核心要點

• 通用大語言模型（LLM）已超越專業(yè)手寫識別軟件，在準確率、速度、成本上全面領(lǐng)先。

• LLM 可快速破譯歷史檔案、私人手稿、賬簿等，解鎖海量塵封文獻，助力學(xué)術(shù)研究與家族溯源。

• 專業(yè)工具商 Transkribus 正集成 LLM，行業(yè)范式從 “專用模型” 轉(zhuǎn)向 “通用 AI”。

當(dāng)我在肯塔基州伯里亞學(xué)院檔案館翻閱貝爾?胡克斯（bell hooks）私人日記時，本以為能直接讀到她未經(jīng)修飾的私密思緒，結(jié)果卻陷入困境：她的草書字跡密集、筆畫纏繞，在我眼中幾乎一模一樣，而且還有多年的日記需要整理。我只能逐頁拍照，用 ChatGPT 轉(zhuǎn)錄內(nèi)容。沒想到這個方法效果很好，而我也并非檔案館里第一個發(fā)現(xiàn)這一點的人。

幾十年來，AI 研究者一直致力于讓計算機可靠識別千變?nèi)f化的手寫體。上世紀 60 年代，人們曾預(yù)言機器很快就能輕松讀懂手寫文字；但現(xiàn)實是，這個難題催生了數(shù)十年的專用研究與完整商業(yè)產(chǎn)業(yè)。深度學(xué)習(xí)先驅(qū)、圖靈獎得主 Yann LeCun在 80 年代發(fā)表手寫數(shù)字識別開創(chuàng)性成果，證明在受控環(huán)境下的可行性；但真實檔案館的復(fù)雜文獻，一直是另一回事。

如今這一界限正在被打破。通用大語言模型雖非完美，卻已足夠?qū)嵱?/strong>：曾需要古文字學(xué)訓(xùn)練、定制軟件、數(shù)周人工辨識的手寫頁，現(xiàn)在幾秒內(nèi)就能生成可用轉(zhuǎn)錄文本。大量保存完好卻難以查閱的檔案，終于變得可檢索，為學(xué)者、普通人開啟前所未有的研究可能。

一、大規(guī)模破譯：從一戰(zhàn)檔案到 AI 驗證

加拿大威爾弗里德?勞里爾大學(xué)歷史教授、生成式 AI 項目協(xié)調(diào)馬克?漢弗萊斯（Mark Humphries）耗時十年，數(shù)字化了1000 萬頁加拿大一戰(zhàn)撫恤金檔案。這些檔案由數(shù)百名職員、軍官書寫，字跡各異，無法訓(xùn)練專用識別模型，查找單個信息如同大海撈針。

2023 年 GPT-4 發(fā)布后，漢弗萊斯開始用它處理手寫檔案，初版結(jié)果雖粗糙，卻優(yōu)于以往所有通用工具。團隊耗時兩年系統(tǒng)驗證，2025 年 5 月發(fā)表于《歷史方法》期刊：在 18–19 世紀英文信件、法律文書、日記測試中，LLM 在準確率、速度、成本上全面超越專業(yè)手寫識別軟件 Transkribus。

• Transkribus（未訓(xùn)練文檔）：字符錯誤率約8%

• LLM 最優(yōu)方案：錯誤率降至2% 以下、速度快50 倍、成本僅為1/50

Transkribus（全球 150 + 高校 / 檔案館在用）已宣布集成 LLM，順應(yīng)行業(yè)趨勢。漢弗萊斯說：“這正是我們一直期盼的工具?！?/p>

漢弗萊斯認為，AI 領(lǐng)域通用方法終將超越專用方案（理查德?薩頓 2019 年觀點）：LLM 訓(xùn)練數(shù)據(jù)海量，在無人工標注下，自動習(xí)得手寫體與文本的映射關(guān)系，無需針對特定字跡單獨訓(xùn)練。

二、學(xué)術(shù)革命：解鎖塵封的歷史敘事

莉安?萊迪（Lianne Leddy）（威爾弗里德?勞里爾大學(xué)副教授、加拿大原住民歷史研究主席）借助 AI，追蹤北美原住民女性的歷史軌跡：皮毛貿(mào)易日志、洗禮記錄、婚姻登記散落在加拿大各地檔案館，幾乎全由男性職員書寫，極少關(guān)注原住民女性。

傳統(tǒng)研究需人工翻閱數(shù)千份文檔，篩選零星線索；女性姓名常為法語 / 英語 / 蘇格蘭語的音譯變體，或僅標注 “某人之妻”。萊迪說：“傳統(tǒng)方式需耗費畢生精力，AI 徹底改變研究規(guī)模?！?/p>

三、機構(gòu)落地：從高校到央行

• 北卡羅來納大學(xué)教堂山分校：用 AI 轉(zhuǎn)錄黑奴祖先溯源相關(guān)特藏文獻，表格類文檔（賬簿）識別突破（Gemini 表現(xiàn)優(yōu)異）。檔案員杰基?迪恩：“表格處理是關(guān)鍵飛躍?！?/p>

• 費城聯(lián)邦儲備銀行：用 LLM 提取歷史車輛注冊、房產(chǎn)契約數(shù)據(jù)，以往成本極高、無法規(guī)模化，如今開啟全新經(jīng)濟研究維度。

• Archive Pearl：加拿大開發(fā)非營利 AI 工具，支持批量上傳數(shù)百頁手寫文檔，幾分鐘生成純凈轉(zhuǎn)錄，目標推動學(xué)術(shù)民主化。加州大學(xué)圣克魯茲分校歷史學(xué)家本杰明?布林（Benjamin Breen）：AI 對本科生、家族研究者幫助最大，同時解鎖古拉丁語、古英語等難讀文獻。

四、技術(shù)溯源：從楊立昆到現(xiàn)代 AI

Yann LeCun 80 年代研究手寫識別時，神經(jīng)網(wǎng)絡(luò)尚屬小眾，算力、數(shù)據(jù)均不足。他回憶：“當(dāng)時對手寫體興趣不大，只是剛好有數(shù)據(jù)（郵編、人口普查表）?！?0 年代初，他提出整行識別 + 語言模型糾錯架構(gòu)，成為現(xiàn)代手寫識別基礎(chǔ)。

如今Yann LeCun認為手寫識別基本解決，轉(zhuǎn)向通用人工智能研究；但歷史文獻等復(fù)雜場景仍需優(yōu)化，速度、可靠性持續(xù)提升。

五、未來展望：AI 賦能人文研究

漢弗萊斯團隊開發(fā)Archive Pearl（測試版），面向全球?qū)W者，拖拽上傳、批量轉(zhuǎn)錄，讓小眾文獻觸手可及。他說：“技術(shù)應(yīng)成為大眾工具，而非少數(shù)人的特權(quán)?！?/p>