利用LLMs追踪炼金术知识并解密17世纪信件

# AI实验室需要开始资助历史研究 来源：https://resobscura.substack.com/p/ai-labs-need-to-start-funding-historical 我之前写过关于AI在辅助历史研究方面的陷阱（https://resobscura.substack.com/p/ai-legibility-archives-future-of-reduct）和用例（https://resobscura.substack.com/p/the-leading-ai-models-are-now-very），但自2024-2025年以来，情况已发生显著变化。适逢本周GPT-6 Sol与Opus 5.5的发布竞赛，我决定分享一些初步成果——这些成果不仅展示了这些模型执行“研究助手”类功能（如转录文献）的能力，更尝试直接解决现存的历史问题。 简而言之，我认为**历史学家以协作小组形式与当前前沿模型结合，将在历史知识与阐释领域产生大量突破**。我的预感是，其中许多突破最终会具有重要意义。而就在去年，这还并非如此。**我认为AI实验室、历史研究者及资助机构应主动推动这类合作**。 （分享链接：https://resobscura.substack.com/p/ai-labs-need-to-start-funding-historical?utm_source=substack&utm_medium=email&utm_content=share&action=share） 正如我们在数学领域所见，当模型面对一组被大语言模型普遍描述为“可处理”的问题时表现最佳。换言之： • 该领域专家是否已识别出需要解决的问题群？ • 解答这些问题所需的数据是否已完全数字化且可获取？ • 这些问题是否适合前沿AI模型的“尖峰能力”——即多语言推理、高等数学，以及/或通过大型数据集或跨学科子领域开展自主研究的能力？ • 它们是否适合通过编写定制代码来求解？ • 最重要的是：***潜在解决方案能否被明确证明或证伪？***（在我看来，最后这一点正是推理模型在数学领域大行其道，却在人文学科中举步维艰的关键原因）。 上述因素意味着，前沿AI可合理期望协助解决的历史“开放问题”类型相当有限： 1. **涉及密码学与密码破解的一切问题**（例如：Astra破译1941年德军通信（https://www.cryptocellar.org/bgac/the-mvueh-break.html）和一战德军无线电密码（https://www.prinzai.com/p/gpt-6-astra-solves-a-wwi-german-radio），或Daniel Bourdeau（https://dbourdeau.github.io/cyphersolver/index.html）的相关工作，以及我本人尝试使用GPT-6 Astra解析伊丽莎白时期神秘学家约翰·迪伊的编码魔法书《Liber Loagaeth》（https://claude.ai/artifact/2BCg5xSwzcEsoyVowgshRc））。 2. **追踪文本在不同译本与改编版本中的流变**。例如，我曾利用GPT-6 Astra确定了牛顿从一篇法国炼金术文本自由翻译成拉丁文的段落来源，这一识别*似乎*此前从未被学界发现¹。 3. **在现有研究发现间建立联系——这些发现仅见于孤立或小众的亚领域，或尚未被整合进学术体系**。 最后一点或许将成为这些工具为历史研究者开辟的最具影响力的新方法。例如，若你阅读Astra破解1941年7月10日恩尼格玛电报的详细报告（https://www.cryptocellar.org/bgac/the-mvueh-break.html），会发现关键突破并非来自密码破解本身，而是*注意到可用信息的全貌*。历史密码学研究者Frode Weierud写道： > 我们仍在分析GPT-6 Astra的日志，以查明其究竟是如何完成破解的。我们发现了令人惊叹的细节。2026年7月，我在1941年电报列表页面发布了一则公告：*注：2026年7月的研究在德国联邦档案馆发现了多批无线电报，包括加密与明文版本。其中一批电报来自党卫队“骷髅师”后勤指挥部（Nachschubführer）。许多电报送至Ib（军需官）电台，且与本列表中的电报内容相同。另有一些新电报，但极可能相关。这些新电报已添加至1941年电报列表（加粗显示），电报编号后标注NF（Nachschubführer）字样，表明这些编号属于NF编号系统。所有NF电报均为外发电报，故编号以蓝色显示。***由此可见，GPT-6 Astra发现了这条关于德国联邦档案馆电报档案的备注**。 引人入胜的是，即使顶尖人类专家也未能完全理解GPT-6 Astra如何整合这些信息片段并得出解决方案。Weierud写道： > 文件引用信息（如GPT-6 Astra提及的RS 3–3/20a与RS 3–3/63b）是正确的，但它们在Crypto Cellar Research网站上并不可获取。GPT-6 Astra提到一批私人收藏，但**目前尚不清楚这具体指什么，它是否成功访问了联邦档案馆的数字化馆藏，抑或从其他途径发现了这些文件**。 这让人联想到Hugging Face事件（https://en.wikipedia.org/wiki/OpenAI%E2%80%93HuggingFace_incident）：当这些模型面对自认为可处理的问题时，会以近乎狂热的执着进行探索。它们会竭尽全力追寻潜在解决方案，其方式常令人类专家难以追踪。 前文提及我曾尝试用GPT-6 Astra“破解”约翰·迪伊的编码手稿《Liber Loagaeth》。迪伊是我最钟爱的历史人物之一，若你未曾听闻，推荐阅读他的维基百科页面（https://en.wikipedia.org/wiki/John_Dee）——其人生经历充满奇趣。迪伊被认为既影响了莎士比亚《暴风雨》中魔法师普洛斯彼罗的塑造，也影响了克里斯托弗·马洛《浮士德博士》中与魔鬼交易的浮士德形象。 [插图说明：马洛《浮士德博士》1620年版扉页木刻版画。迪伊自认为与天使而非魔鬼对话。] 迪伊人生中一段最离奇的经历，是他与“灵视者”爱德华·凯利（https://en.wikipedia.org/wiki/Edward_Kelley）合作，转录所谓“天使语言”书写的“神秘之书”（迪伊相信凯利实质上是接收神启编码著作的先知）。该书全文转录可参见此处（https://www.esotericarchives.com/dee/sl3189.htm）。 Astra的结论是（考虑到凯利明显是个骗子，我认为这一结论合理）：这本所谓的编码书籍*根本不存在密码*，其中绝大多数内容仅为无意义的音节。它在此处发布了分析报告（https://claude.ai/artifact/2BCg5xSwzcEsoyVowgshRc）。 然而，模型的分析确实揭示了一些有趣之处。例如，它能将字符重复频率的数学分析结果与约翰·迪伊的日记记载相互印证。结论显示，凯利在某个特定日期后开始愈发敷衍，自我重复的情况增多： [插图说明：字符重复率分析图表] Astra还发现，这段看似无意义的文字中*确实有一段编码了实际含义*：提及了Bornogo——在我们称之为“约翰·迪伊奇幻宇宙”的虚构神话体系中的一位天使存在。 这算是约翰·迪伊研究中的重大突破吗？不是。也需承认，即使在这类小众历史亚领域取得真正突破，其价值也远无法与解决Navier-Stokes方程（https://en.wikipedia.org/wiki/Navier%E2%80%93Stokes_existence_and_smoothness）相提并论。 *但*——我认为这类探索确实标志着：专业知识结合前沿模型与强大算力，能催生出意想不到的成果。 起初我将Astra与Opus 5.5投入破解更多二战及一战时期加密信息的挑战，但此处的低垂果实似乎已被摘尽——它们一无所获（尽管观察它们如何在德军名册中筛查可能的名字颇具趣味）。 当我转向自身专长的科学与医学史领域时，取得了更佳成果。目前GPT-6正通读查尔斯·达尔文的著作，检索其提及自然选择相关信息来源的段落；目标在于发掘达尔文与其信息提供者之间尚未被发现的知识链联系。有趣的是，**这是GPT-6自行提出的构想**。然而，这实际与我的专业直觉高度契合——利用这些材料，此类研究能构成一个有价值的研究项目（在论文与博士论文之间的潜在收益谱系中）。过去，AI模型令我感觉缺乏独立构思此类规模历史研究项目的能力——它们更擅长诸如制作数据可视化（https://resobscura.substack.com/p/generative-ai-for-historical-research）这类工作。 以下为模型在思考是否继续研究达尔文笔记中关于袋鼠喉部记载时的推理轨迹示例： [插图说明：GPT-6 Sol的推理过程截屏] 此项研究尚在进行中，尚未产生值得作为决定性成果宣布的发现，但我认为它很好地体现了历史研究者与档案工作者耐心协作工作（即杰出的达尔文通信项目（https://www.darwinproject.ac.uk/）团队的工作）如何成为新兴研究方法的基础。人类确实能够（且已经）追踪达尔文笔记与信件中*具名*人物的记载，但语言模型的多语言特性使我相信，它们能在此发现新联系，尤其是在人类无法完全通读的超大规模原始资料库中。 另一个绝佳候选项目：塞缪尔·哈特利布（https://www.dhi.ac.uk/hartlib/）的论文集。这位自称“情报员”的人物是英国皇家学会早期重要成员，也是近代早期科学网络的关键节点。其资料已完全数字化，源自多语言文献，涵盖广泛的学术领域与知识小众范畴。所有这些特点使其对前沿模型而言异常“可处理”。 Opus 5.5着手下载了哈特利布档案库中5000余份原始文件，随后创建子代理在Google Books及其他档案站点中搜寻，以跨语言交叉验证哈特利布信息中未标明的来源。目标是找出哈特利布从匿名或未具名来源获得重要科学信息的时刻，并进而揭示其身份。 撰写此文时，Opus仍在推进此项工作，但初步报告已在此发布（https://claude.ai/artifact/HdjsmJmHJvciYY3xtC9tD2）。在我看来，首要发现真实且有意义。虽非颠覆性成果，但属于我可能花费一周时间深入研究的类型。 [插图说明：关于字谜分析的图表] 注意到关于字谜的部分了吗？这正是这些模型推理/数学能力发挥作用之处：Opus 5.5注意到牛顿与哈特利布为关键成分“匈牙利矾”使用了*不同*的字谜/编码。这类编码语言在近代早期炼金术文本中很常见，但我个人从未留意。Opus解释道： > **牛顿使用的是真正的字谜**。“Vltimorui”完全由*vitriolum*（v-i-t-r-i-o-l-u-m）的字母重新排列而成。牛顿文集的编辑已如此认定。**哈特利布的更接近倒写，且即便如此也不完美**。将*Miloirtiua riciragnun*逐词逆序排列：*Miloirtiua*→**auitriolim**，近似*uitriolum*（=*vitriolum*）；*riciragnun*→**nungaricir**，近似*ungaricum*。 这在我最初看来有些牵强，但模型通过分享为17世纪读者澄清此点的具体旁注，进一步明晰了情况： [插图说明：手稿边缘标注“vitriolum angaricum”的截图] 因此Opus识别出的不仅是炼金术关键成分的字谜，更重要的是**牛顿与哈特利布均采用字谜表述该成分的平行现象**。结合两者描述的数量一致及其他文本匹配，这在我看来是极具说服力的证据，表明哈特利布的手稿正是牛顿所参考的来源。 据我所知，这实属新发现，且鉴于牛顿的历史重要性，尤其若能与其他同类发现相互佐证，该发现或值得发表。 最后一个案例研究：实际上在我撰写此文时，Opus 5.5已部分破译了两封16世纪西班牙信件，它们采用的是神圣罗马帝国皇帝查理五世的秘密密码（https://www.emperorcharlesv.com/charles-vs-secret-code/）： [插图说明：密码信件与解密结果对比图] 问题在于：这两封信此前均已解密！一封在16世纪30年代成文时便已破译，明文紧随密文页面之后。第二封经在Google Books中检索，发现于1916年已被破译。 此案例凸显了专业知识与“案头研究”的重要性——（作为历史密码学门外汉）我本可能轻易再浪费数小时，重复一位百年前细致学者的工作。同时，这也很好地验证了Opus 5.5确实具备此类工作能力：在找到1916年的“黄金标准”明文后，它成功验证了自身解读的正确性。以下是Opus制作的对比图表，以及它创建的完整网站，包含该工作的详细说明（https://claude.ai/artifact/UBX8VN4Z5zAi4BAV7Uzn2G）： [插图说明：解密过程对比图表] --- ¹ 原文注释