事件本身的偶然性也會干擾算法的推理過程。

姚念達：從現有研究來看，人工智能對美國史研究的影響並非顛覆性的，也沒有形成范式革命。但在若干關鍵層面上，它確實拓展了既有研究邊界，並在一定程度上影響了研究的實踐方式。世界史研究以增進跨區域、跨文化理解為目標，但長期受研究者掌握的材料規模、語言能力與時間成本限制。人工智能的引入，使研究者得以在可控成本下處理大規模多語種史料，從而在實踐層面拓展研究的廣度與精度。其在概念史研究中的潛力尤為突出：借助文本嵌入模型和計算分析，研究者可以在全球尺度上追蹤重要概念的跨時空與跨語境傳播，而不再局限於少數經典文本。例如，美國學者艾瑪·羅德曼的研究利用詞向量模型分析美國政治語料，通過比較不同時期政治概念的語義和語義關聯，從而追蹤其在歷史語境中的含義變化，這為概念史研究提供了新的路徑。

易晉銘：關於中世紀歐洲史，人工智能對傳統研究領域的影響更為突出。在中世紀歐洲，契約是數量最多、連續性最強的書面記錄類型。它們通常是法律行為的書面見証，例如土地贈予、買賣契約和城市自治特許等。在數字化時代之前，這類研究基本圍繞單份或單組文書，常常以特定王朝、地區或機構為研究單位，社會網絡重建主要依賴人工比對。數據庫與文本檢索技術的出現，為大規模結構分析提供了重要前提。但是，數據庫通常預先定義字段（日期、地點、人物），無法適應多樣化研究的需求。人工智能可以幫助研究者訓練符合自己研究所需的語義抽取模型，從而使研究從“預設字段的統計分析”轉向“模式發現與結構建模”。2022年，多位歐洲大陸學者合作開發了一款自動識別中世紀拉丁語契約結構（如前言、正文和結尾）的模型。該模型不僅推動了中世紀歐洲契約的自動化索引與信息檢索，也為文本結構化分析提供了有效工具。

2.人工智能在世界史研究中的局限性

主持人：人工智能技術在顯著提升學術研究效率的同時，也存在不容忽視的局限。請三位談談目前人工智能技術面臨哪些難以突破的瓶頸？原因何在？這些局限又是如何影響史學研究的開展或者歷史敘事的建構呢？

姚念達：在歷史研究中應用人工智能，仍然存在若干難以突破的瓶頸。這些瓶頸並不只是因為技術尚未成熟，而是更深層地反映了當下人工智能技術與歷史研究之間的結構性不匹配。首先，人工智能難以與人類社會形成真正的情感共鳴。克羅齊曾指出，一切歷史都是當代史。一個有生命力的歷史研究選題，往往能夠回應當下的社會問題，並在現實生活中引發讀者的情感共鳴。因此，歷史研究的重要一步，在於判斷哪些歷史問題在當下具有意義，為什麼值得被提出和反復討論。這種判斷高度依賴研究者對現實社會的感知、對公共議題的敏感度以及對人類經驗的共情能力。人工智能雖然可以總結既有討論，卻不足以真正理解某一歷史議題與人類生活實踐之間的情感聯結，也無法判斷其現實價值所在。

其次，人工智能在分析歷史文本時，面臨難以回避的語義漂移問題。當前多數語言模型主要基於當代語料訓練，若直接用於歷史文本分析，容易以當代語義和語言習慣誤讀過去的語言實踐。即便如蘇黎世大學團隊嘗試使用歷史語料訓練模型，其效果仍然受到現存歷史文本不完整和不均衡的限制，其數據質量和覆蓋范圍難以與當代語料相比。

與此同時，人工智能的價值判斷也並非中立，而是不可避免地受到訓練語料中主流規范與當代價值觀的影響。當這些模型被用於歷史研究時，可能在無意中以當代標准衡量過去，從而弱化歷史語境。這些因素疊加在一起，或許會在歷史敘事層面推動一種並非出於研究者本意的當代化傾向。

最后，一個尤為關鍵的瓶頸在於人工智能的“黑箱性”。在許多情況下，人文學者難以清楚解釋人工智能是如何得出某一結論的。對於以可解釋性、可討論性為基本規范的人文學科而言，如果研究者無法說明分析過程，也就難以為研究結論承擔必要的學術責任。

易晉銘：在文本分析方面，人工智能目前主要被應用於那些保存數量較多且已實現數字化的史料類型，比如契約和通信，而在其他史料領域的應用仍然相對有限。這一局限主要源於兩方面原因。其一，人工智能模型的訓練高度依賴大規模的、可讀性較強的語料數據，例如2024年瑞士伯爾尼大學法比奧·加蒂團隊針對佛羅倫薩商人銀行通信網絡的研究調用了超過6000封信件，然而，中世紀許多史料尚未形成如此規模和質量。其二，中世紀文獻普遍存在字跡復雜、縮寫繁多和保存狀況不佳等問題，增加了文本識讀與轉寫成本。盡管Transkribus等手寫文本識別平台在一定程度上提升了大規模識讀的可能性，但其訓練和校對仍需投入人力與時間，因此研究者往往更傾向於直接利用已經整理完成的史料數據庫開展研究。目前，中世紀史領域中數字化程度最高、數據庫建設最完善的正是契約類文獻，例如早期英格蘭文獻數據集（包含約4.4萬份契約）和中世紀勃艮第文獻集（包含約2.9萬份契約），這也進一步強化了人工智能研究在此類史料上的集中趨勢。

王思婕：如上所述，語料不均衡會影響人工智能的使用范圍。另一個類似的問題在於通用大語言模型的訓練數據主要來自英語世界，這使得人工智能在歷史敘事中常沿用西方主流視角。人工智能在小語種史料的語義識別、長句及復合句理解方面，仍存在明顯不足。此外，英美檔案的數字化和開放獲取優勢明顯，有些數據庫直接提供應用程序編程接口（API），方便歷史研究者進行自動化批量抓取與深度加工。上述“數字鴻溝”在跨國史研究中尤為突出，研究者往往傾向於使用易獲取且結構化程度高的英美史料，從而影響了對歷史事件全貌的還原。

訓練數據的地區不平衡，導致大語言模型敘事的歐美中心化。全球南方的文本在現有數字化語料庫中的佔比極低，其歷史經驗在通用模型中被系統性地邊緣化。由於模型依賴概率預測來生成文本，缺乏特定語境數據時，會傾向於用它所熟悉的西方概念框架去“填補”空白，產生所謂的“幻覺”或刻板印象。例如在探究有關冷戰時期地區沖突的問題時，模型會套用美英官方敘事邏輯，將復雜的地區沖突簡化為美蘇對抗的注腳，從而強化了西方中心主義的知識再生產。

3.史學工作者如何與人工智能共處

主持人：如上所述，人工智能在應用過程中仍存在語料不均衡、價值判斷不中立等局限，在各位看來，有哪些方法可以加以應對呢？

姚念達：面對上述諸多局限，最根本的解決辦法還是期待通過技術進步徹底消除這些問題。不過，對於人文學者而言，更為現實且可行的路徑是借助方法設計與研究規范對這些局限加以緩解，從而確保人工智能始終處於可控、可驗証的地位。首先，應當明確堅持人類研究者在問題設置階段的主導地位。歷史研究中哪些問題值得被提出、為何具有研究意義，這類判斷必須源於研究者對現實社會與史學傳統的理解，而不應由模型生成。其次，使用人工智能分析歷史文本時，在研究方法的設計中必須充分區分當代語言模型與歷史語言之間的差異，並盡可能還原史料所處的歷史語境。再次，面對人工智能的“黑箱性”，歷史學者有必要強化研究過程的透明度與責任意識。即便算法本身難以完全解釋，研究者仍應清楚說明所使用的模型類型、語料范圍與分析步驟，使研究路徑保持可追溯性，從而確保結論能夠接受學術討論與檢驗。

王思婕：可以嘗試構建特定領域的垂類模型，如服務於美國早期史、德國史學史研究的專用智能體。專用智能體可以利用“檢索增強生成技術”（RAG），通過本地結構化知識庫進行材料檢索，實現語境錨定，在保障生成質量的同時提升可控性。專用智能體有獨立的記憶與參數，配合微調技術，也能對特定語種與歷史背景進行深度訓練。更重要的是，本地知識庫包含多元視角的歷史敘事，研究者也可以在提示詞中加入一些本土歷史學者的洞見，以對沖模型可能存在的地緣政治偏差。

易晉銘：將人工智能作為“假設生成工具”，而非“結論驗証工具”。要避免人工智能淪為既有史學命題的效率工具，關鍵在於重新界定其方法論角色。與其將模型用於驗証早已形成的經濟趨勢或制度判斷，不如將其定位為一種假設生成機制，通過監督學習、聚類分析或語義向量建模等方法，主動識別尚未被理論框架充分解釋的歷史問題。例如，算法可以揭示跨地區低頻人物的隱性網絡或識別非常規契約條款的語義組合。這些輸出並非直接構成歷史結論，而是為歷史學者提供新的問題線索與研究方向。隨后由研究者結合檔案語境與制度背景進行解釋與驗証。

主持人：在人工智能深刻影響學術研究范式的背景下，作為青年世界史研究者，應當如何在堅守史學傳統與擁抱技術變革之間尋求平衡，實現良性共處呢？

易晉銘：在人工智能逐漸進入史學研究實踐的背景下，史學訓練的重要性不僅沒有削弱，反而更加凸顯。首先，問題意識的形成依賴長期史學訓練，而非對技術的掌握。真正具有創新性的研究，往往源於對既有解釋的懷疑與重構。這種懷疑能力來自對史學傳統、理論譜系與方法論爭論的熟悉。沒有對史學發展史的理解，就難以判斷一個人工智能生成的模式究竟是“新發現”還是“舊問題的重復”。其次，史學訓練還培養了一種敏銳的覺察能力。人工智能依賴可見數據，但是歷史研究也常常關注缺席者、邊緣群體與未被記錄的聲音。隻有經過長期史學訓練的學者，才會意識到哪些群體在契約或行政文書中系統性缺席，並據此設計補充路徑。最后，史料批判能力是不可替代的基礎。無論模型識別出多少文本模式，研究者必須判斷這些模式是否源於檔案生成機制或保存偏差。因而，史學工作者在積極運用人工智能技術的同時，仍然需要將傳統的史學訓練放在首位。

王思婕：年輕學者應讓人工智能去承擔檔案初篩、文本識別與文獻翻譯等初階任務，將自己的主要精力投入更具創造性的解釋環節。隨著檔案資料的持續公開與數字化，從職業生涯早期開始，年輕學者可逐步搭建由結構化史料與多元視角學術成果組成的個人知識庫，從檔案的閱讀者轉向數據的管理者。在RAG技術的支持下，個人知識庫能通過關鍵詞，在多語種語料中檢索、識別語義關聯與整合研究觀點，大大提升工作效率。此外，年輕學者也應積極探索歷史學潛在的人工智能應用場景。例如，基於歷史人物的信件、日記與著作，借助生成式建模技術，實現與歷史人物的對話﹔利用歷史推演，模擬關鍵的戰爭決策或外交談判過程。上述應用不僅可以輔助歷史教學，也有助於激發研究者的學術靈感。

姚念達：在我看來，世界史學者與人工智能的關系，不應被理解為對立或替代，而是一種有邊界、有自覺的共處關系。首先要明確的是，在人文研究中強調人的重要性，並不意味著否定技術。歷史學者之所以難以被機器取代，並不只是因為技術尚未成熟，而是因為其核心價值始終來自研究者的問題意識以及對歷史意義的賦予。正因如此，人文學者並不需要通過拒絕使用人工智能來証明自身的不可替代性。與此同時，也需要警惕另一種極端傾向，即人工智能帶來的高效率或許會讓研究者不自覺地削弱自身主體性。如果研究者只是機械地依賴模型生成結論、摘要或分析路徑，研究本身可能會退化為對模型輸出的整理與復述。學者與人工智能共處的關鍵，在於清楚區分提升勞動效率與替代人類思考之間的界限。人工智能適合承擔重復性、高強度的工作，為研究者釋放時間與精力。而真正的學術價值，仍然來自人的創造力、批判性與解釋能力。

■專家點評

南京大學歷史專家點評學院教授王濤：歷史學科在研究方法上的變革比較緩慢，但其本身並不排斥方法論的更新，甚至主動引入了跨學科的思維方式，否則就不會有“新史學”的出現，乃至年鑒學派等諸多史學流派的輪番登場。司馬遷若能穿越到當下，看到年輕一代的歷史學者在大談人工智能時代的史學研究，應該會有一種熟悉的陌生感。

陌生的是那些聽起來高端的技術新名詞，讓人應接不暇。從計量史學開始，就不斷涌現數字人文、大數據、空間分析、文本挖掘等方法論，最近在人工智能的沖擊下，又制造出大語言模型、數智史學等表述，史學研究的技術轉向應該被証實了。當然，史學家並不是為了技術本身，而是希望煩瑣的研究工作能夠在技術的加持下得到效率的提升。無論是從海量文本中捕捉語義，還是轉錄手稿，都是大語言模型能夠發揮所長的領域。處於事業成長期的年輕學人天然地對這個討論更加敏感，甚至滿懷憧憬，因為按照傳統的學術發展路徑，年輕一代需要多快好省地發表論文，盡快讓高質量論文變成自己的名片。在人工智能的協助下，論文生成的流程無疑得到優化，這是極大的誘惑。大家都不想在未來的史學界，變成那個最后使用人工智能工具進行歷史研究的后進分子。

假若司馬遷闖入人工智能的時代，或許無法理解三位年輕后輩提到的技術概念，但他一定能夠敏銳地發現，在技術光環之下，他們依然在討論史學的可理解性、可討論性，史學的意義以及評價。這是他還算熟悉的話題，甚至可以加入到三個年輕人的熱烈討論中，再添上一筆“太史公曰”。因此，令人欣慰的是，年輕學者雖然密切跟蹤最時髦、最前沿的方法論，但他們始終能夠做到以歷史學的內核為導向和審判的依規，來定義或者評判人工智能的有效與有限。他們強調，在人工智能進入史學研究的語境下，史學基本功的訓練不可荒廢，這是尤其重要的提示。唯有如此，史學研究才能對抗人工智能帶來的幻覺、加劇的“數字鴻溝”，突破技術的“黑箱性”。實際上，在破除各種高端的修辭濾鏡之后，人工智能所主導的史學研究，本質上只是完成了一種歷史書寫的可能性，對此保持審慎地質疑，是一個專業史學工作者的本分，是需要時刻保持的清醒與定力。

即便如此，傳統史學的方法論與發展慣性已經難以為繼。毫無疑問，對於綜述性研究方法論而言，歷史學可能不存在了。因為完成全面性的、總結性質的學術梳理，人工智能毫無爭議地領先人類。未來的發展路徑如何，技術上如何可控，比如青年學者提到的檢索增強生成技術在世界史研究中的運用，是需要更多史學工作者在實踐中不斷嘗試才能加以推進的事業。他們還提到史學家的主體性，強調史學研究的價值來自人的創造。這個認知極為重要。雖然有學者討論過人寫的歷史未必是人的歷史，但是我們應該堅持人的歷史必須要由人類來書寫。書寫歷史是為了抵達對歷史人物的同情之理解，與他們共情。如果人工智能參與一切歷史研究的全流程，作為人類讀者，為什麼要讀一個“人類之外”的物種書寫的人類歷史呢？僅僅因為“Ta”寫得更通順，更有趣嗎？在優雅的文字表達之下，人工智能很難理解奧本海默為什麼會糾結於使用原子彈的合理性。但是，作為人類的一份子，我們可以。

中國人民大學歷史學院教授趙秀榮：人工智能的核心價值在於其處理和分析大規模數據的能力，其設計初衷是為了處理歷史學家所珍視的原始資料。這包括但不限於三位年輕學者提到的自然語言處理、主題建模、社會網絡分析以及地理信息系統。

三位年輕學者都從自己的研究視角肯定了歷史學家可以借助人工智能提升研究效率。的確，目前大量史料被數字化，被轉化為可全文檢索的語料庫——包括報紙、期刊、日記，甚至手稿檔案，其構建的各類數據庫已經超越了人類的認知能力，無法運用傳統的細讀方法閱讀和分析這些資料。例如，“托馬森小冊子”是一個由17世紀倫敦書商喬治·托馬森收集的文獻集，包含1640年至1661年間出版的22,255份小冊子、傳單、手稿、書籍和新聞紙。這批藏品被視為大英圖書館的瑰寶之一，是研究英國內戰時期歷史的無價之寶，目前已經被收入早期英文圖書在線數據庫之中。顯然，閱讀和整理這些史料超出任何一位歷史學家的能力范圍，正如法國歷史學家克裡斯蒂安·亨裡奧特寫道，除非歷史學家掌握駕馭這片復雜且未知領域的必要技能，否則這個“信息豐富的世界”將始終遙不可及。

三位年輕學者也都意識到人工智能存在的局限。一是人工智能帶來的算法中的偏見，這與檔案中的偏見類似。人工智能不僅會反映甚至放大檔案中已有的偏見（如種族、性別和殖民主義偏見），這就是為何歷史學家的作用至關重要。二是人工智能的“黑箱”問題。許多人工智能系統是不可審查的，意味著其內部決策過程即使對設計者來說也是不透明的。這對依賴可驗証的歷史研究構成根本性的挑戰。目前一些人工智能系統已經意識到這個問題，開始設置由人參與驗証和糾錯的機制。

因此，歷史學家不僅不是人工智能的被動消費者，獨特的學科訓練反而使其能夠識別人工智能帶來的問題。例如，人工智能根據現代語言訓練導致的偏差和偏見問題，這對歷史學家來說並不陌生。因為即使是檔案資料也隱藏著偏見，如在維多利亞時代之前的社會史研究中就很難找到女性的、兒童的、下層民眾書寫的史料。至於“黑箱”問題，歷史學寫作方法的訓練可以有效克服這一問題，自19世紀蘭克學派以來，專業史學寫作就建立在通過腳注來展示所用史料的原則之上。對使用人工智能標注的呼吁，正是腳注原則在21世紀的延伸。

人工智能可以發現模式，但無法解釋為何這些模式是重要的，也無法書寫引人入勝且有意義的歷史敘事。人工智能可以生成模型，但不能進行語境解讀，無法進行史料批判，更無法評估史料中隱藏的偏見。這就意味著，使用人工智能伴隨著重大的責任。利用人工智能進行輔助研究，必須採納一個全新的、更嚴謹的批判框架。歷史學家的傳統技能非但沒有過時，反而在人工智能時代變得比以往任何時候都更加重要。歷史學悠久而深刻的批判傳統，為應對人工智能最棘手的挑戰提供了堅實的思想基礎。

人工智能是一種變革性技術，正在改變歷史學家使用的工具，拓寬歷史學家的研究視野。人工智能在歷史研究中的最終價值在於增強歷史學家的技藝，使我們能夠探索更宏觀的歷史，並撰寫出比以往任何時代都更豐富、數據更充分、更細致入微的歷史。但必須銘記的是，人工智能不能像歷史學家那樣思考，也不會提問，更無從判斷哪個題目具有研究價值。因此，在人工智能時代，歷史學家的人文素養愈發彌足珍貴。