記者 吳 丹

　　核心閱讀

　　我國現存古籍約有20萬(wàn)種，修復整理現存的全部古籍，可能需要300余年。古籍數字化迫在眉睫。一本古籍，如何從紙頁(yè)“搬”到網(wǎng)頁(yè)？廣泛收集圖像資料、利用現代技術(shù)精細化處理……自2022年10月上線(xiàn)以來(lái)，“識典古籍”平臺已陸續匯集經(jīng)、史、子、集等2200余部古籍，免費面向公眾開(kāi)放，為解決古籍保護和利用矛盾進(jìn)行了有益嘗試。

　　“青蒿一握，以水二升漬，絞取汁，盡服之”，屠呦呦從古籍中獲得靈感，由此發(fā)現青蒿素；在浩瀚古籍中尋幽入微，竺可楨繪制出一條物候變遷的曲線(xiàn)——“竺可楨曲線(xiàn)”，濃縮出五千年中華大地的冷暖變化圖景。

　　卷帙浩繁的中華古籍，凝結著(zhù)先人的智慧，記載著(zhù)璀璨的文化，訴說(shuō)著(zhù)綿延不絕的中華文明。歲月不居，書(shū)闕有間，部分古籍正慢慢“老去”，褪色、脆化、腐蝕，甚至稍一翻閱就會(huì )損毀。

　　當古老典籍遇到現代技術(shù)，會(huì )產(chǎn)生什么奇妙反應？

　　一種“打開(kāi)”古籍的全新方式

　　“初見(jiàn)”“流光”“驚鴻”“珠聯(lián)”“綴玉”……點(diǎn)擊網(wǎng)頁(yè)上的標簽，《永樂(lè )大典》的前世今生、編纂方法、歷史價(jià)值等信息，伴隨著(zhù)動(dòng)畫(huà)音效，呈現于眼前。

　　點(diǎn)擊頁(yè)面右上角“閱讀大典”，進(jìn)入文本閱讀平臺。《永樂(lè )大典》原本影像與數字化文本相互對照，繁簡(jiǎn)體文字隨時(shí)切換。遇生僻詞句，可選中文本，點(diǎn)擊“查看引用”，出處清晰可考。

　　《永樂(lè )大典》是我國古代規模最大的類(lèi)書(shū)，匯集先秦至明初各類(lèi)典籍，被譽(yù)為“世界有史以來(lái)最大的百科全書(shū)”。但幾經(jīng)散佚，副本存世不及原書(shū)的4%。對學(xué)者而言，《永樂(lè )大典》是進(jìn)行學(xué)術(shù)研究的重要資料；對普通讀者來(lái)說(shuō)，古籍文本往往艱澀難懂，且接觸機會(huì )不多。

　　如今，《永樂(lè )大典》高清影像數據庫（第一輯）在古籍數字化平臺“識典古籍”正式上線(xiàn)，免費面向公眾開(kāi)放。借助現代數字技術(shù)，厚重典籍濃縮在方寸之間，塵封已久的歷史畫(huà)卷徐徐展開(kāi)，成為觸手可及的文化資源。

　　“互動(dòng)化、可視化的呈現方式更加符合當代人的閱讀習慣，沉浸式閱讀體驗拉近了古籍與普通讀者之間的距離。”“識典古籍”平臺項目負責人之一、北京大學(xué)信息管理系助理教授位通說(shuō)。

　　自2022年10月上線(xiàn)以來(lái)，“識典古籍”平臺已陸續匯集經(jīng)、史、子、集等2200余部古籍，面向海內外讀者免費開(kāi)放。該平臺由北京大學(xué)與抖音合作共建，致力于為用戶(hù)提供免費、公開(kāi)、穩定、快速、方便的檢索和閱讀古籍服務(wù)。

　　“識典古籍”平臺項目負責人、北京大學(xué)數字人文研究中心主任王軍希望，“識典古籍”平臺能推動(dòng)散落海外的中華古籍回流，促成古籍的開(kāi)放共享。

　　一次解決保護和利用矛盾的嘗試

　　古籍數字化為何迫切？

　　王軍算過(guò)一筆賬：我國現存古籍約有20萬(wàn)種，從1949年到2019年，共修復整理出版了近3.8萬(wàn)種，修復整理現存的全部古籍，可能需要300余年。可以說(shuō)，古籍修復速度趕不上老化速度。

　　修復整理，只是數字化的第一步。古籍具有文物和文獻的雙重屬性，修復好的古籍若只被束之高閣，后續研究就無(wú)法開(kāi)展，更無(wú)法發(fā)揮其文化傳承的價(jià)值。

　　因此，數字化是一場(chǎng)生產(chǎn)效率的變革，也是一次解決古籍保護和利用矛盾的嘗試。

　　一本古籍，如何從紙頁(yè)“搬”到網(wǎng)頁(yè)？

　　進(jìn)入“識典古籍”平臺，平臺設計者、北京大學(xué)人工智能研究院副研究員楊浩開(kāi)始演示：“古籍的數字化分為兩步。一是圖像化，我們與海內外古籍收藏單位合作，廣泛收集古籍數字化圖像資料。二是文本化，利用人工智能技術(shù)對古籍文字進(jìn)行識別、排序、校對、結構整理、標點(diǎn)、實(shí)體識別等，對內容作精細化處理。”

　　楊浩上傳了一頁(yè)古籍圖像，不一會(huì )兒，文字自動(dòng)識別處理完成。古籍圖像上顯現出不同顏色的小方框，“每個(gè)方框對應一個(gè)文字，先切分再調整順序。紅色方框是提醒此處需要人工介入，來(lái)進(jìn)一步判斷和處理。”

　　與此同時(shí)，古籍圖像旁已自動(dòng)識別出一段文字，并可比照原圖像進(jìn)行修改調整。楊浩繼續解釋?zhuān)骸斑@個(gè)過(guò)程中，主要使用了文字識別、自動(dòng)標點(diǎn)和命名實(shí)體識別等人工智能技術(shù)。文字識別技術(shù)，是對古籍數字圖像中的文字進(jìn)行單個(gè)切分，再進(jìn)行文字識別和順序讀出；自動(dòng)標點(diǎn)技術(shù)，是通過(guò)序列標注的方式對古籍自動(dòng)進(jìn)行現代標點(diǎn)；命名實(shí)體識別技術(shù)，則是通過(guò)序列標注方法識別出文本中的人名、地名、書(shū)名、時(shí)間、官職等信息。”同時(shí)，在機器自動(dòng)識別后，會(huì )有專(zhuān)人復查結果，進(jìn)一步提升準確率。

　　據悉，“識典古籍”平臺文字識別的準確率達到96%以上，自動(dòng)句讀的準確率達到94%，命名實(shí)體識別在中古史料上的準確率接近98%。

　　“大部分古籍閱讀平臺或只提供掃描文稿，或只提供文本內容，有些商業(yè)數據庫收費高昂，獲取資源十分不便。”北京大學(xué)歷史學(xué)系學(xué)生劉沐含說(shuō)，“識典古籍”平臺有著(zhù)豐富的檢索功能以及分類(lèi)與年代篩選功能，可以輔助開(kāi)展學(xué)術(shù)研究。

　　一個(gè)全流程的智能化整理平臺

　　集納展示古籍數字版本，不是“識典古籍”平臺的全部。團隊有著(zhù)更大的設想——在一個(gè)平臺實(shí)現古籍智能整理的全部環(huán)節。

　　“‘識典古籍’平臺由兩部分組成，前端是閱讀平臺，后端是古籍整理平臺。”王軍作了一個(gè)比喻，“就像是餐廳的前廳和后廚。”

　　目前，作為“后廚”的古籍整理平臺，已經(jīng)設定了團隊管理員、書(shū)目管理員、審訂員、整理員等各種用戶(hù)角色。下一步，將吸引各行各業(yè)的古籍愛(ài)好者、研究者，以眾包校對、協(xié)同審核等形式，推進(jìn)古籍整理項目和數據庫建設，打造“古籍圖像上傳—文本校對整理—高質(zhì)量標記—文本輸出”的全流程系統。

　　哈爾濱師范大學(xué)歷史文化學(xué)院學(xué)生劉鈺昕，提前體驗了一回“整理員”角色。

　　“希望能為損毀嚴重的古籍做點(diǎn)力所能及的事情。”2022年4月，看到北大數字人文研究中心的招募信息，劉鈺昕第一時(shí)間報名，成為“識典古籍”平臺的一名志愿者。

　　“我參與了《春秋左傳注》《史記》《漢書(shū)》等古籍的校對工作。”談及志愿工作，劉鈺昕的熱愛(ài)之情溢于言表，“印象最深的就是，為了制定魏晉南北朝官職標注規則，我查閱了大量的文獻，還詳細翻閱了《文獻通考》的‘職官考’二十一考。”

　　“新時(shí)代古籍事業(yè)發(fā)展，需要一批對古典文獻學(xué)、古籍保護、信息技術(shù)以及數字化流程都比較熟悉，又能將各方面有機融合的復合型人才。”北京大學(xué)中文系教授楊海崢建議，應加強古籍學(xué)科理論構建和課程體系建設，編寫(xiě)適合新時(shí)代古籍工作需要的專(zhuān)業(yè)教材，并多為學(xué)生提供實(shí)踐機會(huì )，以推進(jìn)新時(shí)代古籍人才隊伍建設。

　　“古籍是中華文明延續數千年未曾中斷的有力證明，希望通過(guò)‘識典古籍’平臺以及暑期工作坊、學(xué)術(shù)研討等活動(dòng)，推動(dòng)中華文明傳承發(fā)展，向世界展示和傳播我們的文化之美。”王軍說(shuō)。

　　新年伊始，楊浩寫(xiě)下了新的展望：

　　“泱泱中華，歷史何其悠久，文明何其博大。2024年，希望能收集更多古籍、提升整理質(zhì)量，更好守護古籍這個(gè)文明之根！”

　　（厲 燁參與采寫(xiě)）