古籍蘊(yùn)含著中華民族的燦爛文明和優(yōu)秀的傳統(tǒng)文化，保護(hù)好古籍對傳承和弘揚(yáng)中華優(yōu)秀傳統(tǒng)文化、增強(qiáng)文化自信有著重要意義。今年的政府工作報(bào)告中，明確提出要“加強(qiáng)文物古籍保護(hù)利用和非物質(zhì)文化遺產(chǎn)保護(hù)傳承”，體現(xiàn)了對提升古籍保護(hù)水平，拓展社會參與的廣度和深度的重視。
然而從古籍保護(hù)現(xiàn)狀來看，我國目前還面臨數(shù)字化程度低、以文本形式進(jìn)行數(shù)字化的古籍?dāng)?shù)量少、難以檢索等問題。數(shù)據(jù)顯示，我國現(xiàn)存古籍有20萬種。據(jù)不完全統(tǒng)計(jì)，其中有數(shù)字化掃描影像的有8萬種，而實(shí)現(xiàn)文本數(shù)字化的僅有3萬至4萬種。
為推動改變這一局面，3月17日，字節(jié)跳動向北大教育基金會提供捐贈，支持“北京大學(xué)-字節(jié)跳動數(shù)字人文開放實(shí)驗(yàn)室”，研發(fā)古籍?dāng)?shù)字化平臺，利用智能技術(shù)加速中華古籍資源的數(shù)字化建設(shè)，向全社會提供公益化服務(wù)。該實(shí)驗(yàn)室將調(diào)動相關(guān)資源，力爭在3年內(nèi)完成1萬種精選古籍的智能化整理工作。提供開放、體驗(yàn)良好的閱讀服務(wù)和基本文本庫，并借助知識圖譜等技術(shù)幫助學(xué)者高效檢索和利用古籍中的信息。同時，項(xiàng)目也將推出結(jié)合OCR文字識別、句讀、實(shí)體識別和知識圖譜等技術(shù)構(gòu)建的一站式自動古籍智能化整理平臺，并對社會大眾免費(fèi)開放，便于收藏機(jī)構(gòu)、研究者、相關(guān)專業(yè)的師生和廣大古籍愛好者自行完成古籍?dāng)?shù)字化工作，加快整個行業(yè)數(shù)字化古籍資料的效率。
中國社會科學(xué)院教授鄭永曉多年來一直從事數(shù)字人文方面的實(shí)踐和理論探索，參加了古典文獻(xiàn)數(shù)字化早期的實(shí)踐工作。他談到，近20年來，我國在古籍文獻(xiàn)數(shù)字化和古籍?dāng)?shù)據(jù)庫建設(shè)方面的成就是巨大的。但目前古籍?dāng)?shù)據(jù)庫的建設(shè)也面臨發(fā)展的瓶頸。“雖然像《中華經(jīng)典古籍庫》《四部叢刊》等掛接聯(lián)機(jī)字典、年代轉(zhuǎn)換、批注等各種工具，很有實(shí)用價值，但從根本上說，這些數(shù)據(jù)庫的主體內(nèi)容屬于非結(jié)構(gòu)化數(shù)據(jù)，除全文檢索外，并不能協(xié)助學(xué)者完成其他工作。因此，對古籍文獻(xiàn)數(shù)據(jù)庫進(jìn)行升級換代勢在必行。”
在鄭永曉看來，未來的古籍文獻(xiàn)數(shù)據(jù)庫應(yīng)結(jié)合數(shù)據(jù)挖掘技術(shù)、自然語言處理技術(shù)以及相關(guān)學(xué)者的深度參與，在古籍詞頻分析、版本分析比較、計(jì)算機(jī)輔助句讀等方面有切實(shí)的進(jìn)展。他說：“要利用人工智能、大數(shù)據(jù)等最新技術(shù)，力求完成人力所難以完成的宏觀分析和微觀比較等工作，協(xié)助學(xué)者進(jìn)行多維度的統(tǒng)計(jì)、比較、分析，產(chǎn)生新的知識和思想。”
“我們希望與北大的跨學(xué)科團(tuán)隊(duì)在OCR文字識別、自然語言處理、知識圖譜等技術(shù)領(lǐng)域展開全面合作，充分利用人工智能技術(shù)加快古籍?dāng)?shù)字化整理、研究與利用，讓更多的研究者、愛好者以更高效、便利的方式獲取古籍里蘊(yùn)藏的豐富知識。”字節(jié)跳動有關(guān)負(fù)責(zé)人表示。(記者 于帆)
編輯：郭成
