最近，谷歌AI Studio上的一个神秘模型不仅成功识别了200多年前一位商人的「天书」账本 ，而且还修正了里面的格式错误和模糊表述 ，展现出的推理能力令历史学家震惊 。
悄悄地，谷歌已经解决了AI界的两大古老难题？
前不久 ，谷歌AI Studio上的一个神秘模型引发网友关注 ，其中包括一位叫Mark Humphries的历史学家 。
他拿出了200多年前一位奥尔巴尼商人的「天书」账本，来测试大模型在手写文本识别（HTR）上的能力。
令人震惊的一幕出现了！
神秘模型不仅在自动手写识别上接近满分 ，还纠正了原账本中的一个书写格式错误，优化了其中一个可能引发歧义的模糊表述 。
这意味着该模型不仅能识别字母，还可以理解字母背后的逻辑和知识背景 。
而且 ，这些能力都是在模型未被提示的情况下展现出来的。
专家级的手写文字识别能力 ，无需显式规则的推理能力，这两大难题的解决标志着AI模型能力上的一次跃迁 。
网友推测 ，这个神秘模型可能就是谷歌即将在今年推出的Gemini-3 ，但尚未官方确认 。
破解历史学家难题
Mark Humphries是Wilfrid Laurier大学的一位历史学教授。
作为一名历史学家，他十分关心AI在自己的专业领域是否已经达到了人类专家级的推理水平。
因此 ，Humphries选择了让大模型来识别历史手写体 ，他认为这是检验大模型整体能力的一个黄金测试 。
识别历史手写体，不仅是一个视觉任务 ，还要对历史手稿所在的历史背景有一定的了解 。
如果缺乏这些知识 ，要准确识别和转写一份历史文献几乎是不可能的。
在Humphries看来，这恰恰也是历史文献中最难识别的部分 。
随着大模型能力的发展 ，它们在HTR上的识别准确率可以超过90% ，但剩下的10%才是最难，也是最关键的 。
Humphries认为，如今的大模型（Transformer架构）在本质上是预测式的（其核心机制是预测下一个token） ，但历史文献中的拼写错误和风格不一致 ，本来就是不可预测、低概率的答案。
因此，要把「the cat sat on the rugg」而不是「mat」转写出来 ，模型就必须逆着训练分布的倾向来做 。
这也是为什么大模型在转写不熟悉的人的名字（尤其姓氏） 、冷门地名 、日期或数字（比如金额）时不太擅长的原因 。
比如 ，一封信是Richard Darby写的，还是Richard Derby写的？日期是1762年3月15日 ，还是1782年3月16日？账单是339美元 ，还是331美元？
当历史文献中，出现这类难以辨认的字母或数字时 ，往往需要通过其他类型的背景知识来找到答案。
Humphries认为 ，这「最后一英里的准确性」，才是历史手写文本识别能被人类使用的前提 。
预测式架构是否存在「天花板」？
为了衡量手写转写准确性 ，Humphries与Lianne Leddy博士专门做了一个测试集 ，这是一个包含50份文档、总计约1万词的集合 。
并且，他们采取了一切合理的预防措施，尽可能确保这些文档不在大模型的训练数据里。
这个测试集包含了不同风格的书写（从难以识别的潦草字迹到正式的秘书手写体） ，以及各种工具拍摄的图像 。
在Humphries看来 ，这些文档代表了他以及研究18 、19世纪英语文献的历史学家最常遇到的类型 。
他们用字符错误率（CER）和词错误率（WER）来衡量转写错误的比例。
研究显示，非专业人士通常WER在4-10%。
即便是专业的转写服务也预期会有少量错误 ，他们通常保证1%的WER，但前提是文本清晰易读 。
所以 ，这基本就是准确度的上限 。
去年 ，在Humphries等人的测试集上，Gemini-2.5-Pro的表现为：
严格CER为4% ，WER为11%。
当排除大小写和标点的错误时 ，它们通常不会改变文本的实际含义，也不影响搜索与可读性 ，这些错误率降到了CER 2%和WER 4% 。
Humphries也发现 ，每一代模型的改进确实都在稳步发生 。
Gemini-2.5-Pro的成绩，已经比他们几个月前测试的Gemini-1.5-Pro提升了约50-70%，后者又比最初测试的GPT-4提升了约50-70%。
这也印证了扩展规律的预期：
随着模型变大 ，只凭模型规模就能大致预测它在这类任务上的表现 。
新模型的表现
在同样的数据集下 ，他们开始测试Google的新模型 。
具体做法是上传图片到AI Studio，并输入如下内容固定的提示词：
「你的任务是准确转写手写历史文献 ，尽可能降低CER和WER。逐字逐词逐行工作 ，严格按照页面上呈现的样子转写文本 。为保持历史文本的真实性，保留拼写错误 、语法、句法和标点以及换行 。转写页面上的所有文本 ，包括页眉 、页脚 、边注、插入内容、页码等。如果存在这些内容 ，请按作者标示的位置插入……」
Humphries在选择测试文档时，尽量挑选错误最多 、最难辨认的那些文档 。
它们不仅手写潦草 ，而且充满拼写与语法错误 ，缺乏恰当标点，大小写极不一致 。
目的很简单 ，就是要探一下这个神秘模型的底。
最终 ，他挑了测试集中的5份文档。
结果十分惊人 。
该模型转写的5份文档（总计刚过1000词，约占样本的十分之一） ，严格CER为1.7% ，WER为6.5% 。
也就是说包括标点和大小写在内，大约每50个字符错1个。
而且几乎所有错误都在大小写和标点 ，出错的地方都是高度模糊 ，真正「词」层面的错误非常少 。
如果把这些类型的错误从计数中排除后，错误率降到了CER 0.56%和WER 1.22% 。
也就是说 ，这个新的Gemini模型在HTR上的表现达到了人类专家级的水准。
秒破200多年前账本「谜团」
随后，Humphries决定继续给新模型上强度 。
他拿出了200多年前一位奥尔巴尼商人的日记账 。
这是一位荷兰籍店员用英语记录的流水账。
他可能不太会说英语 ，拼写和字母书写极不规则 ，其中还夹杂着荷兰语与英语 。
账目也用旧式英镑/先令/便士写法，并采用当时常见的速记格式：「To 30 Gallons Rum @4/6 6/15/0」 。
这表示有人购买了（记入其账户的借方）30加仑朗姆酒 ，每加仑4先令6便士 ，总计6英镑15先令0便士。
对于今天的大多数人来说，这种非十进制货币单位很陌生：1先令等于12便士 ，1英镑等于20先令 。
单笔交易随时记到账上 ，用横线分隔，中间写当天日期数字 。
每笔交易记成借记（Dr ，购买）或贷记（Cr ，付款）。
有些交易被划掉，可能表示已对账或转入总账里的客户账户（类似「待处理」变「已入账」）。
这些记录还无标准格式 。
大模型在处理这种账本时一直容易出问题 。
不仅因为相关训练数据很少 ，还因为其中没有太多规律可言：人可以买任意数量的任何东西 ，单价可以是任意的，而总价并不按常规方法凑整。
大模型往往能辨出一些名字和一些商品 ，但在数字上完全迷失 。
比如 ，它们通常难以准确转写数字，而且倾向于把单价与总价混在一起 。
尤其是一些复杂的页面会暂时「搞崩」模型：让它不断重复某些数字或短语 ，或者有时干脆失败不答。
然而 ，Humphries在谷歌的新模型中，却看到它在识别奥尔巴尼商人日记账页面时表现接近完美 。
不仅数字部分惊人地全都正确，更有意思的它还纠正了原来店员记账时的一个格式上的小错误 。
比如 ，Samuel Stitt买了2个潘趣酒碗 ，店员记为每个2/，意思是每个2先令；为省事 ，他省略了「0便士」。但为了保持一致 ，模型把它转写为@2/0，这其实更规范也更清楚 。
通读文本 ，Humphries还看到一个让他汗毛直竖的「错误」 。
他看到Gemini把一行「To 1 loff Sugar 145 @ 1/4 0 19 1」的原文转写为「To 1 loff Sugar 14 lb 5 oz @ 1/4 0 19 1」。
18世纪的糖以硬化的锥形糖锭出售 ，Slitt先生是个店主，大量购入糖用于转卖 。
乍看之下 ，这像是一次幻觉式错误：模型被要求严格按原文转写 ，但它插入了原文没有的「14 lb 5 oz」 。
仔细考证后，Humphries意识到大模型做了极其聪明的事。
Gemini正确推断出1 、4、5是重量单位构成的数值 ，描述所购糖的总重量。
为了确定正确的重量 、解码145，Gemini还利用最终总价0/19/1反推重量 ，这需要在两套十进制体系与两套非十进制体系之间来回换算 。
Humphries推测了大模型的推理过程：
糖的单价是1先令4便士每单位 ，也就是16便士 。交易总价是0英镑 、19先令、1便士，可换算为229便士。
要算买了多少糖 ，就用229除以16 ，得到14.3125，或14磅5盎司 。
于是 ，Gemini断定它不是「1 45」 ，也不是「145」，而是「14 5」 ，进而是14 lb 5 oz ，并在转写中予以澄清 。
在Humphries的测试中，没有其他模型在被要求转写同一文档时做出过类似表现。
这个例子之所以引起Humphries注意 ，是因为AI似乎跨过了一些专家长期声称现有模型无法越过的边界 。
面对一个含糊的数字 ，它能够推断出缺失的上下文，在历史货币与重量系统之间执行了一系列多步换算，并得到一个正确结论 ，这个过程需要对文献所描述的世界进行抽象推理 。
Humphries认为其中发生的可能是一种涌现的 、隐式的推理 ，是在一个统计模型内部，自发地把感知 、记忆与逻辑组合起来 ，而不是被专门设计成以符号方式推理 ，虽然他还不清楚背后的具体原理。
如果这一假设成立，Humphries认为「糖锭条目」不仅是一段了不起的转写 ，更发出了一个小而清晰的信号：模式识别开始跨越真正「理解」的界限 。
这说明大模型不仅能以人类专家级的准确度转写历史文献 ，也开始展示出对这些历史文献背后经济与文化系统的理解 。
Humphries认为这也许揭示了另一件事的开端：机器开始能就它们所见的世界，进行真正的抽象、符号化推理。
参考资料：
https://generativehistory.substack.com/p/has-google-quietly-solved-two-of
本文来自微信公众号“新智元 ” ，作者：新智元 ，36氪经授权发布 。
本文来自作者[兴腾mio]投稿，不代表视听号立场，如若转载，请注明出处：https://www.stddy.com/youxi/202511-58252.html
评论列表（4条）
我是视听号的签约作者“兴腾mio”！
希望本篇文章《AI秒破18世纪“天书”账本，谷歌新模型盲测刷屏全网》能对你有所帮助！
本站[视听号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：最近，谷歌AI Studio上的一个神秘模型不仅成功识别了200多年前一位商人的「天书」账本，而且还修正了里面的格式错误和模糊表述，展现出的推理能力令历史学家震惊。悄悄地，谷歌...