胡其瑞（彰化師範大學歷史學研究所副教授）
吉卜力之風，你跟了嗎？
當筆者正在撰寫本文的時候，生成式AI（generative artificial intelligence，以下簡稱GAI）的大廠牌ChatGPT推出了一項新穎的生圖功能，讓使用者可以藉由一個指令（prompt）：「請幫我把這張圖片轉變為吉卜力風格 (Studio Ghibli)」就可以將上傳的圖片生成一張以動畫大師宮崎駿的吉卜力工作室（スタジオジブリ）風格製成的圖片[1]。這個消息在網路上公開之後立刻造成了一股旋風，人人的臉書都充斥著「吉卜力風」的作品，狂熱的程度甚至造成了ChatGPT系統超過負荷。
圖一 筆者運用ChatGPT將史學家蘭克（Leopold von Ranke，1795—1886）的畫像繪製成為「吉卜力風格」[2]
在這裡，我們並不想要討論使用「吉卜力風格」算不算是一種侵權，倒是臉書上的一則關於「吉卜力之風」的貼文讓筆者有更深的反思。一位臉書使用者David Chen在其臉書上寫下這樣一段話：
總覺得大多數人好像劃錯了ChatGPT 4o的重點😆
這有點像是，叫達文西拼命去畫 LINE 貼圖，卻完全忘了他在解剖學、天文學、土木工程、水利工程、光學和流體動力學等領域的超凡能力。[3]
作者提出的論點正是當代歷史研究者對GAI的一個盲點，也是本文想要與各位讀者一同討論的議題，到底，GAI在史學研究上該扮演什麼樣的角色？而我們是不是也劃錯了GAI在史學研究上的重點？
就人文研究者的角度而言，GAI與我們一般所稱的AI不大相同，傳統 AI 多需要透過程式語言來操作以幫助使用者整理資料或分析數據；而 GAI 更像是「一起寫作」或「共創思考」的夥伴，研究者可以透過自然語言的對話、提問，引導它生成文本、重組觀點，模擬不同立場的論述，甚至請求GAI協助我們處理資料，也大大降低了人文研究者接觸AI的門檻。自2022年底ChatGPT 3.5上線以來，學術界紛紛開始探討這個GAI「怪獸」會怎麼樣對學術研究造成衝擊？儘管支持使用者有之，但擔憂者亦有之，GAI的到來就像一塊石頭投入了湖心，激起了層層的漣漪，時至今日，GAI為史學界所帶來的衝擊仍是方興未艾，甚至有日益波濤洶湧之勢。然而，愛用GAI的歷史研究者真正用對了GAI嗎？反對GAI的歷史研究者又真的「怕對了」嗎？
史學方法與生成式AI的對話
我們這個世代的史學方法養成，都是抱著杜維運老師的紅皮《史學方法論》[4]過來的。猶記得杜老師上課時總是空手而來，因為所有的史料都存在他的腦子裡，每堂課總要用掉數根粉筆，將所有課程中提到的史籍原典寫滿了整個黑板。這樣的功力不見得是「空前」，但是我相信未來恐怕是「絕後」了。隨著資訊科技的進步，杜老師腦中的史料幾乎都已經成了數位的文本，以往必須要在圖書館或檔案館內浩瀚無垠的史料中翻找的研究途徑，也都漸漸改變成為在電腦前的「檢索」。
傅斯年先生在〈歷史語言研究所工作之旨趣〉一文中曾經提到關於該所的研究取徑之一就是要「上窮碧落下黃泉，動手動腳找東西」。[5]在傅斯年先生所處的年代，由於許多考古遺址的出土，「下黃泉」成了重要的研究方法；時至今日，傅先生所說的「碧落」，應該就可以理解成一個個藏身於雲端空間裡的資料庫吧？研究材料形態的轉換自然也為當代的史學方法帶來一些改變，而資料的便利取得也讓不少史學前輩開始擔心「電腦的使用會不會帶來後遺症？未來的史學工作者是否會不讀書了？快速的資料搜尋過程是否會影響問題瞭解的深度？」[6]
事實上數位的檢索確實帶來了極大的方便性，但是若要像杜維運老師這樣把史料信手拈來，在他的腦中絕非只有單純的「檢索」而已。因為在杜老師的學術養成裡，這些資料對於他而言都有一套很嚴謹的歸納法，也因此，老師才能在上課時迅速的「導入」這些史料並一字不差的寫在黑板上。
在杜老師的《史學方法論》中有一段說明如何製作卡片的文字是這樣寫的：
歸納史料，有效的方法是作劄記或卡片，……近代史學界承歐風，流行作卡片，與作劄記，大同小異，都是歸納史料的有效方法。……作劄記或作卡片，必須遵守的原則，為摘原文與注出處。不摘原文，僅記心得，或將原文任意增刪潤色，絕不合乎現代學術的要求，不將原文的作者、書名、卷數、題目、頁數一一注出，則來源不明，何能徵信？[7]
仔細拜讀杜老師製作卡片的方式，所謂的「將原文的作者、書名、卷數、題目、頁數一一注出」不正是我們在建置資料庫時所使用的「詮釋資料」（metadata）欄位嗎？而「不摘原文，僅記心得，或將原文任意增刪潤色，絕不合乎現代學術的要求」的提醒，不就是在製作電子全文的時候必須遵守的原典照錄法則嗎？所以，今日的史學研究或許換了工具、換了場域，但是基本史學方法論的底蘊仍是不變的。只不過，當我們努力開發新工具與新場域的同時，GAI的橫空出世吹皺了一池春水，讓史學研究者們對於GAI充滿了無限的想像（雖然大部分可能不見得正確），但就像前述David Chen所提出的問題一樣，我們是不是劃錯了GAI的重點？我們真正應該思考的是，在史學研究的方法上GAI到底可以提供我們什麼樣的協助？
為史料進行結構化處理
杜老師所提到的「卡片」或「劄記」，事實上就是一種史料的結構化處理，將以「自然語言」寫成的史料，運用不同的欄位給予適切的詮釋資料，使史料易於被查找和運用，這也是我們在進行數位人文研究的基礎工程。而這個最曠日廢時的基礎工程，在GAI的協助下或許可以帶來不少的便利。以「古契書」為例，在我們取得了契書的電子文本之後，我們可以運用GAI幫助我們將文本中有助於研究的詮釋資料進行提取，例如：立契人、受買人、為中人或是契書簽署的時間，提取之後的資料，就可以成為該筆契書的詮釋資料。其後，研究者可以再運用適切的數位人文工具就可以將契書資料整理成為有益於研究的結構化素材。
以下，我們就以運用ChatGPT進行古契書詮釋資料提取做一個例子，契書的原文如下：
立賣断契高仁作，承父阄分份下有后糞池壹口，坐在吴厝边，即阑頭園地方，東至為為糞池，南、北至田；更有自己手造后糞池壹口，坐在陳竹埔墘地方，東至仁理糞池，西至浦，南、北至田。今因乏用，托中引到嶺頂村李德榮處，三靣言议賣断出紋廣價銀弍拾两正，其銀即日收足，其后池即听銀主管業批租。價足心愿，永断葛籐，不淂別生枝莭，言断、言湊之理，若有重張典當，係賣主出頭承當，與買主無涉。两相允愿，各毋反悔，今欲有慿，立賣断契壹紙為照。
附繳吳逺寵典湊断契，共弍紙，再照。
內改註為壹字，再照。
中人：高仁旋
光緒叁拾叁年拾弍月念七日立賣断契高仁作
在見：胞弟高仁理、高仁棖
代茟：高居荊[8]
我們在ChatGPT中下達以下的指令：
想像你是研究台灣古契書的專家，請從以下古契書的內文中，找出立契人、受買人、代筆人與這份契書的簽訂時間，並請以表格化的方式呈現。[9]
然後無論是將契書文本貼在對話框或者上傳契書文本的純文字檔（.txt），ChatGPT就可以生成類似如下的回覆表格：
表一 由ChatGPT所提取出來的古契書詮釋資料
值得注意的是，GAI在這裡幫我們把原文中「托中引到嶺頂村李德榮處」理解出：李德榮為受買人、李德榮住在嶺頭村、然後立契人高仁作是由中人引介來購買這塊土地，而中人是高仁旋，最後幫我們把原文內「光緒叁拾叁年拾弍月念七日」轉寫成「光緒三十三年十二月二十七日」。以上的資訊是GAI透過對文本的「語意分析」（semantic analysis）理解了這份契書[10]。提取出來的多筆契書資訊，就可以依其欄位製作成結構化的資料，再運用如DocuSky數位人文學術研究平臺一類的數位人文工具，建置成為一個具備電子全文與詮釋資料的個人化資料庫[11]。
在文本中進行詞彙辨識與分類
中國歷代人物傳記資料庫（China Biographical Database Project, CBDB）的資深項目經理王宏甦博士日前為香港理工大學做的一場演講中提到了如何運用GAI協助提取文本中大量的人名、官職、地點與人物關係資訊[12]。在演講中，王博士展示了與該團隊鄧國亮博士如何運用建置在huggingface中的AI小工具，把「陝甘總督」切分為地名陝甘與官名總督，並且進一步運用在CBDB後續整理史料的方法。
此外，王博士更進一步分享了他們如何運用ChatGPT在一大段文本中提取出人物，並就文本中的描述將人物之間的關係依據CBDB的社會關係網絡規則進行分類並呈現在表格資料當中。同時，為了避免GAI可能帶來的幻覺（hallucination）所產生的錯誤資訊，王博士也說明了如何在指令中加上「Don’t use any knowledge outside the para」以確保GAI所生成的結果都只來自於使用者所提供的文本。
關於GAI的幻覺，一直是史學研究者最困擾的問題。因為歷史研究貴在「求真」，儘管「歷史不可能全真」，但「歷史的最值得珍貴，卻在於極近於真」[13]。而我們在撰寫史學論文的時候強調「引原文」、「注出處」，都是因為「求真實務坦誠的思想發展而來」[14]。因此，一旦GAI有幻覺，往往會讓史學研究者對於使用GAI感到卻步。為了讓提取出來的結果更有依據，CBDB團隊所設計的GAI指令還會要求生成關係類別的同時還必須在另一個欄位裡說明GAI判定的依據與引文，藉此達到更準確的結果。一如傳統史學的「注出處」，GAI也能夠提供使用者這樣的服務。
圖二 王宏甦博士示範運用ChatGPT從文本中生成關係並說明判定依據
（截圖自王博士演講影片，其中第五欄「assoc_chn」即是呈現GAI判定的依據）
從CBDB團隊的設計案例便可得知GAI的發展已經可以理解文本的語意並且可以依照我們所律定的規範生成我們所需要的格式。依據上述的研究流程，我們可以運用適當的指令（見附錄一），請ChatGPT從一段文字當中找出人物，並且將人物關係生成為表格形式的關係網絡，然後再將這樣的表格用於數位工具生成關係網絡圖。
圖三 運用ChatGPT提取文本中的人物關係後依據指定格式交由DocuSky的「二元視覺化關聯圖」生成關係網絡圖
跨文本的比較研究
杜老師說：「史學家必須應用比較方法。紛紜龎雜的史料，蒐集在一起，不經過比較，無法看出每一種史料所代表的特殊性質以及史料與史料間詳略異同之所在」[15]。史料的比較不僅是史學方法的基本功力，也是史料辨偽的重要方法之一。然而，面對汗牛充棟的史料，如果要用肉眼一一比對，確實是一件相當費時的事情。
從資訊技術的角度而言，文本比對的技術已經相當成熟。現在的學位論文在畢業之前都必須通過各式各樣的比對系統檢核以證明論文的原創性，此即文本比對工具的實作。文字的比對可以透過演算法的方式來進行，透過文字的重複率來查詢彼此之間引用的程度。但是就史料考證的角度來看，「異」的需求可能比「同」的需求更大。因此，在不使用既有數位工具或是演算法的前提下，我們只需要把多個文本上傳到GAI當中，就可以進行文本比對，並且可以依照研究的需求生成合適的格式供使用者進行分析探討。
進一步來說，我們還可以將同一個時間的不同地點史料（例如：1929-1933年間經濟大蕭條時期的不同地區記載），或是同一地點不同時間的史料（例如：不同時期同一個地方方志中所記載的不同人事地物），抑或是不同作者對同一事件的不同史料（例如：蔣中正、宋子文與其他西安事變相關人物的回憶錄與日記）交由GAI進行比較分析。
除此之外，在文本風格分析方面可能也是GAI得以著力的地方。杜維運老師在撰寫《史學方法論》一書時已經注意到西方逐漸流行的文本風格分析研究，他以海爾（William Bayard Hale）針對威爾遜總統（Woodrow Wilson）的遺稿中所出現的形容詞、動詞之間的商數進行統計分析為例，說明西方學界如何藉由這樣的研究方法反映出文本作者「內在性格的反射」。雖然對於這種研究方法，杜老師認為在當時仍是新穎的研究方式，也尚未普遍被史學家所接受[16]。之所以有這樣的質疑，杜老師認為是「資料是否全面」的問題。在數位史料日漸充裕的今日，杜老師的擔憂或許可以漸漸得到解決，而GAI在處理文本風格分析上能夠提供的協助也著實令人期待。
人物傳記或日記的GAI運用
最後，我們想要進一步提出一些GAI可以在人物傳記或是日記上的應用。筆者與本所學生於2022年底在國科會人文社會科學研究中心的資助與真理大學的授權下，與臺灣大學數位人文研究中心共同以DocuSky為模型建置了「《馬偕日記》數位人文資料庫」，希望跳脫以往線性閱讀的方式來進行日記文本的拆解與重組。以往，我們在閱讀紙本日記文本的時候會以一日復一日的閱讀中去理解記主的一生；透過數位人文原理所建置的日記資料庫，則可以鳥瞰的方式，在地圖上顯示記主的生命地圖、人際關係網絡，乃至於特定詞彙的時間軸分佈等[17]。
而如果我們將日記的文本上傳到GAI中，不但可以達到拆解與重組日記的效果，我們甚至能透過自然語言的對話方式來進行日記的探勘，甚至用問答的方式來認識記主[18]。例如，筆者嘗試將馬偕日記的文字檔案上傳ChatGPT，接下來筆者就詢問關於馬偕在新竹紅毛港的宣教過程，而ChatGPT就以第一人稱的角度來回答筆者如下圖的文字。
圖四 ChatGPT在閱讀完《馬偕日記》後對筆者提問的回答
生成式AI世代是史學危機還是轉機？
由此可見，GAI不但可以針對文本進行語意的分析，也可以進行大文本的統整與提問回覆，因此，當代的歷史研究者似乎已經不再是該思考史料如何取得？也不是該煩惱史料如何處理？更不需要去憂慮GAI是不是會撼動歷史研究的基礎，相反的，我們其實只是需要學會如何透過GAI用自然語言去問一個好問題。
誠如吳密察教授在2024年由東華大學所舉辦的「生成式AI與當代史學發展新趨勢：大眾史學的關鍵省思與展望」會議上所提出的，我們對於GAI的出現都有太多不實的想像，事實上GAI世代的史學研究，只是換了一套工具而已。史學研究者所該做的，仍舊是「問一個問題」，找「相關的數位資料」，然後再找「合適的研究工具」，而GAI所該扮演的角色自然就會在這個研究的過程中浮現。
在本文中，我們重新打開了杜維運老師的《史學方法論》，我們發現許多杜老師在書中所提及的史學研究方法其實不但沒有過時，甚至在GAI的世代裡反而更加可行且具有前瞻性。也正因為如此，GAI為這個時代的歷史研究者所帶來的應當不是危機，只要你問對了問題，危機也是會成為轉機的。
後記
本文的許多觀點是受到吳密察教授於2024/09/19-20在東華大學「生成式AI與當代史學發展新趨勢：大眾史學的關鍵省思與展望」會議上的演講所啟發，特此誌謝。
附錄一
想像你是（OO文本、漫畫、故事）的專家。
我將提供你一份關於這個故事的相關介紹，請依照這份內容提取出人物名稱，並以下格式以表格呈現：
|編號|name|
|–|–|
然後請詢問使用者是否要是否要生成Binrel格式
如果使用者回答「是」或「yes」，請將上面列出的人物彼此之間的關係建立關係表格，並以下的格式生成表格：
|soruce|target|relType|
|–|–|–|
例如：
|soruce|target|relType|
|人物1|人物2|情侶|
|人物2|人物3|仇人|
表格生成後，請引導使用者複製生成的表格，並進入「二元視覺化關聯圖」工具的網頁（網址：https://reurl.cc/paxzv4）
註腳
[1] 這個指令截至筆者截稿前（2025.04.05）仍能使用，但未來也有可能隨著ChatGPT的官方政策改變而有所不同。
[2] 蘭克的原圖引自：https://commons.wikimedia.org/wiki/File:Jebens,_Adolf_-_Leopold_von_Ranke_(detail)_-_1875.jpg （檢索日期：2025.04.05）
[4] 杜維運，《史學方法論》（台北：三民書局，1989）。
[5] 傅斯年，〈歷史研究所工作之旨趣〉，《中央研究院歷史語言研究所集刊》1:1(1928)，頁9。
[6] 項潔、翁稷安，〈數位人文和歷史研究〉，《數位人文在歷史學研究的應用》（台北：國立臺灣大學出版中心，2011），頁16。
[7] 杜維運，《史學方法論》，頁80-81。
[8] 資料來源：國立台灣大學，《台灣歷史數位圖書館》，檔名:〈at1998_016_046-1.txt〉
[9] 在ChatGPT中的指令有三大要件：首先是先界定現在GAI的身分與專長（「想像你是研究台灣古契書的專家」），然後是希望GAI做的事情（「請從以下古契書的內文中，找出立契人、受買人、代筆人與這份契書的簽訂時間」），以及希望他回答的格式（「並請以表格化的方式呈現」）。
[10] 每次ChatGPT生成的內容都會略有不同，有的時候也會幫使用者把中曆註記上西曆日期，惟對應出來的西曆結果並不正確。這是我們需要特別留意的。
[11] 關於DocuSky數位人文學術研究平臺，可參考筆者拙文：〈從柑仔店到大賣場的數位人文大冒險〉（檢索日期：2025/04/05）
[12] 演講影片見：https://www.youtube.com/watch?v=DkZ1X3BWg8Q （檢索日期：2025/04/05）
[13] 杜維運，《史學方法論》，頁289。
[14] 杜維運，《史學方法論》，頁3。
[15] 杜維運，《史學方法論》，頁87。
[16] 杜維運，《史學方法論》，頁126-127。
[17] 關於「《馬偕日記》數位人文資料庫」的介紹，可以參考筆者的〈《馬偕日記》數位人文資料庫的建置與應用〉，《數位典藏與數位人文》14期（2024），頁173-209。
[18] 這個嘗試係受彰師大歷史所李宗信教授的概念所啟發，特此誌謝。
本文採用 創用CC 姓名標示–非商業使用–禁止改作 3.0 台灣版條款 授權。
歡迎轉載與引用，但不得為商業目的之使用，亦不得修改本文。轉載、引用本文請標示網址與作者，如：
胡其瑞/生成式AI與歷史學研究
引自歷史學柑仔店(https://kamatiam.org/生成式ai與歷史學研究/)
留言