11月12日消息，日前，一篇名為《谷歌是否悄然解決了人工智能領域最古老的兩個難題？》（Has Google Quietly Solved Two of AI’s Oldest Problems?）的文章在人工智能圈內迅速傳播。
作者是加拿大滑鐵盧勞里埃大學歷史學副教授馬克·漢弗萊斯（Mark Humphries），這位研究20世紀北美史的學者近年轉向數字人文與人工智能應用研究。他在Substack平臺的專欄《Generative History》中披露：他在谷歌AI Studio中試驗的一款神秘模型，展現出“幾乎完美”的手寫識別能力，以及“自發的、抽象的、符號化推理”現象。
圖片
注：AI Studio界面顯示A/B測試
谷歌的AI Studio是一個開放實驗平臺，用戶可在其中測試提示詞、比較模型表現。最近一周，一部分用戶發現系統會隨機生成兩份答案，要求他們選擇較優者。這是大型AI實驗室在模型上線前常用的A/B測試（用于比較兩種或多種方案的效果，從而判斷哪一個更優）方式。由此外界推測，這款正在試驗的模型可能是即將發布的Gemini-3。 
漢弗萊斯的實驗原本只是想驗證這款模型在“手寫歷史文檔轉錄”任務上的表現，卻意外觀察到更深層的現象：模型不僅在轉錄精度上達到專家人類的水準，還能在面對模糊或不完整信息時，自行推理、糾正與解釋，仿佛它在“理解”歷史材料，而不僅僅在識別文字。 
他寫道：“我原以為AI在歷史文檔領域的突破還需數年，但這一模型展示的能力，已接近真正的人類專家，甚至在邏輯判斷與語境還原上超出預期。” 
若這些結果被證實，這將標志著AI歷史上的一個關鍵時刻：機器不僅能“看懂”手寫符號，還能像學者一樣“思考”其背后的邏輯。這意味著，AI可能已同時跨越人工智能研究中兩個最古老的難題——手寫文本識別與符號推理。
01.從“預測機器”到“理解者”
手寫文本識別（Handwritten Text Recognition, HTR）是AI研究史上最早的課題之一。早在上世紀40年代，研究者便嘗試讓計算機識別人類筆跡。1966年，IBM發布IBM 1287機器，它能讀取數字和部分拉丁字母，被視為AI手寫識別的開端。幾十年來，研究者不斷改進算法與視覺模型，卻始終受限于一個難題：機器只能識別模式，無法理解語義。
圖片
注：識別歷史文稿
漢弗萊斯指出，識別歷史文稿比普通文本復雜得多。因為這不僅是視覺問題，更是語言與文化理解的難題。18、19世紀的手稿充滿拼寫混亂、語法不統一、符號含糊與語義歧義。理解這些內容，需要同時調動語言學、歷史背景、社會常識與邏輯推理。
他解釋說：“人們以為古文檔的難點在筆跡辨認，其實真正的挑戰在于推斷作者意圖——那是視覺識別與邏輯推理的結合。”
在他的研究中，手寫識別成為測試LLM（大語言模型）能力極限的理想場景。因為它要求模型將感知（Vision）與語言（Language）、世界知識（World Knowledge）與邏輯（Reasoning）整合到同一任務中。如果模型能在這種復雜任務中實現突破，就可能預示著更廣泛的智能能力的涌現。
圖片