Сваког дана смо сведоци да вештачка интелигенција већ прилично уверљиво говори о прошлости.
Међутим, колико програми који обликују то „знање” заиста познају и разумеју историјске изворе, старе језике или језике малих народа, попут српског? Шта знају о заборављеним личностима, несталим институцијама и културама које су оставиле мало писаних трагова?
И ко је уопште одредио шта машина о прошлости треба да зна?
Ово последње питање је заправо најважније. Нарочито за историчаре, архивисте, музејске стручњаке и све који се свакодневно баве грађом која се не може једноставно пронаћи претраживањем интернета.
Проблем је у самом начину на који настају велики језички модели (LLM, од енгл. *Large Language Model* — велики језички модел). Велике приватне технолошке компаније обучавају их на огромним количинама дигиталних садржаја: интернетским страницама, књигама, новинским текстовима, форумима, енциклопедијама, програмском коду, лиценцираним збиркама података и материјалима посебно припремљеним за машинску обуку. Све чешће се користе и текстови које су произвели други AI системи.
Ти садржаји се прикупљају, филтрирају, разврставају и обрађују, а модели на њима уче језичке и друге обрасце. Затим се додатно усавршавају како би давали што корисније и уверљивије одговоре. Сам поступак није нужно споран. Али историчар одмах може да препозна проблем: огромна количина текста није исто што и поуздан истраживачки корпус.
Уосталом, интернет је пун историјских полуистина, произвољних тумачења, националних митова, преписаних грешака и текстова сумњивог порекла. Ту су и озбиљни научни радови, наравно, али њихова заступљеност у машинској обуци није нужно сразмерна научној вредности. Велики део квалитетне архивске и музејске грађе није ни дигитализован, а камоли припремљен за употребу у оваквим системима.
У том контексту важна је вест да је Бодлејанска библиотека Универзитета у Оксфорду покренула пројекат *BodleianLLM*. Од септембра 2026. до августа 2027. истраживачи ће радити на развоју отвореног језичког модела заснованог на стручно обрађеним историјским и културним збиркама. Пројекат подразумева припрему документованог корпуса, развој посебних тестова за хуманистичке задатке и објављивање модела, програмског кода и документације.
На први поглед, још један AI пројекат на великом универзитету. Али његова замисао задире у много озбиљније питање: зашто би академска историографија приватним технолошким компанијама препустила да саме одређују критеријуме по којима ће се машински обрађивати и тумачити прошлост?
На пример, историчару није довољно да модел исправно препозна Наполеона или Француску револуцију. Треба да разликује личности са истим именом, да препозна старе називе установа и административне категорије, да разуме историјске облике језика, а пре свега да не претвара несигурне податке у категоричне тврдње.
Зато је у оксфордском пројекту можда важније развијање поступака провере од самог будућег модела. На тај начин хуманистичке науке добијају прилику да саме утврђују шта је добар резултат машинског читања историјске грађе.
И Принстон већ од почетка 2026. развија сличан истраживачки правац. Његови стручњаци раде на реконструкцији оштећених античких текстова, читању византијских рукописа, анализи старих кинеских књига и развоју језичких модела за специфичне историјске корпусе. Посебно је занимљив њихов став да хуманисти не треба само да користе AI, већ и да учествују у њеном развоју.
Јуче, 14. октобра 2026. године, објављена је вест да је организација *Schmidt Sciences* издвојила 10 милиона долара за 19 пројеката који повезују AI и хуманистичке науке. Међу њима су реконструкција античке мапе Рима, анализа старих језика и клинастог писма, истраживања археолошких налаза и културне историје. Пројекти подразумевају и развој истраживачких алата чији ће резултати бити јавно доступни.
У питању је тек почетак једног дугог процеса. Оксфордски модел тек треба развити, а многи најављени пројекти тек треба да покажу шта заиста могу и какви су им домети. Приватне компаније сигурно се неће лако одрећи ни академског тржишта. Али када се у кратком периоду појави више оваквих иницијатива, тешко је не приметити промену.
Хуманистичке науке покушавају да из положаја корисника AI пређу у положај оних који учествују у њеном обликовању.
То, наравно, не значи да ће академски модели аутоматски бити бољи или непристраснији. И научне установе имају своје традиције, ограничења, предрасуде и начине класификације. Ни стручно обрађена грађа није ослобођена историје сопственог настанка. Али постоји важна разлика ако су познати порекло корпуса, критеријуми избора, поступци обраде и начини провере. Тада се може утврдити одакле потиче проблем, а не само констатовати да је машина погрешила.
Овде се отвара још једно питање, за нас можда и најважније.
Шта ће бити са историографијама малих језичких заједница? Са српском ћирилицом, старим правописом, локалним називима, регионалним архивима, музејским каталозима и периодиком која никада није добила озбиљну дигиталну обраду? У којој мери су ти садржаји заступљени у глобалним моделима и ко уопште проверава колико их машине добро разумеју?
Наравно, није реално очекивати да сваки музеј или архив развија сопствени велики језички модел. Али је реално да научне установе и установе културе припремају квалитетне дигиталне корпусе, повезују податке о личностима, местима и институцијама, уређују метаподатке и развијају проверене примере на којима се може испитати тачност машинских резултата.
Такав посао није нарочито атрактиван. Не производи спектакуларне демонстрације и лепе промотивне снимке. Захтева много времена, стручног знања и упорног рада. Али без њега ће и најмоћнији AI системи нашу историјску грађу и даље обрађивати са озбиљним ограничењима.
Историчари су вековима развијали методе критике извора, утврђивања њиховог порекла, поузданости и значења. Сада се појављује нови задатак: учествовати у обликовању машина које ће те изворе све више читати, повезивати и тумачити.
Ако се одрекнемо тог посла, други ће одредити шта је важно, шта је споредно и шта ће остати изван машинског знања о прошлости.
И то се неће увек појавити као очигледна грешка. Много чешће добићемо лепо написан, уверљив одговор у коме су неки делови прошлости једноставно нестали.
Извори:
Оксфорд — BodleianLLM:
https://www.bodleian.ox.ac.uk/node/5024431
Принстон — AI and the Humanities:
https://www.princeton.edu/.../ai-and-humanities-across...
Schmidt Sciences — 14. октобар 2026:
https://www.schmidtsciences.org/havi-2026-announcement/
Милош Тимотијевић
објављено на фејсбук профилу 15. октобар 2026.
Коментари
Постави коментар