大規模言語モデル（LLM）は時間的に過度に露出しているという問題がある。現代の膨大なテキストデータで学習されるため、現在の概念を内在化し、過去の信頼できない語り手となってしまう。こうした課題に対応するため、研究者らは「TimeCapsule」と呼ばれる新しいアプローチを提案している。これは12億パラメータのLLaMA風因果モデルで、1800年から1875年のビクトリア朝時代のテキストのみで訓練された、認識論的に隔離された生成アーカイブである。 定量的な評価では、未見のビクトリア朝散文に対してGPT-2ベースラインと比較して45.4％のパープレキシティ削減を達成している。一方、より大規模な現代の因果モデルはより広範な事前学習を通じてより低い生パープレキシティを実現するものの、時間的隔離を欠いている。TimeCapsuleの興味深い点は、計算的な意味形成を展示し、コンピュータを「肥大化した肺」と表現するなど、未知の現代概念に対して歴史的にもっともらしい類比的説明を生成することである。 人文学系の学者2名による定性的な解釈学的調査では、真正性の危機が明らかになった。両者とも本物のビクトリア朝の抜粋の約40％を機械生成として誤分類したのだ。この研究は、未来に関する構造的無知が、ハルシネーションを19世紀のオントロジーの解釈的プローブへと変容させることを示唆している。歴史研究における生成AIの応用可能性と限界の両方を浮き彫りにする興味深い事例となっている。