ASI111-AI AGI ASI社区 › 门户 ›首页› AI历史学 › 查看内容

图像史料：从AGI到ASI，图像史料的机器解读能走多远？

2026-9-1 10:16| 发布者: Linzici| 查看: 3| 评论: 0

摘要: 从AGI到ASI，机器对图像史料的解读能力将沿着"看清→识别→关联→推演"的阶梯向上跃迁——但无论走到哪一层，"这是否为原始史料"、"这反映了怎样的历史真实"这类核心判断，始终不能让渡给机器。下面分四层说清楚机器 ...

从AGI到ASI，机器对图像史料的解读能力将沿着"看清→识别→关联→推演"的阶梯向上跃迁——但无论走到哪一层，"这是否为原始史料"、"这反映了怎样的历史真实"这类核心判断，始终不能让渡给机器。下面分四层说清楚机器能走多远、以及那条不可逾越的边界。

一、AGI阶段：机器已经能"看清"并"识别"什么

计算机视觉在历史图像上的任务谱系已经相当完整：基于内容的图像检索、图像定位、对象识别与分类、语义分割与对象检测、图像修复与增强。具体到史料场景：

🖼️ 大规模识别与匹配

MoMA与Google Arts & Culture Lab的合作是标志性案例：算法扫描3万多张展览历史照片，与6.5万件在线馆藏比对，识别出2万余件艺术作品，由此建立起展览史与馆藏之间的全新关联网络。但MoMA团队同时坦诚：算法对静态二维图像表现出色，对雕塑、影像、装置、声音作品和文本类艺术品则力不从心；对相似版画还会产生"假阳性"匹配——"机器无法总是区分一个汤罐与另一个汤罐"。最终，机器给出的结果由MoMA员工接续处理，馆员研究的彻底性弥补了处理速度的牺牲。

🗺️ 历史地图与遥感图像分割

历史地图的语义分割、二战航拍图像中弹坑的检测、早期印刷品中插图的聚类——这些任务通过CNN、Faster R-CNN、YOLO等架构已经可规模化运行。马克思·普朗克科学史研究所的Sphaera项目训练神经网络对早期现代文本中的2万幅插图进行分类与相似性聚类，由此发现：当欧洲因宗教改革而分裂时，科学知识却在凝聚并形成跨区域传播网络——这是此前不清晰的图景。

📸 冲突摄影的深层解读

在一项针对战地摄影的实验中，AI对一张伊拉克战争照片进行了惊人精准的解析：正确识别行动为"房屋突袭"、场景为住宅建筑、士兵枪支型号、平民面部情绪（用"显得紧张"、"显得忧虑"等细致语言描述），甚至评估了构图、光线与象征意义。AI能在极少上下文下提取出如此具体而准确的洞察。

🔍 克服"当下主义"偏差的努力

MIT Technology Review尖锐指出：计算机视觉对历史图像存在"当下主义"偏差（present-ist bias）——模型在最近15年的数据上训练，学到的对象多是当代生活的特征（手机、汽车），只能识别具有悠久历史的物体的当代版本（iPhone而非switchboard，特斯拉而非Model T）；同时训练数据多为高分辨率彩色图像，而非过去颗粒感的黑白照片。这导致"如果你拿一组1930年代的照片给模型，会发现它并没有我们以为的那样'已解决'"。克服这一偏差，需要针对历史语料专门训练——Sphaera项目的CorDeep服务就是这种努力的产物。

💡 关键认知：AGI阶段机器在历史图像上的能力，高度依赖于是否为历史场景专门训练。通用视觉模型直接套用，会产生系统性的时代错置。

二、修复与补全：机器能"织补"残缺，但必须标明为推测

这是AGI阶段最具视觉冲击力、也最危险的领域。

🎨 老照片与档案的智能修复

广东省国资委档案部门采用的技术方案是：将块匹配思想引入图像特征空间，在注意力机制引导下为缺失区域寻找最相似的特征块进行匹配；同时基于生成对抗网络（GAN），输入不同真实图像得到不同修复结果，通过判别器评估和多个损失综合得分返回最佳修复图像。这种方法能有效提升图像纹理细节和语义修复效果，解决名人肖像、集体合影等历史照片清晰度不高、细节模糊缺失的痛点。

🏺 文物残片的AI拼接与补全

以慈云寺出土北宋绘画文物为案例，深圳技术大学团队调用国内博物馆4万多张文物图像作为训练集，让AI先"吃透"宋代绘画风格与绘图纹样逻辑，再设计"遗彩重现——AI考古图像修复系统"：通过"VLAD聚合+迁移学习双模分源"区分碎片，通过"碎片扩展+鲁棒单应性估计拼接算法"提供拼接方案；针对手工拼接后仍存在的断点与色彩空白，采用GAN-FCC算法让AI精准识别残缺区域的绘画延伸方向——"如文物图像缺失的半朵花卉，AI会通过比对数据集和未缺失的完整花瓣图案，推算出缺失部分的轮廓与细节"。

🪞 百年"穿越"比对

中国经济网报道的"数字物纹"技术走得更远：冯伟团队利用立体视觉和AI方法，实现了对文物在三维空间内从宏观到微观的六自由度自主定位和识别。团队仅使用一张百年前伯希和拍摄的文物照片和几张当前观测图像，就能自动学习出一个虚拟镜头，并将其应用于现代相机上，从而实现与百年前照片的测量级原位比对——这是世界上第一次让相机"穿越"百年。

⚠️ 必须警惕：所有修复与补全本质上都是基于统计概率的推测。央广网报道的明犀AI在修复深圳老照片时，系统能根据当时的建筑风格、材料特性和环境特征智能还原模糊细节——但"智能还原"不等于"历史真实"。修复效果越逼真，越需要与原始档案明确区分。

三、ASI推演：从"识别图像"到"推演视觉文化"

ASI（人工超级智能）尚未到来，但基于现有轨迹可以审慎推演两个方向的质变：

🌐 全域视觉文化图谱

结合OpenAlex级别的文献元数据、跨库图像资源和多模态大模型，ASI理论上能将分散在全球档案馆、博物馆、图书馆的图像史料融合为统一时空知识空间，自动推断图像之间的风格传播、技术迁移、视觉母题演化等关系。EyCon项目（1890-1918早期冲突摄影与视觉AI）已经朝着这个方向迈步：通过结合视觉与文本相似性度量，在10万张历史照片中识别显著的相似性子集。

🕸️ 视觉文化的反事实推演

ASI若到来，可能对视觉文化的演化进行长周期模拟——"如果某类图像技术（如半色调印刷）未普及，20世纪初的视觉文化会如何不同"。这种推演的价值不在还原真实，而在生成可供检验的研究假设。

但有一项研究给这种推演泼了冷水：马尔默大学研究者用Stable Diffusion（训练于58亿张在线图像）生成"1936年的斯堪的纳维亚"——结果图像看似历史可信（黑白照片、时代服装），却包含明显的时代错置，比如手机。"这显示了训练数据偏向于移动中心文化，且大部分图像来自近几十年的事实"。更令人担忧的是：当提示开放-ended时，结果同质化且刻板化——关于斯堪的纳维亚骑行的提示几乎总是生成挪威山脉背景；要求生成"三位著名斯堪的纳维亚作家会晤"这种可能从未发生的事件时，模型生成了面部模糊的通用图像。模型被设计为必须交付结果，即使没有依据。

四、不可逾越的边界：四条方法论红线

图像史料的特殊性在于——它既是证据，又是被建构的视觉对象。机器在以下四个维度上必须止步于"辅助"而非"替代"：

⚠️ 红线一：AI生成图像不是第一手史料

约克大学的研究直指核心：AI生成"照片"不是第一手来源（primary source）。第一手来源是提供了解过去钥匙的第一手账户，而AI生成图像是"被生产的，而非有机捕获的"，不准确地传达特定时刻。AI生成图像不披露它们是AI生产的，不提供可溯源的来源基础，不概述如何操纵各种图像来构造最终产品——而历史书写应该是透明和可追溯的，这一面向在AI生成图像中完全缺失。当AI生成图像渗入社交媒体，它们"可能 dismantle 历史学家多年来构建可信历史账户的成果"。

⚠️ 红线二：补全与修复本质上是"受过训练的猜测"

即便是最先进的修复AI，其本质也是基于训练数据的统计概率进行补全。在修复韦东生父亲拍摄的深南大道全景图时，系统根据当时的建筑风格、材料特性和环境特征智能还原模糊细节——但"智能还原"不等于"历史真实"。修复效果越逼真，越需要与原始档案明确区分。

⚠️ 红线三：时代错置与刻板化是生成式AI的系统性缺陷

马尔默大学的研究揭示了一个结构性问题：AI模型对过去的视觉化是由训练数据和模型算法塑造的表征，历史倾向于被简化、刻板化和时代错置。即便在专门的历史生成任务中，模型也会：①将当代物件（手机）植入历史时期；②对开放提示给出同质化、刻板化的结果（骑行→挪威山脉）；③为从未发生的事件生成"自信的"通用图像。研究者Norén警告："模型必须交付，因此你必须小心使用这类历史表征实践"。

⚠️ 红线四：机器的"理解"缺乏历史意识

人民网刊发的"共生與共構"专题文章指出：人工智能为史学研究带来便利的同时，也给历史学家的工作带来不少挑战，如学者们必须注意到生成式人工智能引用的已有数据可能会存在价值偏见，进而影响输出内容的真实性等。AI通过理解训练文本背后的结构，实现了与人类语言的"对齐"，也表征了这些历史文献与历史认识当中反映出来的偏好、价值观与意识形态——这意味着AI的"解读"本身就携带着训练语料的历史偏见。

五、未来图像史料研究者的画像

综合上述，AGI/ASI时代的图像史料工作者需要具备三种复合能力：

1. 视觉AI的策展与校验能力

能够针对具体历史语料微调或选择合适的视觉模型，对机器输出进行系统性验证——正如MoMA团队所做的那样，把机器识别作为"起点"而非"终点"。

2. 修复与补全的标示能力

严格区分"原始档案"与"AI修复版本"、"AI补全推测"与"已知事实"。所有生成式补全必须明确标示为研究假设而非史料本身。

3. 视觉史料批判能力

清醒认识到AI生成图像的时代错置、刻板化、幻觉风险。约克大学研究者提出的行动点值得记取：倡导批判性分析、数字素养、以及对在线内容的更多怀疑。

回到问题的核心：从AGI到ASI，机器对图像史料的解读能力将实现规模与精度的双重跃升——从看清图像、识别对象、匹配馆藏，到修复残缺、拼接文物、构建全域视觉文化图谱。但"图像史料"作为一个证据概念，其权威性始终锚定在"这是否为原始捕获"这一事实上。

AI可以告诉我们一张1930年代照片中士兵的枪支型号、可以补全北宋绘画缺失的半朵花卉、可以把百年前的伯希和照片与今日文物进行"测量级原位比对"——但它不能替我们回答：这张照片为何在此刻、以这种方式被拍摄？补全的花卉是否符合宋代画师的真实意图？AI生成的"1936年斯堪的纳维亚"是否只是用手机时代的眼光对过去的投射？

未来的图像史料研究者，不是被AI替代的解码者，而是"视觉AI输出的验证者+修复推测的标示者+历史真实性的责任人"。正如MIT Technology Review引述Tilton的判断：计算机视觉在当下主义偏差下"还没有我们以为的那样已解决"；也正如马尔默大学研究给出的警示——我们必须理解这些工具如何运作，才能小心地使用它们。

马尔库塞的话放在这里依然有效：在算法的确定性逻辑与历史视觉证据的开放性之间保持张力。机器能让我们"看见"更多历史图像，但图像背后的历史真实性，最终要靠人的判断力来锚定——而这一锚定，在ASI时代比以往任何时候都更关键，因为当AI生成的"历史图像"比真实史料更具视觉冲击力时，守护真实的责任就完全落到了人类研究者肩上。