Сделать Рим грязнее оказалось не так просто». Как учёные борются с идеализацией прошлого в нейросетях

Центурион в кроссовках и в тёмных очках — именно так иногда «фантазируют» популярные нейросети, когда им поручают показать древность. Команда классиков из Университета Цюриха предложила альтернативу: платформу Re-Experiencing History , которая генерирует изображения античности, опираясь на научные источники и реконструкции, а не на глянец современной поп-культуры.

Идея проста: вы описываете сцену, нажимаете кнопку — и получаете, например, троих римских воинов за игрой в кости. Но должны ли кости быть именно такими и из чего они сделаны? Профессор древней истории Феликс К. Майер смотрит на коллегу, компьютерного лингвиста Филиппа Штребеля. «Подкручу масштаб LoRA и сам промпт», — отвечает тот. Слова вроде «LoRA» и «промпт» непривычны для исторического семинара, но сегодня звучат всё чаще.

Платформа сочетает три модели ИИ, обученные на научной литературе и древних источниках. Такая связка позволяет получать визуализации, которые ближе к реальности античного мира Греции и Рима. Для сравнения: обычные генераторы часто тянут современные образы и получают откровенно нелепые сцены. В одном из первых тестов процессия триумфатора в Древнем Риме вышла с толпой зрителей, снимающих действо на смартфоны.

Даже когда смешных анахронизмов нет, «массовые» модели любят идеализировать прошлое: слишком накачанные персонажи, слишком чистый город. «Сделать Рим грязнее и людей обычнее оказалось не так просто», — признаётся Штребель. В новой системе этот перекос исправляют заранее: модели «кормят» проверенными реконструкциями, что заметно повышает историческую достоверность сцены.

Интерфейс платформы напоминает ChatGPT, но возможностей больше. Пользователь может выбирать между тремя модельными профилями, каждый со своими сильными сторонами, и включать автоматическую доработку промпта. По словам Майера, инструмент задуман для трёх сфер: исследовательской работы, образования и музеев.

Главная ценность — не в «канонической» картинке, а в вопросах, которые начинаешь задавать, планируя сцену. Если это римский триумф, где в толпе должен находиться триумфатор и как его выделяли? Каким маршрутом шла процессия и за счёт чего создавался эффект торжества? Майер вспоминает дискуссии, которые в своё время вызвал сериал «Рим», и цитирует историка Р. Дж. Коллингвуда: понять прошлое — значит в какой-то мере «воссоздать» опыт людей той эпохи. Работа с изображениями ИИ как раз подталкивает к такому мысленному эксперименту.

В учебных классах это особенно заметно. Попросите старшеклассников изобразить коронацию Карла Великого — и платформа заставит их уточнять детали: где стоял папа, чтобы выглядеть выше императора, как распределялись роли, что было важнее для зрителя. Так рождается понимание, что любая историческая картинка — это интерпретация, и её нужно уметь обосновать.

Ошибки при этом не исчезают полностью — и это нормально. Даже тонко настроенные модели порой промахиваются в мелочах. Но Майер и Штребель считают такие огрехи поводом для обсуждения: они помогают формулировать новые вопросы к источникам. «Пусть не все сандалии в кадре идеальны — метод работает, потому что запускает исследовательский диалог», — говорит Штребель.

Первые испытания провели со студентами-античниками, и те признались, что теперь по-новому смотрят на римские триумфы. Следующий шаг — музеи: посетителям предложат генерировать собственные визуализации по темам выставок и собирать из них небольшие «экспозиции внутри экспозиции».

Проект вырос на стыке двух дисциплин — древней истории и компьютерной лингвистики. «Нам приходится много объяснять друг другу, как устроены модели и как мыслит историк», — улыбается Майер. Но именно на таких пересечениях, уверены исследователи, и появляются свежие идеи. В их лаборатории AIncient Studies при кафедре Майера параллельно делают ИИ-систему для перевода классических текстов и выпускают подкаст об античности и технологиях.

Авторы убеждены: гуманитарные науки должны активно работать с ИИ, иначе их просто «перекатит катком». Re-Experiencing History открывает удобный и наглядный способ думать о прошлом — как о серии проверяемых визуальных гипотез, которые можно уточнять, спорить с ними и лучше понимать живую ткань истории.