一部成书于十五世纪的德国古籍《纽伦堡编年史》，其页面边角留下了一个长期困扰学界的谜团。四个手写的神秘圆圈内，夹杂着大量中世纪拉丁文缩写的残损注释，学者们只能辨识出“Anno”等零星字符，始终无法还原其真实含义。近期，这个僵局被打破：大语言模型Gemini在一小时内完成了文字转录，并更推断这些注释其实是两种编年体系的换算表，从而还原了中世纪学者的思考方式。这一进展在学术界引发关注。 从技术层面看，此次破译显示了人工智能能力的明显跃升。华东师范大学历史学系青年学者苏圣捷指出，过去人工智能在文献研究中的应用多集中于光学字符识别、信息提取、数据生成等基础工作，难以对史料作出深入的历史解释与意义诠释。如今，人工智能已经能够完成较为自洽的逻辑推理与历史解释链条，这种主动“解释”的能力，的确是此前少见的突破。也因此，人工智能正从偏被动的工具，逐步转向具备一定思辨能力的研究助手。 然而，这并不意味着对人类学者的简单替代。复旦大学科技考古研究院副教授文少卿认为，人工智能会对历史文献研究带来冲击，但也表达出积极信号：它能帮助学者从繁琐细节中抽身，把精力投入更具创造性和解释力的工作。分工的变化，本质上是在重新配置学术资源。 在这一背景下，文科研究的范式也在发生深层变化。从手写卡片到互联网普及，再到人工智能辅助，每一次工具迭代都会带来方法更新。长期以来“单打独斗”的个人研究模式，正在加速转向项目化协作。越来越多历史学者不再只是研究执行者，也成为项目组织者：需要把课题拆解为阶段任务，判断哪些工作适合交给人工智能或专业软件处理，而将主要精力放在选题设计、核心史料精读、论证逻辑校验与结论提炼等关键环节。 在具体应用上，人工智能的优势更为直观。在古文字处理领域，其跨语言识别与翻译能力已能有效帮助学者更高效地阅读拉丁语、古希腊语等非母语史料；在碑文修复、缺字填补等基础工作中，处理效率也往往高于人工，从而减少重复劳动。文少卿团队正在利用人工智能构建人骨及动植物等专业数据库，未来有望实现“上传文物图片—云端自动拼接与鉴定”的流程化分析。 更重要的是，人工智能正在推动学科交叉进一步加速。在早期人类文明研究中，它可整合古文字学、考古学、历史学、遗传学等多学科数据，承担数据归纳、对齐与总结等工作，而人类学者则把注意力集中在“人类起源、农业起源、文明起源”等核心问题上。这种协作方式在一定程度上削弱了传统学科壁垒，促进不同领域知识的互通。 在日常研究中，学者与人工智能的互动也在加深。通过与大语言模型的多轮对话，研究者可以从新的角度重新推演经典史学议题，既用于检验既有认识，也可能由此捕捉新的研究线索。随着这种合作模式逐步普及，顶尖学者的学术产出效率有望在未来增强。
《纽伦堡编年史》的破译像一面镜子，一方面照见技术革新对传统研究方式的冲击——另一方面也提醒我们——人文研究的价值并不会因工具更新而消失；在这场悄然发生的变化中，真正受益的不是某一方的“胜利”，而是知识生产方式的更新与扩展。当古老文字遇见现代技术，我们看到的不只是谜题被解开，也是一种新的理解路径正在形成。