北京大学数字人文研究中心、北京大学-字节跳动数字人文开放实验室、北京大学人工智能研究院联合主办的“古籍智能信息处理”系列研讨会日前在线上举办。

在研讨会上，北京大学数字人文研究中心主任王军算了一笔账：我国现存古籍约有20万种，从1949年到2019年，共修复整理出版了近38000种，照此速度，要将现存古籍全部修复整理出来，可能需要三百年的时间。不过，若利用人工智能技术辅助修复整理，大概二三十年就能完成。

王军所说的“利用人工智能技术修复古籍”，并非遥远的科学设想，它正在成为现实中的生动实践。“古籍智能信息处理”系列研讨会第一讲开讲后不久，字节跳动宣布向北大教育基金会提供捐赠，支持北京大学—字节跳动数字人文开放实验室研发“古籍数字化平台”，利用智能技术加速中华古籍资源的数字化建设，预计三年内完成10000种精选古籍的智能化修复整理。

古籍文本转化正在智能化

很长一段时间里，古籍保护主要采用原生性保护方式，即把古籍当作“文物”保护起来。后来出现再生性保护方式，对古籍进行影印再造和影像保存，让古籍得以以纸本或缩微胶片的形式存在。现有的数字化古籍很多是由缩微胶片转换而成，分辨率较低且影像多为黑白色。

即便将所有古籍用数字化手段影印出版，古籍也是“死”的，人们无法方便地使用。北京大学中文系教授杨海峥举了个简单的例子——影印的古籍没有标点符号，非常不便于阅读。另外，这也不利于对古籍内容进行检索，想查阅某个内容，得逐篇逐页阅读原文，很难快速找到想要的知识。因此，要提升传统古籍的利用率，必须将古籍内容转化为数字文本。过去，这种转化主要依靠专家人工录入，时间成本极高。