历史报纸作为了解过去社会、文化和政治动态的重要载体，一直以来都是学术研究中不可或缺的资源。然而，传统的数字化历史报纸研究因数据量庞大、语言多样和OCR技术局限等问题，长期面临着巨大挑战。近年来，随着生成式人工智能（Generative AI）特别是大型语言模型（LLM）的兴起，历史报纸的大规模研究迎来了根本性的转折点。人工智能不仅提高了文本提取的效率和准确性，也为多语言跨国新闻流的分析提供了全新视角，为数字人文领域注入了新的活力。本文将围绕生成式人工智能如何推动历史报纸研究的变革，结合具体实例深入解析其应用场景、优势及面临的挑战。 回顾过去的历史报纸研究，学者们通常需要耗费大量时间在手动整理文章和校正文字识别（OCR）错误上。
由于早期报纸版面布局复杂，传统的自动化分割技术难以准确识别独立的文章，导致文章切分错误频发。此外，历史字体、纸张老化等因素加剧了OCR的错误率，影响了文本的可用性。面对如此庞大数据集，如几十万甚至数百万页的报纸，科研人员往往花费更多精力在数据预处理上而非真正的历史解读和分析。这种状况在多语言语料库的构建上尤为突出，不同语言之间的表达差异和文化背景使得分析变得更加复杂。 生成式人工智能特别是大型语言模型的出现，为解决上述难题提供了契机。LLM具备强大的语义理解和上下文分析能力，能够模仿人类认知，从复杂的排版和扫描文本中提取结构化信息。
以德国《德国联盟报》和意大利《拉斯塔帕》为例，研究人员利用LLM辅助实现了历史报纸中地震和移民等专题的文章提取和错误校正。模型不仅能准确识别包含目标事件的文章，还能根据上下文过滤掉使用隐喻或比喻手法的无关内容。此外，LLM在矫正OCR误差方面展现出令人惊艳的能力，有效恢复因扫描质量低劣而损坏的文本内容，极大提高了语料的质量和后续分析的准确性。 本文主线的一个重要案例是对1908年意大利墨西拿-雷焦卡拉布里亚大地震的跨国新闻传播研究。该事件在当时不仅引发了意大利国内的重大政治和社会反响，也通过电报等通信手段迅速传遍欧洲乃至全球。报纸报道中既有意大利政府试图展示有效救援和统一形象的官方声音，也有社会党派报纸揭露援助不足和政府失职的批评报导。
通过生成式人工智能技术对多语种历史报纸中相关报道的提取、实体识别和事件检测，研究团队得以揭示新闻话语中的不同叙事构建及其跨国传播路径，还原了复杂的媒介真相与权力博弈。 此外，生成式人工智能促进了研究工作流程的循环迭代。大规模数据的自动化处理不再是一次性的机械任务，而是结合历史学家专业判断的动态过程。研究人员可以利用人工智能工具反复调整语料挖掘的策略和范围，及时纠正模型判断中的偏差，达到更符合历史语境的分析结果。这大大提升了数字人文的研究效率和科学性，使历史报纸的深度研究成为可能。 在数据层面，生成式人工智能支持多语言新闻的语义整合，对于20世纪初多个国家涉及移民和自然灾害的新闻报道进行了跨语种对比分析。
通过训练及微调模型，研究团队能探测新闻报道中的共同主题和情感倾向，分析不同区域的媒体如何塑造和传播有关灾害、难民及国家身份的叙事，展现历史新闻中复杂的跨文化交流与冲突。 当然，生成式人工智能的应用也带来一定的挑战和伦理考量。其输出结果的可重复性问题成为学术研究的重要关注点，模型版本更新和参数微调可能导致分析结果不一致。此外，模型训练和使用过程中的数据隐私及偏见问题也需格外警惕。对此，学界积极探索透明化、可控的模型使用方式，并推出如“Common Corpus”等国际合作项目，推动AI伦理规范和文化遗产保护同步发展。 展望未来，生成式人工智能将在历史报纸及更广泛数字人文领域发挥更大作用。
随着模型算力和算法的不断进步，其自动语义分析、情感识别和事件关联等能力将持续增强。结合图像识别技术，还能更好地解析历史版面和视觉元素，实现文本与图像的深度融合分析。更多可定制的多语言模型将使跨国、跨文化的历史叙事研究更加深入和细致。 总之，生成式人工智能的兴起不仅突破了传统数字历史研究的技术瓶颈，还开辟了全新的研究方法论。它将海量历史报纸从冰冷的扫描图像转化为富有生命力的语料库，使学者能以前所未有的视角理解历史事件的传播与演变。历史研究者、数字人文专家与人工智能技术开发者之间的合作，将共同推动历史新闻研究进入一个高效、精准、富有创造力的新时代。
未来，我们有望见证AI助力的历史真相挖掘，进一步拓展人类对过去的认知边界，为当代社会提供有力的文化借鉴和思考启示。
