•
紐約時報：人工智慧正在重寫人類歷史
A.I. Is Poised to Rewrite History. Literally.
這項技術閱讀和總結文字的能力，已使其成為一個強大的學術工具。
它將如何改變我們敘述歷史的方式？
Bill Wasik
在我擔任雜誌編輯的25年裡，我最喜歡的工作始終是幫助作者理清故事的脈絡：從何處開始，至何處結束，其重要性和新穎之處又在那裡。
因此，今年早些時候，當我坐在曼哈頓西區的一家Google公司餐廳裡，看著我的一位長期合作的作者——科技記者兼歷史學家史蒂文·約翰遜（Steven Johnson）——從人工智慧（A.I.）而非我這裡獲得這類指導時，心中不免五味雜陳。
約翰遜解釋說，他正在構思一本關於19世紀中期加州淘金熱的書。他曾出版過關於海盜襲擊、現代警務制度的發明以及公共衛生誕生的暢銷歷史著作。但目前，他對這本書的瞭解還很有限。“我的切入點是什麼？”他說，“說真的，我毫無頭緒。”
為了找到答案，約翰遜將他的一些資料源載入到了NotebookLM中。這是一款面向研究人員和作者的應用程式，三年前他成為Google實驗室的編輯總監後，也親自參與了其開發。與大多數人工智慧工具不同，那些工具是從它們所訓練的、浩如煙海的資料中提取答案，而NotebookLM只從使用者選擇的檔案中提取資訊。其設計前提是，經過深思熟慮地篩選原始資料，對大多數研究都有益。
自該產品去年全球發佈以來，Google和約翰遜一直在推廣其在各種任務中的實用性，無論是從會議錄音中自動生成紀要和要點，還是鼓勵大學生以更合規的方式使用人工智慧。
NotebookLM最引人注目的功能是自動生成的播客，它能在幾分鐘內，用兩個極其逼真的聲音生成一段詳細對話，闡述源材料中的核心概念。但作為一個偶爾也寫歷史書的作者，我最感興趣的是，人工智慧——其眾多超能力之一就是能瞬間消化大量文字並提供可靠的摘要——將如何改變歷史的寫作方式。
那天傍晚在Google，當太陽落在哈德遜河上時，約翰遜向我展示了他迄今為止的實驗結果。他首先將H.W. 布蘭茲（H.W. Brands）所著的淘金熱最佳史書之一《黃金時代》（The Age of Gold）的節選輸入NotebookLM，以此開始他的頭腦風暴。
他想或許可以聚焦於19世紀50年代，白人淘金者與生活在約塞米蒂谷（Yosemite Valley）的原住民群體之間的衝突，所以他上傳了一份更早的資料——《發現約塞米蒂》（Discovery of the Yosemite）。該書作者拉斐特·霍頓·邦內爾（Lafayette Houghton Bunnell）是馬里波薩營（Mariposa Battalion）的一員，正是這支民兵部隊在1851年騎馬進入了山谷。
接著，為了引入原住民的視角，他從公共領域的網站上找到了兩份關於被該營驅逐出山谷的民族的記述：《阿赫瓦尼奇人：約塞米蒂印第安人的故事》（The Ahwahneechees: A Story of the Yosemite Indians）和《約塞米蒂谷及其周邊的印第安人》（Indians of the Yosemite Valley and Vicinity）。
約翰遜與NotebookLM的對話始於一點簡單的自我介紹，他表明自己是作家史蒂文·約翰遜，這樣人工智慧（其訓練使其能理解幾乎整個網際網路，就像ChatGPT一樣，即便它將回答限制在上傳的資料中）或許能瞭解他寫作的書籍類型。
然後他開始連珠炮式地提問：他問，那兩份聚焦原住民經歷的資料中，有那些內容是另外兩份資料所缺失的？當模型返回摘要時，他注意到這樣一段評論：《阿赫瓦尼奇人》一書包含了約塞米蒂印第安人個體的簡短傳記，“有助於將這些人描繪成有血有肉的個體，而不僅僅是一個部落群體，這正是《黃金時代》和邦內爾的書傾向於做的。”
人工智慧列出了一些人的名字，其中包括瑪麗亞·萊布拉多（Maria Lebrado），她是約塞米蒂酋長特內亞（Teneiya）的孫女。
這激起了約翰遜的興趣。他要求提供更多關於萊布拉多的資訊，工具返回了近600字的傳記——她是1851年3月被馬里波薩營強行趕出山谷的72名原住民之一；她最終嫁給了一個在中央谷地經營馱運隊的墨西哥人；她在20世紀20年代被一位白人歷史學家“發現”，並被譽為最後的原住民約塞米蒂人。
約翰遜立刻意識到，她會是一個絕佳的人物。他特別注意到，萊布拉多在生命盡頭回到了山谷。“我就想，這不就是《泰坦尼克號》那該死的結構嗎？”他開玩笑說。[譯註：原文為“[expletive]”，此處意譯以表達作者發現敘事結構時的興奮感。]
這本書可以從約翰遜想像中萊布拉多近90歲時重返山谷的激動人心的場面開始，然後將時間拉回——回到她的童年，回到更廣闊的人物群像和19世紀50年代那段充滿暴力的戲劇性歷史中。
約翰遜還沒完全敲定這個想法。但他驚嘆於，人工智慧僅憑一些主要是開放原始碼的文字和極少的人力，就為他提供了一個絕對可用的概念。“我剛才給你展示的這一切，大概只花了我30分鐘，”他說。
和大多數以文字為生的人一樣，我一直懷著一種既著迷又恐懼的複雜心情，關注著大語言模型的崛起。一想到它們中的某一個會替我寫作，我就感到毛骨悚然。但我必須承認，讓AI替我閱讀這個想法，確實有幾分誘人——在網際網路時代，數位化文字的爆炸性增長，讓非虛構作家們面對著多到無法處理的海量資料，這無疑是一種殘酷的折磨。
無論研究當代還是歷史主題，情況都是如此：任何歷史愛好者都知道，在網上搜尋幾小時——在Google數位化的數千萬冊書籍、JSTOR上無盡的學術論文寶庫、以及那些能讓你按關鍵詞搜尋歷史上任何一天數百種出版物的報紙資料庫中——就能找到足夠讀上幾個月甚至幾年的材料。要把它們全部讀完是不可能的，但一旦你知道它們的存在，不去讀又會覺得不負責任。
如果你能把大部分閱讀工作委託給別人……或者別的東西呢？隨著人工智慧解析大型資料集的能力越來越強，歷史學家和其他非虛構作家似乎不可避免地會向它求助。
事實上，正如我在過去幾個月裡對多位歷史學家的調查中所發現的，用AI進行實驗已經遠比我預想的要普遍。但同樣不可避免的是，這種幫助搜尋和整合歷史文字的力量，也將改變歷史書籍的寫作類型。如果說歷史（按那句格言）是由勝利者書寫的，那麼，現在就開始思考人工智慧競賽的勝利者將如何塑造歷史學家講述的過去的故事，也並非為時過早。
在我交談過的歷史學家中，史丹佛大學傳播學系的弗雷德·特納（Fred Turner）是較為熱情的實驗者之一。我到他辦公室時，本以為是去採訪他關於人工智慧如何融入資訊技術漫長歷史的話題，但我們最終花了很多時間討論ChatGPT如何幫助他完成最新的圖書項目，該項目圍繞20世紀70和80年代的紐約藝術界展開。
他正處於一個他稱之為“資料大綱”（source outline）的階段——一份約100頁的檔案，彙集了他所有的研究，“大致按照我認為這本書將要形成的弧線來組織”。
他本打算據此寫一份出書計畫書，但他想不如先問問ChatGPT。作為回應，這個聊天機器人（chatbot）一氣呵成地給出了一個看似合理、文筆優美的八章結構，這個結構不僅揭示了他研究中一些有用的聯絡，還為項目提出了一個更精簡的敘事線索。
除此之外，他說：“它所做的，是用一種通俗易懂的口吻，將我相當學術性的研究成果複述給我聽。它找到了我作品的某種平均值，這真的很有趣。”他接著說：“就好像我能把這本書帶到市場，站在書店裡，把它舉到一群感興趣但非專業的讀者面前，讓他們告訴我那些地方吸引他們，那些地方不吸引他們。”
有少數幾位學者已經開始更正式地將大語言模型的運用融入到他們的工作中。其中之一是安大略省威爾弗裡德·勞裡埃大學的教授馬克·漢弗萊斯（Mark Humphries），他的研究項目涉及加拿大歷史中海量的數位化記錄。
在一個項目中，他和學生們使用人工智慧分析了數萬份關於18世紀末至19世紀初毛皮貿易的手寫記錄，以便更好地瞭解那個分佈廣泛的貿易商群體（現在統稱為“旅行者”（voyageurs））。這些人及其家人探索並最終定居在後來成為加拿大的大部分地區。
“如果你能把這些記錄交給一個大型語言模型，然後說，‘告訴我亞歷山大·亨利（Alexander Henry）的貿易夥伴是誰’，”漢弗萊斯說，“妙處在於，它能非常迅速地過一遍，不僅按名字搜尋，還能進行交叉引用，從而讓你發現各種關係。”
目標不僅僅是找到特定“旅行者”之間的一對一交易，而是要找出那些人類研究者難以快速建立的相互關聯的鏈條。“人工智慧只需要20秒，”漢弗萊斯說，“而一個研究生做同樣的工作可能需要幾周。”
可以肯定的是，漢弗萊斯——就像史蒂文·約翰遜一樣——正暢遊在人工智慧實驗的深水區。我聯絡的大多數歷史學家只是小心翼翼地把腳尖伸進水裡試探。當我聯絡到普林斯頓大學教授、《古巴：一部美國史》（Cuba: An American History）一書的普利策獎（Pulitzer Prize）得主艾達·費雷爾（Ada Ferrer）時，她一小時後回信說，她最近幾周才剛開始嘗試使用人工智慧。
“我當時正在寫完一本書，在書名上卡住了，所以我問了ChatGPT，”她寫道，“我不斷調整我的提示，加入不同的主題，提出關於語氣的建議等等。最後，它大概給了我20個書名建議。”（然而，沒有一個足夠好，她的書仍然沒有定名。）
費雷爾的觀點道出了許多其他學院派歷史學家的心聲：他們對人工智慧的態度，籠罩在學生用它作弊的陰影之下。這既讓他們不願觸碰人工智慧，似乎也讓他們理解了它作為一種工具的強大之處。
“我很擔心，如果我使用人工智慧，會顯得很虛偽，因為我對我的學生使用它感到非常憂慮，”范德比爾特大學（Vanderbilt）的傑斐遜·考伊（Jefferson Cowie）說，他因其著作《自由的領地：一部白人抵抗聯邦權力的傳奇》（Freedom’s Dominion: A Saga of White Resistance to Federal Power）而在2023年獲得了普利策獎。但他補充道，“我也知道，一旦我們掌握了它，少數人將會以驚人的創造性方式來使用它。”
懸在人工智慧歷史未來之上的一個顯而易見的問題——也是該技術在所有其他領域實用性的關鍵——歸根結底在於它需要在精準性問題上取得長足進步。《1491》以及近作《巫師與先知》（The Wizard and the Prophet）的作者查爾斯·曼恩（Charles C. Mann）告訴我，他在為一個關於美國西部歷史的新書項目做研究時，試驗了多種模型，它們確實提供了一些很棒的線索，但他開始感到不安，因為它們太容易複述錯誤資訊了。
曼恩將其與人類編輯過程的嚴謹性作對比：“我相信你作為一名記者也經歷過那樣的時刻，一個聰明的編輯說，‘等等——這說得通嗎？’然後你說，‘哦，該死，說不通。’這正是人工智慧做不到的。它沒有‘胡扯探測器’（bullshit detector）。”
今年五月，《泰晤士報》公佈了令人警醒的資料：不知何故，儘管大語言模型在能力上取得了各種進步，它們的幻覺問題卻越來越嚴重。例如，在一項基準測試中，OpenAI的新o3“推理”模型出現不精準內容的比例高達33%，是其前代產品的兩倍多
。對約翰遜和他在Google的團隊來說，這個問題的持續存在驗證了NotebookLM方法的正確性：雖然該工具有時確實會曲解其原始檔中的內容（並且在沒有太多事實核查能力的情況下，會傳遞這些原始檔中的錯誤），但限制研究材料似乎確實減少了那些主要聊天機器人中仍然會出現的憑空捏造。
儘管如此，約翰遜也相信，大語言模型在非虛構研究中最令人興奮的用途，是那些結果總是會經過事實核查的領域。他並不把人工智慧看作一個本科生研究助理，而是把它想像成一個來自其他部門的同事，或者一個聰明的圖書經紀人或編輯，能幫助他看到自己想法中最有趣的版本。
值得注意的是，對於其他歷史學家來說，這絕非一個鼓舞人心的前景。當我向克利奧帕特拉（Cleopatra）和薇拉·納博科夫（Véra Nabokov）的獲獎傳記作者斯泰西·希夫（Stacy Schiff）請教，如何看待向人工智慧諮詢寫作結構的想法時，她回答說：“求助於人工智慧來建構結構，與其說是一種作弊，不如說是一種剝奪，就像僱人替你吃掉你的熱巧克力聖代一樣。”
人工智慧將如何改變歷史被書寫和理解的方式？
要回答這個問題，將大語言模型僅僅看作是人類知識組織方式一系列變革中的最新一環，會很有幫助。至少從公元前三世紀，當卡利馬科斯（Callimachus）撰寫《皮納克斯》（Pinakes）——一套對著名的亞歷山大圖書館（現已失傳）館藏進行編目的書籍（現也已失傳）——以來，人類就設計了日益複雜的系統，以駕馭任何個體都無法完全吸收的資訊海洋。
對於學術研究這項任務而言，這類系統不可避免地具有雙刃劍的效應，因為在學術研究中，“效率”總是冒著與偷工減料同義的風險。書籍中的印刷索引，這一至少可追溯至1467年的設計，讓學者們無需通讀全書就能找到相關材料。
從人類知識的角度看，這是邁向烏托邦還是反烏托邦的一步？即使在558年後的今天，誰又能說得清呢？那些旨在培養意外發現的創新——比如杜威十進制分類法（Dewey Decimal System），借助於它，去書庫找一本書的旅程常常會引向另一本更切題的發現——幾乎必然地，也必定受到任意性的困擾。
將一本關於馬里波薩營的書與布蘭茲的《黃金時代》及其他淘金熱書籍（分類號979.404）放在一起，它會有一群截然不同的“鄰居”；而如果它被歸類為關於該營受害者的書籍（“原住民，多個部落”，分類號973.0497），情況則又會大相逕庭。
電腦和網際網路的興起，無疑是書寫歷史的工具史上的一個前所未有的轉折點——它以指數級增長了關於過去的資訊量，同時，也增強了我們篩選和搜尋這些資訊的能力。
從心理上講，數字文字和工具將我們拋入了一個首先是“可得性”的時代：既有這個詞的通俗含義（似乎一切都唾手可得），也有社會科學意義上的“可得性偏差”（availability bias），即我們會被一次帶有動機的搜尋所湧現出的大量支援性事實所迷惑，從而自欺欺人地認為我們對一個主題有了清晰而完整的瞭解。
即使在學院派歷史學家中，這種可得性也已經將激勵機制推向了一個人工智慧可能會進一步加劇的方向。2016年，遠在大型語言模型爆炸式發展之前，匹茲堡大學的歷史學家拉拉·普特南（Lara Putnam）發表了一篇文章，論述了由搜尋驅動的數字研究的成就及其危險。
“有史以來第一次，歷史學家可以找到東西，而無需知道去那裡找，”她在一個尤為精闢的段落中寫道，“技術引爆了發現的範圍和速度。但我們精準解讀所找到的資料並評估其重要性的能力，卻無法神奇地同步加速。我們的發現所連接的地點越是遙遠，我們的背景知識就越不連貫。在前數字世界裡，歷史研究所必需的、針對特定地點的學習過程，已不再是研究過程的內在組成部分。我們會犯一些新手才會犯的錯誤。”
普特南的文章並非對數字工具的口誅筆伐——這些工具能夠驅動她生動稱之為“橫向掃視”（sideways glance）的能力，即讓一位專業知識集中在某一領域的歷史學家，能夠更快地瞭解其他主題。數字搜尋確實讓歷史學家們建立起了若非如此便無法建立的、真實而有力的聯絡。
但她擔心的是正在失去的東西，尤其是考慮到數位化資料庫，即使在不斷增長，卻依然頑固地缺乏代表性：偏向於英語，偏向於富裕國家而非貧窮國家，但尤其偏向於“官方”資料（印刷而非手寫的，收藏於機構而非小型或非正式檔案館的）。
普特南指出：“透過‘可數位化’（digitizable）這面透鏡凝視過去，會使某些現象凸顯，而另一些則不那麼顯眼，使某些人清晰可見，而另一些人則近乎消失。”
當她和我最近聊天時，普特南將這一轉變比作鮑莫爾成本病（Baumol's cost disease）——經濟學家威廉·鮑莫爾（William Baumol）指出的現象，即當技術使某些工人更有效率時，最終會使其他形式的勞動變得更加昂貴，從而更難以為繼。
普特南指出，原則上，數字工具沒有壞處：專業歷史學家仍然完全有能力在實體檔案館進行耗時的研究。但在實踐中，那種不同的、更快的、更具連接性的研究方式，正使得更傳統的工作在比較之下顯得專業成本過高。既然可以舒舒服服地待在家裡，在看似無窮無盡的資料中追尋真實而有力的知識線索，又何必花上一個月駐紮在某個塵土飛揚的檔案庫裡，還不確定是否能找到任何可以發表的東西呢？
普特南自己沒有用人工智慧進行過研究實驗，她的恐懼主要集中在那個基本（或許也是正確的）的噩夢場景：這項技術將摧毀歷史行業，就像它正在摧毀學生論文寫作的藝術一樣，即通過創作出足夠以假亂真的文字，使人類的工作變得無關緊要。
但即使這個噩夢得以避免，人工智慧成為人類歷史學家的合作者而非替代者，也很容易看到人工智慧的摘要功能，將如何沿著與數字搜尋相似的路徑，改變非虛構寫作。單個的原始資料將進一步淡出背景，因為使用者會相信像NotebookLM這樣的工具，能夠對海量文字提供看似有理有據的摘要，而不太關注這些文字的來源或其背後的意圖。
在這樣一個世界裡，變得“廉價”得驚人的，是那些試圖綜合數量驚人的材料的工作，這些工作或許能利用單個普通人一生都無法處理完的資料，不受限制地跨越語言、國界和時間段，其速度之快，足以讓一個人在其職業生涯中完成多個這樣的項目。
這種轉變的潛在好處不應被低估。眼下，大眾歷史界最大的懸念或許是89歲的羅伯特·卡羅（Robert Caro）能否完成他林登·約翰遜（Lyndon Johnson）傳記的第五卷也是最後一卷，這項浩大的工程已經耗費了他50年的生命。他的個人檔案，其中一些已經捐贈給了紐約歷史學會（New York Historical），目前已裝滿了150線性英呎的檔案盒。
人們不禁會想，如果一個聊天機器人能為他整合其中一部分材料，卡羅在這50年裡還能多產出多少部鴻篇巨著。但話說回來，如果沒有那種親手接觸每一份資料的痴迷，沒有將所有那些不懈閱讀的嚴謹注入其文筆之中，一個有人工智慧輔助的羅伯特·卡羅，也就不再是羅伯特·卡羅了。
在史蒂文·約翰遜對淘金熱歷史的實驗中，最令人大開眼界的結果，出現在他向NotebookLM聊天機器人提出一個他自己的結構性想法時。這個想法源於約翰遜對所謂“長焦縮放”（long zoom）的迷戀——這是一種敘事模式，就像查爾斯和雷·伊姆斯（Charles and Ray Eames）著名的紀錄片《十的次方》（Powers of Ten）一樣，在時間或尺度上進行指數級的移動。
“剛想到了一個很酷的書籍結構，”他告訴聊天機器人。“也許大部分內容是一系列章節，講述導致馬里波薩營事件”——即入侵約塞米蒂谷——“之前的故事，但每一章都是一個時間尺度。所以第一章叫：一百萬年前；第二章是一千年前；第三章是一百年前，以此類推：十年、一年、一月、一周、一天。然後在1851年戰爭爆發。最後再有一個長長的後記。能幫我勾勒出這些章節各自的內容大綱嗎？在每個片段中，我們將講述宏大故事的那個部分？”
約翰遜已經知道為什麼這個結構可能行得通：因為賦予山谷戲劇性關鍵元素（黃金、第一批人類、19世紀中葉特定的原住民族群、不斷逼近的白人定居者）的時間尺度，正好跨越了所有這些“十的次方”。
但令人驚訝的是，人工智慧也洞察到了這一切，無需約翰遜告訴它：
● 一百萬年前： 內華達山脈（Sierra Nevada）的地質形成，金礦的產生，以及冰川活動對約塞米蒂谷的雕琢。
● 一千年前： 早期人類遷徙以及內華達山脈原住民文化的建立，重點關注他們對環境的適應。
● 一百年前： 約塞米蒂印第安人祖先的生活，部落間的關係，與歐洲人的早期接觸以及疾病的初步影響。
● 十年前： 美國在加州日益增長的存在感，美墨戰爭，加州的吞併以及關於黃金的最初傳聞。
● 一年前： 在薩特磨坊（Sutter’s Mill）發現黃金，探礦者的迅速湧入，採礦營地的建立以及與原住民部落衝突的最初跡象。介紹關鍵人物如詹姆斯·薩維奇（James Savage）和特內亞酋長（Chief Tenieya）。
● 一個月前： 緊張局勢升級，對貿易站的突襲，定居者民兵的形成以及導致馬里波薩戰爭的失敗談判。
● 一周前： 馬里波薩營的組織和行動，以及在衝突迫在眉睫時約塞米蒂印第安人的視角。
● 一天前： 馬里波薩戰爭爆發前的最後時刻，聚焦於雙方個體的心理狀態和預期。
今年春天早些時候，我到加州山景城的Google園區拜訪約翰遜，瞭解他的進展。約翰遜堅持了他那宇宙級的“十的次方”方法，現在正試圖完善他第一章的概念，即設定在1851年一百萬年前的那一章。他告訴我，他開始著迷於加州橡樹，其橡子是讓最早的原住民群體得以在山谷定居的主要生計來源之一。
當我和約翰遜在一個會議室坐下時，他向我展示了NotebookLM新的“思維導圖”（mind map）功能，該功能可以根據你的源材料自動生成一個概念樹，讓你無需編寫具體查詢就能按主題進行探索。他對一種叫做“豐年現象”（masting）的現象很感興趣，即橡樹會同步在某一季掉落大量橡子。
他已將一組關於豐年現象的資料加入到了工具中。然後，他為這些資料生成了一張思維導圖，該圖為這一現象建立了分叉的主題路徑：例如，“豐年現象的假說”這個主題分支出了“捕食者飽和假說”、“授粉效率假說”等。約翰遜認為這方面的實用性與普特南所說的“橫向掃視”類似：“我不需要成為橡子專家，但我確實想寫上兩段關於橡子的內容。”
在山景城這個大本營，更容易理解NotebookLM只是這家科技巨頭正在開發的眾多人工智慧工具之一，所有這些工具都圍繞著“創造力”這一主題。僅僅幾個月後，該公司的DeepMind部門就將推出VEO 3，它完全可以根據使用者編寫的提示，創作出帶有逼真音訊的高畫質視訊。
Google實驗室內的另一個視訊項目Flow，正在幫助一些嶄露頭角的電影製作團隊為他們的項目創作人工智慧元素，讓他們能獲得，比如說，他們原本負擔不起的高水準動畫或來自世界各地的異國場景。
Google實驗室負責人喬什·伍德沃德（Josh Woodward）也加入了我們。他告訴我，他認為人工智慧能以兩種方式輔助創意項目：首先，它可以“降低門檻”，幫助那些因資源、訓練或兩者皆缺而無法著手項目的人；
其次，它可以“提高上限”，幫助已成名的創作者將他們的項目提升到新的水平。在“提高上限”方面，該部門正與好萊塢的知名人士（“他們的名字你肯定聽過”）合作，在一些大製作電影的特定鏡頭中使用人工智慧。
“這當然有經濟層面的考慮，”伍德沃德說，但這些成名創作者也看到了這項技術如何讓他們“能夠如此迅速地探索更多的故事”。
這些工具，連同矽谷其他地方正在開發的工具，顯然有能力將創意經濟推入更大的動盪之中。除此之外，它們中的許多——尤其是那些令人難以置信的視訊生成引擎——似乎很可能會加速那些已使得嚴肅寫作在網際網路時代日益邊緣化的文化變遷。
或許，當我們大多數使用者，在生活日益被其他非語言的消遣所佔據時，滿足於以點播、碎片化的方式接收事實，我們甚至去擔心人工智慧與歷史學家的競爭都是天真的。
伍德沃德和約翰遜似乎都意識到了他們事業的潛在破壞性。在實驗室設計的工具中，他們試圖將人類創作者的利益放在首位。約翰遜一直在思考歷史學家和其他作者如何能通過這個應用賺錢。在我們山景城的對話中，他提出了一個可能的新收入來源：如果歷史類電子書能夠附帶一個類似NotebookLM的介面，會怎麼樣？
他繼續想像道，那樣的話，“故事會有一個線性的章節版本”，但作者用來寫書的原始材料也會與之捆綁在一起。這樣一來，“你得到的就不僅僅是一份參考書目，而是一個所有原始資料的即時集合”，可供聊天機器人探索：提供時間線、“思維導圖”、關鍵主題的解釋，以及你能想到的任何問題。
這或許是關於人工智慧歷史最令人腦洞大開的願景：一個智能代理（intelligent agent）幫助你寫一本關於過去的書，然後永遠附著於這本書，不斷地幫助你的讀者去解讀它。
從人類知識的角度來看，這是烏托邦還是反烏托邦？誰又說得清呢？ (不懂經)