利用 AI 復原歷史記憶：從球王比利的案例談起
在數位保存與文化遺產的領域中，最令人頭痛的問題往往是缺乏原始影像紀錄。許多歷史上的經典時刻，僅存在於見證者的口述或片段的文字描述中。Google DeepMind 最近與球王比利的遺產管理團隊合作，嘗試解決這個問題，將 1959 年那顆著名的 Javari 街頭進球（Gol da Rua Javari）從記憶轉化為視覺影像。
這項計畫的核心挑戰在於如何將非結構化的歷史碎片轉化為高真實度的動態畫面。對於工程師來說，這不僅僅是生成一段影片，而是一個複雜的數據重建過程。團隊必須整合歷史學家、體育記者以及球員家屬提供的口述資料，將這些描述作為輸入條件，定義出當時的球場環境、球員動作以及球的運行軌跡。
技術實現的關鍵在於 Google 的前沿多模態模型。首先是 Gemini Omni，這是一個能夠同時處理文字、影像與音訊的多模態大模型（Multimodal Large Language Model），它負責將碎片化的歷史描述轉化為精確的場景指令。接著，團隊使用了 Veo 3，這是一款專門用於生成高品質影片的生成式 AI 模型（Generative Video Model），負責將指令轉化為流暢且符合物理邏輯的影像。
為了避免 AI 生成內容過於虛擬而失去歷史真實感，團隊採取了實體與數位的混合策略。他們在當年的原始球場拍攝實景，並準備了當時的真實球衣與復古足球作為參考基準，讓 AI 模型在生成影像時有正確的視覺錨點。這種做法解決了生成式 AI 常見的幻覺問題（Hallucinations），確保產出的畫面在文化與歷史脈絡上是正確的。
這類技術的實務意義在於，它將 AI 的角色從單純的內容創造者，提升到了文化保存者的層次。透過將口述說的記憶數位化，我們能讓後代在沒有原始膠卷的情況下，依然能以視覺方式理解歷史事件的影響力。
這項計畫最終將在比利博物館展出，向大眾展示如何利用尖端 AI 技術來填補歷史紀錄的空白，並將其轉化為可觸及的教育資源。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。