[历史人文] Deepseek的出现对历史学和文学有何影响？

阅读网购物网址万年历小说 | 三丰软件天天财富小游戏

TxT小说阅读器
↓小说语音阅读,小说下载↓

一键清除系统垃圾
↓轻轻一点,清除系统垃圾↓

图片批量下载器
↓批量下载图片,美女图库↓

图片自动播放器
↓图片自动播放,产品展示↓

佛经: 故事佛经佛经精华心经金刚经楞伽经南怀瑾星云法师弘一大师名人学佛佛教知识标签

名著: 古典现代外国儿童武侠传记励志诗词故事杂谈道德经讲解词句大全词句标签哲理句子

网络: 舞文弄墨恐怖推理感情生活潇湘溪苑瓶邪原创小说故事鬼故事微小说耽美师生内向易经后宫鼠猫美文

教育信息历史人文明星艺术人物音乐影视娱乐游戏动漫 | 穿越校园武侠言情玄幻经典语录三国演义西游记红楼梦水浒传

阅读网 -> 历史人文 -> Deepseek的出现对历史学和文学有何影响？ -> 正文阅读

[历史人文]Deepseek的出现对历史学和文学有何影响？

[收藏本文] 【下载本文】

Deepseek的出现对历史学和文学有何影响？
关注问题?写回答
[img_log]
社会科学
文学
历史学
Deepseek的出现对历史学和文学有何影响？

抛砖引玉，做了简单测评。答主是文史作者和非常低级的研究者，谈谈Deepseek对文史创作者的影响。
先说结论：Deepseek会进一步将文史创作者之间的差距拉大，遇强则强。也势必会淘汰掉部分创作者。
我将分为学术性、文献查找、文献解读、创造力四个层面介绍这次测评结果。
学术性：最初吸引我的是Deepseek对学界犀利而不失尊重的品评，它对各家学派、人物、学术史如数家珍，毁誉自如，这也是其最趋近于人的回答。它的一大长处还在于对我意图的揣摩，它甚至试图揣摩我的身份和每一个问题背后的动机，它能判断出用户在该学科领域的大致了解程度。
文献查找：假设同一篇文章需要20条史料，我查到17条，它查到17条，其中14条重合，3条互相不覆盖但可以互相替换，皆可作为论据。除此之外，AI可以找到许多学者不太能想到的论据源头，比如一些业界活动，书影音等。这意味着可以把这方面工作交给Deepseek，它至少可以为要求高的创作者节省1/3文献查找的时间。但是，之所以谈遇强则强，是因为基础足够好，眼力足够强的创作者才能识别Deepseek所出答案的好坏与改进方向，精准描述需求和调整策略，把AI教成称职的助手。这也就延伸出两个不易被取代的需求：审美鉴别力与表达描述力。

文献解读：优点和短处都非常明显。一个十分令我惊艳的能力在于，我要求它把引用史料前后至少三百字的段落都罗列出来，以便我人工核验（原因我并未告知它），得令的Deepseek就像一个比主人还周到的管家，没有完全照办：

而是罗列了关键的部分，但在头尾分别告知我没有罗列的部分是何方面无关内容，不罗列是节省我的精力，猜中了我的心理。

缺点是对史料的解读能力有限，其一体现在年份上，它能理解“公元xx年”或“xxx年”，但无法识别需要二次计算的文献段落。比如“这个人年过六十，在某年代上大学，他的孩子出生在某知名历史事件前后。”人工可以据此估算出其和其子的大致年龄范围，而它初次检索通常只会罗列更直接的论据。
创造力：将会是人类创作者有别于AI的最大突破点。不同于对文献的阅读量与记忆力只能望AI兴叹。我给AI喂了几篇科普文章作为范本，但AI的长处仍然在于罗列史料。对于史料的解读和分析篇幅和延伸都有限。而这恰恰是区别于文史工匠和工程师的特点。它可以熟记中古所有史料，但未必能梳理出如《魏晋之际的政治权力和家族网络》般洞若观火的文字；它可以给出详实的逻辑链条，但未必能从无情的史料里铺陈如“我无意限定他的未来路程；但我依然在企盼着，他能够选择那种或许不会富足显耀、但必定是充实的生活方式”般的情感延伸。
综上，专业能力仍是很大的竞争力，高屋建瓴的工程师不但不会被取代，还会更加适配和AI跨行业联动的工作岗位。Deepseek可以为工程师的创造力提升极大的效率，是牢固的钢筋水泥，百尺高楼之地基。

今天做了一次测试，多少让我觉得有点失望。我完全同意
@螺旋真理
前辈的观点，他只是一个不成熟的助手，它所提供的内容不可靠。我始终还是认为，AI提供的知识，远没有通过自己搜索来的可靠。盲信AI导致的并不仅仅只是人跟人之间真实的知识储备差距的增大，因为很多人很可能真的会相信AI提供的答案。信一套错的，比不知道的结果还要糟糕。
——————————————
今天所用的例子，图拉真的银迪纳里，编号RIC 307.

先用的Chat GPT，英文提问。我之所以先用GPT，是因为它刚刚出来的时候，我用它测试过这枚307图拉真圆柱。当时GPT是搞错的，但是编出了一段看起来像真的回答，如果我不是知道答案，那么当时GPT的东西极有迷惑性。而这一次GPT的回答基本上是无懈可击，说明在这些日子里，它的信息检索和分析能力确实在加强。

然后，我用同样一段英文，去问了Deepseek，它给了我了一段乱七八糟的回答。Deepseek完全没有找到跟圆柱相关的信息，而且它看起来就是到处搜罗很相似的信息，然后给我拼到一起出了个回答，虽然是错的，但它特别像是真的，

于是我用中文问了一遍，它居然给出了完全不一样的回答，正反面的铭文都不一样。

于是我用西班牙文问了一遍，这次更绝，Deepseek告诉我，因为没有确认是哪一个Volume的307，所以无法准确回答，只能给我一个猜测。

我感觉Deepseek还有很长的路要走，尤其是在信息的检索和分析上，目前还做不到很准确。因此用它去搜索那些偏门的历史信息大概率要出问题。但是要知道GPT以前也是这德行，所以Deepseek肯定是会越来越准确，只是我们不知道在它真正变得可靠之前，它会提供出多少错误信息。毕竟GPT就污染过历史圈子，它踩过的坑，Deepseek大概率也得踩。
—————————
不过也别太高看了GPT，转个弯还是能把它问到坑里去。我追加一个问题，除了307，另外两个有圆柱的RIC号是什么，GPT答对了其中一个292，但是另外一个356它没答对。

而RIC 96是一个达契亚俘虏版：

虽然GPT也还早得很，但是我一开始没指望它能至少说对一个。
——————————————————
深度思考（但是没联网）...307是赛斯特提。没联网的话还是别思考了...

这几天问了DeepSeek不少关于历史方面的问题。总体评价，DeepSeek的答案可以做到“廉价六分正确”。
1.很多低水平的历史系学生，平常做个读书报告总结个一二三四条都头疼，这点水平肯定是比不过DeepSeek了，后者答案的条理性十分强，且不论细节对不对，起码看起来像那么一回事。
2.对很多水平一般，只会拿教科书或ppt照本宣科的中学、大学老师，同上。
3.对未来中学文科的课程安排会造成较大的影响。当前中学文科的一大问题，就是太简单，高中3年累死累活，学的文科其实仅仅停留在通识教育的水平（相比之下，高中理科不可能只停留在《十万个为什么》《少年儿童百科全书》的水平）。在AI的冲击下，文科需要增加广度和深度，招生宁缺毋滥。
4.但DeepSeek回答历史问题，常常出现细节错误、东拼西凑（AI的本色）、乃至知识盲区。
这恰恰需要有足够的历史水平，才能看出AI的错误，并给出针对性的反馈。
（有很多小镇理科生，初中之后就没学过什么正经文科，或者以为各种奇奇怪怪的东西是文科，真心以为AI给出的文科回答都是正确的，在那幸灾乐祸“文科要被取代了”；很多低水平文科生也被吓傻了，大过年的在那呜呼哀哉。）
分享几个和ds互动的截图

AI还是有承认自己不懂的谦虚时刻，值得肯定

刻意问了这个相对具体的题目，其实是我的硕士论文。AI的回答基本抄了我的文章，但抄的不是我的论文，而是我投给自媒体的精简版。

和于赓哲的体验类似：ai给出的答案第一条就是自己的论文

让ds设计一个顺朝大事年表，结果基本上是照着清朝编的

让ds评价我自己，吹得比较厉害，就是时效性比较差。我搞欧洲中世纪史已经是n年前的老黄历了。

就这么讲吧，我让Deepseek给我写一篇有关于明代的半导体与微电子技术的论文，它都给我编出来了：
**试论明代的半导体与微电子技术**
**摘要**
本文通过跨学科视角考察明代（1368-1644）物质文化中蕴含的半导体材料雏形与微加工技艺。研究表明，朱砂提纯工艺达到电子级纯度标准，水银合金制备技术揭示了液态金属半导体特性，青花钴料呈现p型半导体特征。借助精密铸造与微雕技艺，明代工匠已掌握微米级器件加工能力。这些发现为重构前现代半导体技术史提供新思路。
**一、材料体系中的半导体特性**
1. 朱砂（HgS）提纯技术突破
《天工开物》记载的"九转炼砂法"通过九次升华提纯，经XRD检测故宫藏丹药残留物显示，其HgS纯度达99.97%，接近现代半导体级材料标准（99.999%）。晶格常数测定显示（111）晶面间距0.337nm，与硅晶体（111）面0.313nm具有可比性。
2. 水银合金的载流子迁移特性
明代银汞补牙配方（银汞齐）经霍尔效应测试显示，当汞含量达73wt%时呈现n型半导体特性，载流子浓度达101?cm?3。这与现代GaAs半导体器件载流子浓度（101?-101?cm?3）处于同一数量级。
**二、微加工技术演进**
1. 微雕工艺的极限突破
苏州陆子冈玉雕呈现50μm线宽雕刻精度（SEM分析），与早期集成电路光刻精度（1970年代10μm级）形成技术代际呼应。故宫藏"核舟记"橄榄核雕刻包含8层立体结构，与现代MEMS加工中的多层堆叠技术原理相通。
2. 青花钴料的掺杂控制
景德镇官窑通过控制"苏麻离青"钴料中Fe/Co比（EDX分析显示0.8-1.2），在釉下形成p型半导体结构。这种精确掺杂使青花发色呈现特殊电致变色效应，在电场作用下可发生#0F4D92至#2A5CAD的色坐标偏移（CIE检测）。
**三、技术传承断层分析**
1. 知识体系局限
工匠经验未能升华为电子理论，朱砂导电特性仅应用于"指南车"磁偏角修正，未发展出pn结概念。
2. 制造设备瓶颈
虽具备微加工能力，但缺乏真空镀膜（极限真空仅达10?1 Torr）、离子注入等关键设备，导致器件性能受限。
**四、历史启示**
1. 材料先导规律
半导体技术发展遵循"材料突破-工艺革新-理论完善"路径，明代案例验证此规律
2. 技术生态制约
微观制造技术需配套检测仪器（如1590年显微镜才发明）、理论体系支撑，孤立技术突破难以持续演进。
**结论**
明代工匠在半导体材料制备与微加工领域达到前现代文明的技术巅峰，其经验智慧对当代特色工艺半导体器件研发具有启示价值。本研究为科技史研究提供新的分析框架，但需注意避免将现代概念简单投射于历史语境。

毫无疑问参考文献全部来自于虚空编造，特别是编造造出来了一个在《天工开物》当中并不存在的"九转炼砂法"。
与其问Deepseek对于历史学和文学有何影响不如讨论对自媒体有什么影响，真有人拿着这玩意儿说“西方的芯片都是抄的明朝”乐子可就大了。

善用它有助于消除一些最低级的错误。
比如说最新一期《清史研究》上的《危险的馈赠：咸同年间俄国送华枪炮与教习始末（1856—1862）》一文。

该文两次征引了1895年出版的俄文史料《有关尼古拉·帕夫洛维奇·伊格纳季耶夫1859~1860年在中国期间的材料》（Материалы, относящиеся до пребывания в Китае Н.П. Игнатьева в 1859-60 годах）。
第一段如下：
俄国学者将这批武器表述为10吨（10000支）线膛枪、500枚军用炮弹、100万个底火、600 吨的米尼子弹及底火壳和比利时新型弹药等。

我此前已经写文论述过这段里头的武器名词仅有线膛枪、底火能算正确，军用炮弹实际上是军用火箭，米尼子弹实际是米尼耶子弹的锥塞/杯状底火，比利时新型弹药实际是比利时新型子弹模具，就连作为数量单位的“千”（тысяча）也被该文作者当成了“吨”（тонна），闹出了大笑话。
如何看待北大历史系尚小明教授《关于辞去历史学系学位分会委员致全体老师的信》?172 赞同 · 9 评论回答

要是作者当时能用DeepSeek稍作对照，那至少可以免去上述低劣错误。

第二段如下：
在确定了东西伯利亚军队极其糟糕甚至可耻的装备状况后，爱国的伊格那提耶夫一想到向中国转交对俄国来说成本如此之高的改良武器及军火库和兵工厂里的一切配件就愤慨不已。中国人迟早会敌视俄罗斯，而他们会遭到俄国军队的进攻，俄军用的是叶卡捷琳娜时代的枪炮和枪炮架，用的是散弹枪和滑膛步枪，甚至它们中的大多数都是燧发的，只有小部分被翻新成突击式的。伊格那提耶夫对执行普提雅廷伯爵想法的合理性产生怀疑，并建议穆拉维约夫伯爵将一些米尼和比利时子弹以及一些在西伯利亚没有的武器留在上乌金斯克，用于建造外贝加尔空缺的武器车间。

仅拿划了红线的那句对照下，该文作者将明白无误的“оруд?ями火炮 и和 лафетами炮架”翻成“枪炮和枪炮架”，将“разстр?лянными射过的 гладкоствольными 滑膛的 ружьями 步枪”（?是旧字母，十月革命后并入е）翻成“散弹枪和滑膛步枪”。
最后则将“击发式的”（ударныя）枪翻成了“突击式的”……这是对突击步枪有什么特殊爱好吗？？
这里的ударныя源自ударник，也就是击发枪上的击针、撞针，哪来什么突击可谈呢？

可是，作者如果能将这段俄文录入，而后用DeepSeek稍微查核一下，便至少不会犯出版文章里的离谱错误。

本人在另一个答案中展示了DS在文献学这一古字头文史学科中的试用效果。认为其第一次在AI中写出基本符合学理，又没有AI味的文献学答案。已经达到相关本硕学生85分作业的水平，未来可期。
你用 DeepSeek-R1 做出了什么有趣的东西？?www.zhihu.com/question/10595179764/answer/89349700597?utm_psn=1868743325923807232

DS在3丶5年内有可能取代文史学科毕业生岗位包括但不限于：
1.水平不高的二丶三本文史学科大学老师以及中小学老师。这部分人已丧失阅读原始材料和前沿著作能力，甚至备课连权威教材都不参考，沿用自己多年回锅牛肉PPT，或直接从网上当一个。这种人的教案丶PPT过几年可能真比不上AI。
2.语言丶写作能力不过关者。个别文史学科毕业生，不仅研究能力没培养好，语言表达丶文字写作能力也不十分过关，基本停留在网络旧代剪刀+糨糊水平。毕业后找个小地方公务员丶三流记者丶编辑或文员过日子。现在DS的缝合能力，都有可能追上他们。
3.没有核心思想丶内容的自媒体工作者。个别二丶三流自媒体写作者，内容基本是追热点，再加拼凑丶编造。DS目前仿写的，不少后来居上。
至于取代甚至辅助一线文史工作者，仍有很长的路要走。目前要解决的恐怕是1.相当多的文科著作丶资料，尚未数字化，数字化的不少也在收费数据库，DS目前无法参考。2.如何科学考辨存在矛盾丶真伪的材料哪个正确，并分析背后的原因。3.如何把材料按学术规范注释引用出处。更无法解决的恐怕是，如何真的像人类大师一样，产生新的伟大思想，供人仰望星空。
如围棋人工智能有一天真的能下赢李世石丶柯洁，甚至指导人类下棋，AI在文学丶历史领域未必没有这一天。但现在DS在文史学科的水平，大概刚刚到业余高手和职业一段之间。非常可喜，但前路依然漫长。

目前只能当一个不成熟的助手用，还不能当做参谋。
主要是两个大问题：
第一，不能分辨内容的对错正误。这和学习材料收到了污染有关，这和互联网内容平台放任甚至鼓励有关。
第二，会编造史料，不诚实。
再深入分析的话，现在的AI学习的内容是文本，但是历史学研究已经发展为文本、器物和习俗三个领域的交叉，看下一步AI是否能发展出其他两个领域的学习能力了。

对历史学：只对水平极好的一小撮人有用，稍微菜一点的都无法判断他“检索”到的材料是不是刚编的
对文学：对历史魔改/或然、历史夹缝之类的小历史发明家类文学，有离谱级别的辅助能力，
几轮长考之内，它就能胡编一套精巧的严丝合缝的魔幻史学，人物生卒完整（刚编的），时间脉络全对（它自己改的），文献资料完备（高仿的），
它甚至在我压根没提任何要求的情况下，大大方方的帮我总结了几万字的文献伪造方法论，如何层层嵌套，怎么互相引用，互相否定，自相矛盾，如何利用人的弱点制造认知迷宫…
难以想象，我要是拿这些东西，不是放小说里，而是放百度百科上……

我来推荐几篇 UCSC 教授 Benjamin Breen 的文章，Benjamin Breen 教授自从 GPT-4 发布之后，就一直致力于生成式 AI 对历史学研究及教学的影响。比如，他之前曾经在课堂上使用 ChatGPT 进行不同历史时期的角色扮演，使用 GPT 和 Claude 翻译历史文献等。
注意：尽管他的一系列文章不是在讲 DeepSeek，但我觉得其思路是有价值和启发的。因为在过去两年，ChatGPT 已经在国外普及，但国内并缺乏使用途径，且此前缺少中文能力较强的前沿模型。DeepSeek 破圈后，国内的文史圈子才会开始正视并尝试生成式 AI。所以完全可以借鉴国外如何使用 ChatGPT 研究历史的经验，来使用 AI 辅助国内的其他历史研究。
大概有如下几篇：
Simulating History with ChatGPT《使用 ChatGPT 模拟历史》https://resobscura.substack.com/p/simulating-history-with-chatgpt" data-tooltip-richtext="1" data-tooltip-preset="white" data-tooltip-classname="ztext-reference-tooltip">[1]：

本文讨论了作者在 UCSC 历史课程中使用大语言模型（LLMs）来模拟互动历史场景的教学实验。自2023年1月以来，作者开始将AI工具应用于教学，并与学生一起探索历史模拟的潜力。尽管这些模拟存在虚假信息和“幻觉”，但它们可以成为一种独特的教学工具，帮助学生深入理解历史事件和研究方法。
作者指出，LLMs因其文本生成能力，可以增强人文学科的教学，尤其是历史学。历史专业的学生已经具备分析历史文本的技能，这使得他们能够识别并应对LLMs中的错误信息，进一步培养他们的历史研究和核查能力。尽管如此，作者也承认，LLMs在短期内可能带来学术不诚实问题，尤其是在作业和写作中。
作者详细描述了如何利用LLMs进行历史模拟。例如，通过模拟公元前1750年美索不达米亚铜商Ea-nā?ir的交易，学生不仅要体验模拟过程，还要对其进行事实核查并进行修正，以此培养他们的研究和AI互动技能。此外，作者还分享了多个模拟案例，如“黑死病模拟”，学生通过模拟不同地点的生活，深入分析历史时期的准确性和差异。
LLMs在教学中的潜力巨大，能够增强学生的参与感和创造力，尤其是对于那些之前参与度较低的学生。然而，模拟中也存在一些问题，比如不符合历史事实的幻觉问题。
Translating Latin demonology manuals with GPT-4 and Claude 《使用 GPT-4 和 Claude 翻译拉丁恶魔学手册》https://resobscura.substack.com/p/translating-latin-demonology-manuals" data-tooltip-richtext="1" data-tooltip-preset="white" data-tooltip-classname="ztext-reference-tooltip">[2]

本文探讨了使用AI工具（如GPT-4和Claude）翻译拉丁文恶魔学手册的实践应用，尤其是在历史学研究中的潜力。作者通过翻译16世纪耶稣会神学家马丁·德尔·里奥的《魔法研究》一书中的随机章节，测试了AI翻译的准确性和实用性。
通过测试，GPT-4和Claude在处理复杂的拉丁文、希伯来文和古希腊文文本时，表现出不同的优劣。尤其是Claude在处理上下文信息时显得更为出色，能够更好地总结并提供详细的注释和解释。Claude在处理这些信息时展现出其大规模上下文处理能力，能够准确整理并列出文献中的关键信息。
文章还讨论了将AI应用于早期现代葡萄牙医学文献翻译的效果。通过翻译葡萄牙医师若昂·库尔沃·塞梅多的病例研究，GPT-4展示了其翻译医学文本的潜力，能够创建有用的图表并提取关键信息。
文章强调，AI翻译和分析将成为历史学家和翻译者的重要工具，尤其是在处理多语言、多文化的历史文本时，但它依然只是辅助工具，而非替代人工研究的最终方案。
How to use generative AI for historical research 《如何使用生成AI进行历史研究》https://resobscura.substack.com/p/generative-ai-for-historical-research" data-tooltip-richtext="1" data-tooltip-preset="white" data-tooltip-classname="ztext-reference-tooltip">[3]

本文探讨了生成式AI在历史研究中的应用，特别是如何通过AI增强而非替代历史研究中的各项任务。作者通过实际案例分析了生成式AI在研究中的潜力、优势与局限性。
作者强调，生成式AI应被视为辅助工具，而不是取代学者的工作。AI能帮助研究者更高效地处理历史文献、翻译和数据可视化，提供新的分析视角，并能够为历史研究提供创新性的方式。
在具体的案例分析中，AI成功地帮助分析了《财富》杂志广告的历史背景与主题，展示了AI在跨文本和图像分析中的潜力；AI在处理手写文献时有一定局限，尤其在转录和翻译古文献时会出现错误，但也能有效帮助理解复杂图像和历史背景；AI能够从历史图像中识别出重要的历史元素，如19世纪的广告图片和医学图谱。
尽管AI目前的能力还不完美，且有一定的局限性（如翻译错误、数据可视化的小偏差等），但它的多样性和可访问性为历史研究提供了新的可能。通过这些工具，研究者可以更快地完成任务，吸引更多的非专业人士参与到历史研究中，推动学术研究的民主化。作者认为，生成式AI能为历史学提供有益的补充，而不是取代人类研究者的创意和分析能力。
学者们应当拥抱生成式AI，以便更好地推动历史研究的进步，避免技术被不当使用或被完全排除在外。
Role-playing with AI will be a powerful tool for writers and educators 《使用 AI 进行角色扮演对作家和教育者来说是一个强大的工具》https://resobscura.substack.com/p/roleplaying-with-ai-will-be-powerful-tool" data-tooltip-richtext="1" data-tooltip-preset="white" data-tooltip-classname="ztext-reference-tooltip">[4]
本文讨论了生成式人工智能（AI）在历史模拟和创作中的潜力，特别是对作家和教育工作者的帮助。作者分享了自己在撰写两本书时的经历，探索了如何使用AI来模拟历史场景，并通过这种方式激发历史想象力与共情。文章以作者的新书《Tripping on Utopia》为例，介绍了使用AI模拟1963年LSD实验的体验，以及如何通过AI的虚拟角色模拟来更好地理解历史人物的内心世界。作者指出，AI在创造历史情境、探索过去的不同版本方面具有独特的优势，尤其在教育中可以帮助学生更好地理解历史。
在历史教学中，AI通过模拟不同的历史背景和决策，增强了学生的“体验式学习”能力。作者通过在加州大学圣克鲁兹分校的世界历史课上测试AI模拟，发现学生对这种模拟感到非常受益，71%的学生认为角色扮演和决策过程对学习最有帮助，84%的学生表示AI历史模拟提高了他们对历史时期的整体理解。
尽管AI模拟存在准确性问题，但作者认为这些不完全的模拟仍能激发历史创作中的想象力，帮助写作者在事实基础上加入更多情感和共鸣。文章最后还介绍了如何使用AI模拟17世纪医生的角色，进一步展示了AI在历史模拟中可能的创造性用途。
作者认为生成式AI是一个强大的工具，不仅可以提升历史研究的深度，也能在创作和教学中为作家和教育者提供新的视角和方法。
How well can AI imitate an early modern doctor? 《AI 如何模仿早期现代医生》https://resobscura.substack.com/p/how-well-can-ai-imitate-a-17th-century" data-tooltip-richtext="1" data-tooltip-preset="white" data-tooltip-classname="ztext-reference-tooltip">[5]

这篇文章探讨了如何使用生成性AI工具来模拟早期现代医生的诊断和治疗方法，特别是通过历史案例来测试AI的表现。作者以1710年代的中国旅行者黄嘉略为例，黄在巴黎患病并最终去世，文章通过模拟他当时的症状，考察了不同AI模型在模拟17世纪医生时的表现，将其与传统的医学知识结合，通过输入黄嘉略的症状，模拟了当时的医疗理论与治疗方案。
GPT-4通过详细的17世纪医学背景，提出了符合当时理论的治疗方法（如放血、草药疗法等），一个名为MonadGPT的开源模型，它能更好地模仿早期现代医生的风格，尽管存在一些瑕疵。
文章的核心观点在于如何利用AI来帮助历史研究与教育，尤其是在模仿历史人物的思维方式和行为模型方面。通过这些模拟，作者希望能更好地理解早期现代医生的医学理论及其与当时社会和文化的关系。
The leading AI models are now good historians. 《领先的AI模型如今已成为优秀的历史学家》https://resobscura.substack.com/p/the-leading-ai-models-are-now-very" data-tooltip-richtext="1" data-tooltip-preset="white" data-tooltip-classname="ztext-reference-tooltip">[6]

本文讨论了当前的领先人工智能（AI）模型在历史研究中的潜力，尤其是在特定领域的应用。作者通过三个案例研究展示了AI如何在历史研究中提供帮助，并分析了这些工具的优势与挑战。
早期现代意大利语的转录与翻译：以GPT-4o模型为例，AI能够高效地转录和翻译16世纪意大利手写文字，并提供详细的历史背景和相关参考文献。尽管AI的翻译不完美，但已经能够为研究提供高水平的支持，尤其是在推荐进一步阅读和相关资料方面。18世纪墨西哥医学文本的分析：OpenAI的o1模型展示了其在转录和翻译复杂历史文本方面的能力，尤其是在医学文献中的应用。AI不仅能够识别和翻译文本，还能进行图像分析，提出潜在的历史背景和图标学解释。这种能力有助于研究人员从新的视角审视历史材料。历史解读的创新：在一个关于威廉·詹姆斯和弗朗西斯·高尔顿的历史研究项目中，o1模型表现出深思熟虑的分析能力，能够提出新颖的研究方向和历史解释，甚至生成具有挑战性的学术论点。相比之下，虽然Anthropic的Sonnet 3.5也能够进行历史分析，但其思考更为局限。
文章指出，尽管AI在历史研究中展现了强大的能力，尤其是在文献转录、翻译和图像分析等方面，但AI生成的内容仍然缺乏人类历史学家的创造性和独特视角。尽管如此，AI无疑会对历史学科的研究工作产生深远的影响，特别是在提高效率和拓展研究维度方面。
参考^https://resobscura.substack.com/p/simulating-history-with-chatgpt^https://resobscura.substack.com/p/translating-latin-demonology-manuals^https://resobscura.substack.com/p/generative-ai-for-historical-research^https://resobscura.substack.com/p/roleplaying-with-ai-will-be-powerful-tool^https://resobscura.substack.com/p/how-well-can-ai-imitate-a-17th-century^https://resobscura.substack.com/p/the-leading-ai-models-are-now-very

会导致大量的虚假历史出现
这玩意儿会自己编纂大量的史料，并且不告诉你，然后编的有模有样的
我让他给我写关于明朝时期新疆的历史
结果刚一生成，我就看见两三个错误

叶尔羌编年史压根儿就没记载塞义德反叛他哥哥的过程，满速儿死了之后赛义德才上演的叔侄斗争
这里还可以用语言表达不清来解释
后面就纯属胡编乱造
马黑麻. 舍利甫?这人谁？还能来叶尔羌当国师
我一看来自中亚的苏菲派教团领袖，再一看英文名字，意识到了，这人可能是知名学者阿杂木，可是人家一生都在乌兹别克斯坦和伊朗之间工作呀……，怎么跑吐鲁番来当国师了……
赛义德和瓦剌的领袖联姻的事情，我翻了魏教授的书更是找不到原文在哪
看到这里我就开始意识到这AI会自己胡编乱造史料，然后随便再编个书名说是他的
为了验证我的猜想，我决定实操一下
比如你问他宋应星《天工开物》里关于原子能跟核能的记载

他很快就会自己编出一篇《天工开物》里面有头有脸的文章

这回大家很明显就能看出来他是在胡编乱造
但是如果我不说是核能和原子能
我说是《天工开物》里面关于蒸汽机的一些记载呢?这样他就会变成这样

那这玩意儿要是没有点儿历史基础的人看到肯定会信……
这个AI造假起来真是一点儿脸都不要

Deepseek和LLMS（大语言模型）密不可分，而本人恰好从事语言学方向的研究，故本回答先从语言学界的一些意见为切入点。
实际上，自从辛顿作为人工智能大语言模型之父获得诺奖后，关于人工智能与人文学科的讨论越发火热。值得一提的是，辛顿在去年获得诺奖前，就LLMS的问题向当今语言学界台柱人物之一的诺曼·乔姆斯基发出了质疑，质疑其生成语法理论某种意义上的强势性，而生成语法学派（又称乔派）在语言学界颇负盛名，所以这一系列质疑对于语言学界产生了极大震动。
这里摘录部分辛顿在爱尔兰都柏林大学学院接受尤利西斯奖章时发表的获奖感言
语言学家被一个叫乔姆斯基的人误导了好几代——此人实际上也获得了这枚享有盛名的奖章。可见，名望不会持久。他有一个偏执古怪的理论，即语言不是学会的。他成功地说服很多人相信这一点。这个说法显然是一派胡言。语言显然是学会的。大型神经网络学习语言，不需要任何先天结构，只是从随机权重和大量数据中开始学习。乔姆斯基却仍然在说，但这并非真正的语言，这不算数，这是不对的。许多统计学家和认知科学家也说，永远不可能在这样一个大网络里学习语言。乔姆斯基从来没有提出任何——一种有关语义的理论，他的理论全是关于句法的。
（陈国华译）
显然，辛顿的发言有一些较为激烈的措辞。但是也正是因为其激进性，所以才引发了如此多的讨论。受限于篇幅，我难以将中外学界的看法一一罗列。但幸运的是，社科院语言所向国内诸位语言学界的知名学者发出约稿，邀请他们就此事进行一定评论。本回答亦部分引用专家发言，希望能对提问者和本问题的读者予以新的思考。
首先是社科院学部委员沈家煊，这位汉语语言学大师的发言值得让我这样的语言学人深思
首先我觉得，谁都可以给ChatGPT挑毛病，但是最没有资格挑毛病的是语言学家，特别是主流语言学家。面对ChatGPT的成就，语言学家应该虚心一点，豁达一点，不然会阻碍语言学自身的发展。
不过，沈家煊也对LLMS提出了一定的意见
真要对ChatGPT的表现挑毛病的话，我倒是觉得它生成的语篇在语法上太过干净了，缺少人与人聊天时经常出现的看似不太规范的话，例如 “我气坏了，都”，“阳了，我也”。
这段话看似简单，其实是直指LLMS的一个重要原理：LLMS通过是词与词之间的特征交互来推测下一个词。这就导致LLMS通过训练产生的语言过于“合式”，甚至缺乏一些语言学中的“偶然性缺位”现象。但是如今Deepseek似乎正在弥补这一缺点，因而值得进一步观察。
第二个我要讲的专家是王伟副研究员。如果你关注语言学，并对语言学的一些通论著作较为了解的话，那你应该知道《An Introduction to Language》这一本书。这一本书的中译名叫做《语言引论》，其第二版中译本的主要译者兼统稿者便是王伟。（不过在书上，其署名叫王大惟）
各位可能有所不知的是，王伟是一个反乔派（当然他本人不会接受这种“标签”）。所以当辛顿在都柏林大学的讲稿公开后，他立即联系到辛顿本人，并获其授权将其转译到国内。
这位一个观点和沈家煊不谋而合：语言学家在LLMS愈发壮大的情况下，应该保持谦虚的心态。
第二个重要的事实是，至今没有任何人类语言学家能够开发出这样的语言生成系统，令它只生成合乎语法的句子，而绝不会生成不合乎语法的句子。“任何人类语言学家”，当然也包括主流语言学家乔姆斯基。
关于Deepseek所谓的“蒸馏”训练法被OpenAI指责时，我和这位学者一样想起了乔姆斯基对LLMS的指责。但王伟副研究员的话里多少带着一定的不满。
第三个事实，与乔姆斯基有关。ChatGPT横空出世之初，乔姆斯基率先发难，攻击它“剽窃”。现在我们知道，他说的根本不是事实，这只是他的主观态度。他显然只是在发泄个人的不满情绪。
值得一提的是其所谈的关于语言和语言学从业人员对待人工智能的态度问题。
令我印象最深刻的是，外语、翻译等专业学子的焦虑情绪。他们害怕的是，自己所学的专业，将在日益强大的人工智能的威胁下，变得一文不值。我当时对他们的建议是，主动拥抱人工智能工具，尽快学习并掌握这一利器，并把自己的专业知识和机器擅长的能力结合起来，只有这样才有希望避免被彻底淘汰。
之于文科生，人工智能的出现反而可能是重大的利好：毕竟人工智能终究需要根据人的指令采取行动，因而懂的高效利用人工智能的人，也很容易适应未来的形势。
而最后回到本题所说的“历史学”和“文学”的影响问题来看，至少对于这两门的学术活动而言，高效整理与分析文献成为了可能。
由于目前学院派与文学现场的分离，文学研究愈发趋向了历史学的光谱，所以Deepseek对历史学研究的益处，亦然适用于文学研究上。至于文学批评，我的意见很简单：即使人工智能能分析出你能想到的所有可能与诠释理论，你也不应放弃自己审美与思考的权力。
是为答

对文学的影响，应该就是大幅度解放文学消费品的生产吧。现在很多个人写作者、写作平台，都使用ai做过了小说写作的尝试，我们群里的群友也尝试过。ai写出来的这种故事，并不比网文作者们写得差（许多网文写手为了保持更新节奏，还不得不水贴凑字数，ai写作则绝无此患）。写完后稍作调整，即达到基本可用的状态。
前两天我也玩了一下DeepSeek，开了个对话，给了一些基本背景和创意，以我家狗子李添乱为主角，随后生成了一段，还蛮有意思的，下面是李添乱：

前排左一为李添乱
下面是ai生成的内容：

后面还生成了一套漫画分镜头剧本，完成度还挺高的。看起来让ai完成文学消费品的写作，没啥大问题。
要说对比较正式的文学创作，会有什么影响，我觉得影响之一就是让下面这个问题更加显豁了：
文学的第一性，是为作者还是为读者的？
对于通俗文学的阅读，这压根不是个问题。文学作品在这里属于商品的一种，生产出来就是为了消费，就算有其它夹带目的（比如青史留名、拿奖啥的），也几乎难以忽视销量的影响。
但文学作品的读和写，历来就是统一而不可分割的、并理应如此吗？
实际上并非如此这样。
许多文学作品写出来并不是为了给别人看，除了私人信件，还有类似于卡夫卡的许多创作，它写出来只是为了个人表达，或与某些具体的人做定向的沟通。
今天的读者不会否认卡夫卡的文学地位，也不会有『这算不算文学作品』的疑惑，然而需要搞清楚一点：它们的存在第一性是表达，是为作者的。也许卡夫卡并没有去预设如何的潜在读者（群）。
中国也有很多类似的情况。比如司马迁著史记，其诉求是『藏诸名山，传之其人』。换句话说，他并不是特别看重当代读者，而认定自己的作品，在阅读接受层面具有时代的超越性。
对这种作品的价值衡量，也势必将与对其作者的审视绑定在一起。一个称得上『传之其人』的读者会追问：司马迁是谁，有怎样的遭际，秉承什么样的学术传承，在作品的创作上有哪些独创性的成果等等。
作品和人，是不可分割的。以上与『写』有关的问题，显然将作品价值与作者深度绑定在一起。即作者首先得是是个人，然后才有其它。
用ai写诗的荒谬也在这里，诗是情感和经验的融合，如果对方连情感的能力都不具备，说别的还有意义吗？这岂不成为一种精神面的打飞机了？
此外还有和读有关的问题。
阅读本身是一种需要训练而逐步提高的能力。没有这种能力的提升，阅读经典文学时，也只能作为某种形态的网文来阅读。
目前的文学消费市场是缺乏阅读训练的，与这种阅读能力相匹配的文学作品，用ai写作毫无压力，且能做到更好。该层面的作品，辐射读者群体既多，『ai威胁到文学创作』云云，太半即由此而来。

去年曾听某高校历史学教授说，手底下指导的一位本科生，交上来的论文文理不通，看着像AI写的。
我当时就想，现在的孩子真是赶上好时候了。我们当年，就算要偷懒，也得自己下几篇论文，然后手动复制粘贴。还得改改措辞啥的，生怕老师看出来是抄的。现在孩子直接AI一键生成了，真省事。
DS的出现，对于这部分想偷懒的历史学学生来说，应该是帮了大忙吧。
如果想要正经做学问，DS就目前来说，用处不大。它顶多能帮着做点收集检索的基础工作，史料的分析处理它还来不了。
前两天逛微博还刷到了下面这条