AI 与寻物海报为追索纳粹掠夺艺术品开辟新路径

第二次世界大战结束近 81 年后，Google News 捕捉到追索纳粹掠夺艺术品方式的一项显著变化。研究人员正将 AI 辅助档案与寻物海报结合起来，面向收藏家、拍卖行，以及可能在不知情的情况下持有失踪作品的人群展开寻找。

这种反差的重要性超过了新鲜感本身。一种策略以机器速度检索碎片化的历史记录；另一种则将易于辨认的图像与所有权线索呈现在公众面前。两者都试图解决同一个棘手问题：证据与失踪物品往往分处不同地方。

但两种方式都无法断言某件艺术品遭到盗掠，也无法判定其合法所有者。溯源研究旨在重建物品的所有权历史，却依赖于措辞、日期和身份信息都可能不完整或具有误导性的文件。

因此，真正的较量并非 AI 与传统学术研究之间的对抗，而是更快的发现能力与将有希望的匹配转化为可辩护历史证据所需的较慢流程之间的较量。

这一差异的重要性不止于博物馆。这些项目为应用于法律、合规、新闻和企业研究的检索型 AI 系统提供了严苛测试。找到相关记录固然有价值，但证明该记录意味着什么，仍是人类的责任。

Google News 将两种不同寻回策略联系起来

这一新进展是发现能力的协同扩展，既利用机器可读档案，也借助公众辨识，以揭示隐藏数十年的线索。

犹太数字文化追索项目（Jewish Digital Cultural Recovery Project，简称 JDCRP）正在开发一个可交叉检索的档案平台，专注于纳粹时期流离失散的文化财产。该平台将有关物品、收藏家、交易、没收、机构及战后流转的信息联系起来。

其界面采用生成式 AI，帮助用户通过对话式提问浏览档案记录。它看似聊天机器人，但真正的价值存在于聊天窗口之下。该系统旨在关联使用不同语言、拼写、目录编号和机构格式的记录。

JDCRP 最初是一项与德国犹太物质赔偿会议和艺术品追索委员会有关的倡议。其更广泛的目标是记录参与纳粹文化掠夺的人员、收藏与机构。

德国 Hasso Plattner Institute 的八名学生在 2023 年和 2024 年间构建的原型，测试了一种由 AI 辅助的档案整合方式。根据该项目的平台案例研究，团队因错误在这一历史背景下可能造成特殊后果而设计了相应保障措施。

这些后果并不局限于错误的搜索结果。错误关联可能会不公正地牵连收藏家、经销商、博物馆或某个家族；也可能使研究人员偏离更有力的证据，或在艺术品尚未经过检验前就助长公开主张。

第二种策略来自法国奥尔良美术馆。其“Wanted”行动通过目录和模仿公共告示风格的海报，展示失踪作品。

该博物馆正在寻找 424 件在德国占领期间及之后消失的作品。名单包括被认为出自 Canaletto、Raphael、Eugène Boudin 和 Pieter Brueghel the Younger 等艺术家的作品。

据有关失踪的 424 件作品的报道，研究人员花了近三年时间建立此次行动背后的清单。这些材料旨在触达拍卖师、公证人、收藏家及其他艺术市场参与者。

这场行动此前已有一次令人鼓舞的归还。2025 年春季，德国收藏家就一幅 Achille-Etna Michallon 的油画草图联系了博物馆。画作背面的博物馆标签引发了对其历史的疑问。

据报道，这对夫妇约在 40 年前获得该作品。联系奥尔良后，他们将其归还给博物馆。这幅画于 1940 年 6 月失踪，之后被送去修复，为计划中的公开展出做准备。

这一案例比任何技术说明都更能说明寻物海报的意义。关键证据并未锁在机构数据库中，而是附着于私人收藏中的一幅画作上。

Google News 将这些努力置于同一场公共讨论之中。这种联系揭示了一种正在形成的追索模式，包含两个方向：系统向内跨记录检索，行动则向外面向公众与艺术市场展开搜寻。

两个方向都无法取代彼此。数据库可以识别可疑的标题、所有者或交易；公开图像则可能促使某人认出相应的实物。

当一个看似合理的关联被误作结论时，紧张关系便会出现。AI 回应、海报匹配或照片可以启动调查，却无法完成调查。

碎片化记录才是真正的技术瓶颈

AI 在此的重要性在于证据分散且不一致，而不在于所有权争议能够被简化为单一预测。

纳粹文化掠夺留下了庞大的文献痕迹，包括查封清单、运输记录、照片、经销商档案、拍卖图录、博物馆库存、返还申请和战后情报报告。

这些记录由目的各异的组织创建。一个纳粹机构可能用一种标题描述某件物品，收藏家的库存清单可能使用另一种，后来的拍卖行则可能翻译或缩短该描述。

姓名也会造成类似问题。一个人可能以婚后姓氏、缩写名字、头衔或多种转写形式出现。企业可能在保留常用商号的同时变更所有权和地址。

许多记录还仅以扫描件而非结构化数据的形式留存。光学字符识别（OCR）可将印刷或手写材料转换为可搜索文本，但可能误读褪色字体、不熟悉的文字和受损页面。

传统关键词搜索在这些条件下表现不佳。研究人员必须知道应输入哪种拼写或目录术语，也必须知道哪个档案馆最可能保存相关记录。

AI 辅助档案能够扩大这种检索范围。它可以识别实体、翻译短语、比较物品描述，并提出记录之间可能存在的关系。知识图谱会存储实体及其关联，从而明确表达这些关系。

例如，一个系统可能将某位所有者与一份没收清单关联起来，继而将清单中的画作与战时仓库、战后追索档案和现代博物馆记录联系起来。

每一项关联都应保留其来源。这一要求将严肃的溯源技术与通用聊天机器人区分开来。有价值的答案必须能让研究人员回到支持它的文件、页面和原始措辞。

JDCRP 的数字展览将生成式 AI 和关联数据作为浏览档案材料的工具呈现，同时也将这项技术置于更广泛的历史与教育项目中。

这一设计类似于检索增强生成（RAG）。RAG 系统会在生成答案前检索文件，帮助用户查阅来自特定资料集的信息。

这种方法可以减少缺乏依据的回应，但无法完全消除它们。模型可能合并原本不同的身份、误读日期，或以过度确定的方式呈现不确定关系。

历史记录还带来另一层风险。一些溯源条目曾被故意伪造，以掩盖盗窃、被迫出售或后续非法流转。将虚假陈述数字化，并不会使其更可靠。

因此，系统需要保留分歧。两份文件可能对同一次转移提出相互矛盾的主张。负责任的界面应展示两种主张，并说明哪些记录支持它们。

这也是数据建模至关重要的原因。数据库应区分可观察到的题记、档案陈述、研究人员的解释和法律认定。

如果没有这种区分，不确定性会在信息流经系统时消失。暂定归属可能变成数据库事实，聊天机器人随后便可能在不展示薄弱依据的情况下重复这一“事实”。

同样的挑战也出现在商业知识系统中。团队常期待 AI 从混乱的公司记录中给出一个清晰的单一答案，但合同、会议纪要和政策文件可能彼此矛盾。

设计良好的AI knowledge base应揭示来源与背景，而非掩盖不确定性。溯源研究使这一要求尤为清晰。

这项技术最强的贡献在于压缩。它能减少专家在发现可信线索前必须检查的文件数量。

其最薄弱的用途则是在缺乏证据的情况下作出判断。仅凭相似度评分，无法安全地推断所有权历史。研究人员仍需要原始记录、实物检验和法律分析。

AI 发现能力面临人工核验

核心冲突在于可规模化的线索生成，与支持返还所需的证据纪律之间。

机器可以比研究团队更快地比较数百万段文本，也能对可能匹配项进行排序，并揭示任何单一学者都未必记得的关联。

然而，溯源案件很少仅凭一个匹配标题便能定论。画作可能拥有相同的主题、尺寸或通用名称；复制品、工作室作品和后来的归属变化，会进一步增加识别难度。

实物证据通常决定两条记录是否描述同一件物品。研究人员会检查标签、印章、画框内撑痕迹、题记、画框、修补记录、颜料以及背面照片。

AI 通常只能看到机构已经数字化的材料。如果决定性的印章出现在一只未被拍摄的画框上，系统便无法评估它。

奥尔良的归还案例展示了这一缺口。收藏家注意到他们所持作品上的“Musée d’Orléans”标签。这一实物线索促使他们提出询问，并得以与博物馆记录进行比对。

除非物品持有人提交信息，否则聊天机器人无法发起这种联系。即使有人认出画作，寻物海报也无法验证它。这两种方法解决的是发现问题的不同部分。

Santa Clara University 的研究人员正在探索一款相关的 AI 溯源助手。该项目旨在检索碎片化档案、解读多种语言，并标记具有较高掠夺风险的艺术品。

项目团队包括在信息系统、分析和运筹学领域拥有专长的教师。其溯源助手被定位为研究人员的辅助工具，而非自动化的返还裁决机构。

这条界限至关重要。风险评分可以帮助确定调查优先级，但评分取决于系统的数据和假设。

拥有完整数字记录的艺术品可能会得到细致分析。另一件缺少文件或尚未数字化的作品，可能仅仅因为系统看到的证据较少，就显得风险更低。

这是机器学习中的常见问题。缺失数据并不中立。记录的缺失可能反映了毁坏、保密、编目不善或数字化程度有限。

最强大的系统能够展示其为何对一条线索进行排序。它们可能指出共同收藏者、尺寸、标题变体、销售日期和照片。研究人员随后可以独立核验每一项特征。

较弱的系统会给出置信度评分，却没有可供检查的证据链。这个数字看似精确，实则可能掩盖基本的模糊之处。

人工审查还涉及难以编码的历史背景。一笔成交价格在研究人员查阅交易周围的反犹法律、被冻结账户、逃亡税或威胁之前，或许看似出于自愿。

“被迫出售”一词涵盖多种情形。一些转移发生于直接没收之下。另一些则发生在剥夺任何实质议价自由的经济迫害之中。

即使历史学家对潜在迫害事实达成一致，不同国家的法律结果也可能不同。诉讼时效、善意购买规则、机构政策和各国返还框架都会影响相关主张。

1998年《华盛顿会议原则》鼓励识别被纳粹掠夺的艺术品，并寻求“公正与公平的解决方案”。这些原则影响深远，但并非一套通用的所有权法典。

这种法律多样性限制了自动化。模型可以发现相关记录并总结规则，但不能正当地在继承人、博物馆、政府和现持有人之间作出裁决。

自动化偏见同样存在风险。研究人员可能因为AI系统将某条线索排在较高位置，就赋予其更多权重；他们也可能减少对替代身份或矛盾证据的核验时间。

补救办法不是拒绝AI，而是围绕有据可查的主张、不确定性标签和独立审查来设计工作流程。

AI应当提出线索。专家应当核验。机构应公开其推理过程，法律机构则应依据适用规则解决存在争议的权利问题。

这种分工听起来很谨慎，因为它本就应当如此。加快发现的目的，是提升证据质量，而不是降低返还所需的证明标准。

宣传能够触及数据库无法触及之处

通缉海报增添了一层社会化发现机制，将私人持有人和艺术市场专业人士转化为潜在的证据来源。

许多失踪艺术品并未悬挂在大型博物馆中。它们可能位于私人住宅、继承所得的收藏、仓储设施、艺术商库存，或等待出售的遗产中。

数据库无法识别从未被拍摄或编入在线目录的物件。宣传则能够触及每天都能看到该物件的人。

奥尔良的活动将研究成果包装为便于辨认的信息。图片、艺术家姓名、尺寸、描述和收藏历史，为人们提供了可与所见作品比对的具体细节。

其视觉语言也改变了受众范围。学术目录主要服务于专家，而通缉海报则邀请那些从不会检索来源数据库的人参与其中。

这一策略也有自身风险。公开指控可能损害声誉，图片也可能引发虚假举报。活动必须区分失踪、被盗、被毁，以及历史情况不确定的物件。

奥尔良的研究人员承认，目录部分内容仍不完整。这种透明度十分重要，因为博物馆的损失发生在始于1940年德国军队抵达后的混乱时期。

一些物件遭到掠夺。另一些可能毁于火灾、因行政处置而流散，或在情形不明的情况下流入私人之手。

有力的公众活动应提供精确线索，但不夸大这些线索所能证明的内容。它应告诉持有人如何联系研究人员，并解释报告将如何得到评估。

艺术市场有理由关注此事。拍卖行和艺术商在处理存在争议的财产时，面临法律、财务和声誉风险。

公开发布的目录会使日后声称不知情更难成立。它也能帮助专业人士在物件进入公开拍卖前筛查委托拍品。

公众参与方式已在奥尔良之外展现价值。2025年，荷兰记者在宣传阿根廷一处房产的照片中发现了一幅疑似遭掠夺的画作。

图片似乎显示了一幅肖像画，曾为荷兰犹太艺术商雅克·古德斯蒂克（Jacques Goudstikker）所有。纳粹官员弗里德里希·卡德吉恩（Friedrich Kadgien）被认为与该画在战时的流转路径有关。

研究人员谨慎表示，在检查实物前，他们无法鉴定该作品。然而，这则房源信息在约八十年后提供了一条可采取行动的线索。

这项阿根廷调查表明，发现线索可以始于博物馆、档案馆和执法数据库之外。它始于记者仔细查看一则普通的房地产广告。

这一事件也说明了开放图片对AI系统的重要性。视觉搜索最终或可将公开房源中的物件与失踪作品数据库进行比对。

此类匹配需要严格的阈值和人工审查。光线、画框、裁切、修复和图像质量都会改变艺术品的外观。复制品和仿制品还会造成更多混淆。

隐私同样值得关注。大规模抓取私人房源、社交媒体帖子或室内照片，可能暴露与来源研究无关的个人信息。

机构需要制定政策，明确收集哪些来源、图像保存多久，以及何时联系主管部门。技术能力并不能解决这些问题。

当机构提供可信赖的流程时，公众参与最为有效。持有人需要确信，询问会得到审慎审查，而不会立即引发公众怀疑。

米夏隆素描的归还提供了一个建设性范例。收藏家注意到一个标签后提出疑问，博物馆随即调查了该物件的历史。

这一过程并不符合“AI破解85年谜案”的戏剧化叙事。它展现了更有用的一点：技术、宣传和自愿合作能够将证据引向合适的专家。

因此，通缉海报和聊天机器人界面共享一项设计原则：两者都降低了开始搜索所需的知识门槛。

用户无需掌握档案编码，便可提出对话式问题。收藏家无需了解返还的法律术语，也能辨认出一张图片。

降低这一进入门槛能够扩大线索发现范围。但在线索进入系统后，核验标准必须保持严格。

历史记录仍然抗拒简单答案

核心风险是虚假的确定性，尤其是在不完整档案遇上旨在生成流畅、连贯回答的模型时。

纳粹时期文化财产研究涉及在迫害、战争、被迫迁徙和战后重建期间形成的记录。缺口并非这类证据中的例外，而是其结构的一部分。

受害者往往连同财产一起失去了个人文件。家庭遭到驱逐或杀害。艺术商修改了记录，国家机构有时将追回的作品归还给国家，而非个人所有者。

法国的战后经历说明了这一问题。据有关该国返还工作的报道，约10万件文化物品被申报为从法国掠夺而来。

当局追回了约6万件，其中约4.5万件被归还。约1.5万件未能确定所有者，另有约2200件被纳入“国立博物馆追回藏品”（Musées Nationaux Récupération）目录。

数十年来，进展始终缓慢。据报道，1954年至1993年间，法国仅从这一尚未解决的群组中归还了四件作品。

奥赛博物馆于2026年开设常设展厅，展出13件所有权历史尚未厘清的作品。参观者可以看到作品背面，标签和库存标记有助于记录其流转过程。

博物馆还组建了一个由六名法德研究人员组成的专门研究团队，其任务是通过档案调查追溯合法继承人。

这间奥赛展厅说明了可见性为何重要。展出尚未解决的作品，既可以吸引信息，也能让机构的不确定性公开可见。

它还凸显了一项AI摘要可能模糊的区别：追回的物件并不一定已经返还。找到一幅画，并不等于确认其所有者、继承人或适当的补救方案。

完整的来源链同样罕见。研究人员往往只能处理时间区间：他们知道某位所有者在遭受迫害前持有一件作品，而另一方在之后拥有它，但这次转移仍无记录可考。

生成式AI倾向于将碎片拼接成连贯叙事。这种能力使其易于阅读，却也存在危险。流畅的文字可能掩盖来源记录终止之处，以及推断开始之处。

界面应明确标示缺乏支持的时间区间，并将已确认事件、存在争议的主张和模型生成的建议分开。

每一项建议的关联都应附上其证据。如果系统通过共同地址将两个姓名关联起来，用户应能看到包含该地址的记录。

研究人员还需要负面证据。数据库应显示某件预期物件何时未出现在运输清单中，或尺寸何时与拟议匹配相矛盾。

误报并非无害。公开将无辜持有人与纳粹掠夺关联，可能造成严重损害。错误线索还可能加重那些本已在应对创伤历史的家庭的负担。

漏报同样重要。以文档记录完善的收藏为训练基础的模型，可能忽略数字化程度有限地区中较不知名的所有者、艺术家和群体。

语言覆盖范围可能复制历史不平等。德语、法语、荷兰语和英语的大型档案受到关注，而较小收藏中的记录则可能仍无法获取。

资金也会影响数据。短期项目往往优先考虑可展示的成果，例如知名艺术家或拥有留存目录的收藏。

AI系统会继承这些优先级。机构尚未扫描、描述或公开的信息，系统无法发现。

这一现实应影响Google News读者对聊天机器人标签的理解。界面并非主要创新；更深层的工作涉及标准、档案合作、实体解析和透明引文。

研究人员还必须保护敏感个人数据。返还档案可能包含地址、家族历史、财务信息，以及涉及在世人士的主张。

开放访问有助于发现线索，但完全开放可能与隐私和法律限制冲突。平台需要分级访问和清晰的治理机制。

因此，成功应被谨慎衡量。聊天机器人回答的数量说明不了太多。更好的衡量指标包括有引文支持的线索、得到纠正的记录、新近关联的档案、经核实的识别结果，以及公平的解决方案。

即使已经完成归还，也需要细致看待。不同继承人可能对出售、捐赠或继续展出存在分歧。博物馆可能寻求和解，或通过标签和展览承认历史。

AI可以为这些讨论整理证据，但无法决定每一种情形中正义所要求的结果。

研究人员接下来应关注什么

下一阶段将由经核实的结果、透明的证据链和更广泛的档案覆盖来评判，而非令人印象深刻的演示。

第一个信号是 JDCRP 中央平台向公众开放。研究人员应检验每个生成的回答是否直接链接至底层文档。

一项可信的发布将以有来源支撑的主张展示溯源说明。它会呈现相互矛盾的记录，并在许可条件允许时让用户查阅原始扫描件。

该平台还应披露其如何处理姓名、翻译、不确定日期和重复对象。这些细节决定了对话式搜索究竟能改善研究，还是仅仅让研究看起来更简单。

如果引文在专家测试中始终保持一致，AI 辅助溯源工作的价值将更具说服力。如果回答失去来源，信心应迅速下降。

第二个信号是 Orléans 行动进入艺术市场后会发生什么。其价值将取决于可信报道、经过查验的物件以及有记录可查的返还。

在 424 件失踪作品中找回一件就很重要，尤其是当线索来自私人持有人或遗产管理方时。大量未经核实的线索可以体现覆盖范围，但无法证明其有效性。

研究人员还应关注拍卖行和公证人是否将该目录纳入日常筛查流程。这种回应将使一场宣传活动转化为持久的市场基础设施。

第三个信号是机构采纳情况。博物馆、国家档案馆、归还机构和大学必须决定是否投入记录与工作人员时间。

随着档案之间的连接加强，AI 匹配能力也会提升。然而，参与也会带来关于格式、许可、隐私和更正程序的问题。

共享标准将强化这一新兴模式。碎片化的试点系统则可能因形成另一层彼此不兼容的数据库而削弱它。

网络分析已经指向一种更广泛的方法。一项针对德国 Proveana 数据库的 2026 年研究，考察了参与文化财产流转的个人与机构之间的关系。

此类研究能够识别核心参与者和被忽视的联系。然而，网络上的接近程度并非不当行为的证据。它应引导档案调查，而非据此定罪。

对开发者而言，教训十分具体。高风险搜索系统需要可追溯的检索、不确定性标记、可逆的更正机制，以及纳入工作流的领域专家。

对博物馆而言，数字化应尽可能包括物件的背面。标签、印章和装裱痕迹可能比正面图像更具信息价值。

对收藏家而言，无法解释的库存标记值得关注。联系相关机构，可能有助于澄清一段无辜的历史，或重新开启通往返还的路径。

对知识工作者而言，这个故事为 AI 研究工具提供了一个要求极高的标杆。最好的系统并非最快给出答案的系统，而是让核查变得更容易的系统。

Google News 帮助人们注意到技术与公众参与这一不同寻常的结合。这个故事的长期走向，将在新闻周期之外的档案馆、实验室、收藏体系和法律程序中决定。

这些系统会产生经得起专家审查的、有据可查的线索，还是只会给出令人信服的、不确定记录摘要？读者应关注引文、更正和经核实的找回案例。这些结果将揭示，AI 是否正在帮助恢复历史，还是仅仅让尚未解决的历史更容易被查询。