Inteligența artificială modernă, în special modelele lingvistice mari (LLM), funcționează după un principiu aparent simplu: generează texte pe baza probabilităților. Aceste modele nu „înțeleg” lumea în sensul uman, ci combină și reformulează informații deja existente, fiind limitate de datele pe care le-au „citit” în procesul de antrenare. De aici rezultă o consecință interesantă: un LLM nu poate explica descoperiri științifice care nu au fost încă făcute, pentru că, în esență, nu are acces la informații care să susțină astfel de predicții.
Un experiment recent scoate în lumină această limitare într-un mod inedit. Profesorul și studentul americani au creat un model de inteligență artificială antrenat exclusiv pe texte din Londra secolului al XIX-lea, perioada Victoria. Rezultatul, numit TimeCapsuleLLM, pare a fi parte a acestui trecut îndepărtat, funcționând ca un „istoric virtual” capabil să vorbească ca și cum s-ar afla în acea perioadă. La întrebări despre evenimente sau contexte din acea epocă, AI-ul generează răspunsuri pline de limbaj și referințe din secolul al XIX-lea, demonstrând că restrângerea datelor de antrenament la o anumită perioadă poate produce rezultate surprinzător de autentice.
Atunci când este întrebat despre evenimente din 1834, de exemplu, modelul vorbește despre proteste în Londra, menționează figuri precum Lord Palmerston și despre politica vremii, răspunzând exact în tonul și vocabularul epocii. Deși textele generate sunt uneori incoerente sau limitate în complexitate, experimentul arată clar că restricționarea datelor poate duce la o reprezentare foarte plauzibilă a unei anumite epoci, chiar dacă modelul nu „înțelege” adevărat contextul istoric.
Dincolo de curiozitatea tehnică, această abordare are implicații interesante pentru știința socială. Studii recente de specialitate sugerează utilizarea unor astfel de modele, denumite “Historical Large Language Models” (HLLMs), pentru a studia psihologia societăților din trecut. Ideea este ca aceste modele să poată simula modul de gândire dominant al epocilor, oferind o perspectivă diferită asupra valorilor, normelor și atitudinilor locale în diferite perioade istorice. Cercetătorii speră astfel să compare, de exemplu, tendințele legate de cooperarea economică, atitudinea față de autoritate sau rolurile de gen, de la civilizații antice la societăți medievale sau chiar din Asia timpurie.
Totuși, aceste perspective nu sunt lipsite de riscuri. Au fost deja constatate limitări serioase, cea mai importantă fiind reprezentată de faptul că textele istorice păstrate reflectă, în mod predominant, vocea elitelor — politicieni, clerici, istorici sau jurnaliști — și nu cea a populației generale. Vocea celor obișnuiți, a celor de rând, este adesea absentă sau distorsionată, ceea ce poate afecta în mod profund calitatea și obiectivitatea răspunsurilor generate de astfel de modele.
Mai mult, există și riscul ca valorile și ideologia creatorilor acestor modele să influențeze răspunsurile. Ca și în cazul modelelor de astăzi, răspunsurile unui model antrenat pe texte dintr-o anumită epocă pot fi influențate de viziunea dominantă a vremurilor respective, chiar dacă datele sunt vechi de secole. În plus, un AI „care crede” că trăiește în secolul al XIX-lea rămâne, deocamdată, mai mult un experiment fascinant decât un instrument de cercetare robust, capable să ofere înțelegeri exacte despre trecut.
În prezent, aceste inițiative evidențiază cât de mult depinde inteligența artificială de contextul informațional în care este plasată și cât de fragilă poate fi percepția de obiectivitate. Pe măsură ce tehnologia avansează, rămâne de urmărit dacă astfel de modele vor prinde un loc în cercetarea științifică serioasă sau vor continua să fie considerate jucării intelectuale pentru pasionați. În orice caz, ele deschid o fereastră interesantă spre înțelegerea trecutului, dar și spre reevaluarea metodologiilor învățării automate în domenii precum istoria și psihologia societală.
