AI 生成文物讲解内容，如何避免把错误信息写成史实
AI 生成文物讲解内容，如何避免把错误信息写成史实
“这只碗是某位将军亲手使用的。”句子很生动，问题是馆藏登记只写了出土地点，并没有主人。生成式 AI 擅长把零散线索连成完整故事，文物讲解恰恰不能随便补齐人物和情节。展厅里的一个错误，可能经过短视频、导览词和教材反复转述，最后比原始记录更难纠正。
制作讲解内容时，馆方应给资料划层：有实物与检测支持的事实，学界主流但仍可修订的解释，地方传说或口述，以及纯粹为帮助理解而设计的想象场景。模型生成的每句关键叙述都应标注属于哪层，并能回到馆藏卡、发掘报告或研究文章。没有来源的细节应删掉；若保留文学化情节，就明确提示“情景演绎”。
审核不能只让一名编辑通读全文。器物名称、年代、地理关系、人物归属与仪式用途分别由相关研究员复核；涉及社区文化的讲解，还应请社群代表检查是否把活的传统写成固定的旧俗。语音导览的译文要回听，因为中文里一句“可能用于”到了另一种语言可能变成“专用于”。图片与虚拟复原也须遵循同样标准。
系统上线后，保留纠错按钮和修订日志。观众发现矛盾时，可以指出展厅位置、讲解段落与问题；馆方给出可见的处理结果。模型版本更新并不等于史实自动更新，新的研究证据也要经过策展流程才能进入讲解。热门内容尤其要定期复核，传播越广，错一句话的代价越大。
一份有用的审核清单，应该专门找那些模型最爱“补戏”的位置：具体人物姓名、器物使用场景、年代衔接、颜色与宗教寓意。策展人可以故意输入资料不全的藏品，让系统生成讲解，再看它会不会虚构完整故事。这种逆向测试比只检查资料充足的明星文物更重要。导览外包给技术公司时，合同要规定史实错误的纠正时限、内容版本归属和上线审批。错误被发现后，不只改网页，也要检查展厅语音、字幕、印刷品和教育材料是否引用同一段错误。一次纠错能否找到所有复制品，决定馆方是否真正掌握了自己的叙述。
在馆内培训讲解员时，也不要只发一份 AI 定稿。给他们看哪些话来自实物、哪些来自研究解释、哪些尚有争议，讲解员遇到观众追问才能讲清。人若不了解依据，只会把机器写得顺的句子背得更熟。
讲解不必因谨慎而变得枯燥。真正吸引人的往往是“我们怎么知道”的过程：一处磨损如何提示使用方式，一张旧照片又怎样推翻先前的年代判断。观众看到研究者也会修正认识，反而更愿意信任博物馆。把不确定性说清楚，不会毁掉故事；它让故事有了可依靠的地基。
