易坊好文馆

  1. 首页 > 生活百科 >

团结湖参考 文科生和理科生联手，干了一件关乎“文化香火”的大事

团结湖参考 文科生和理科生联手，干了一件关乎“文化香火”的大事

文章图片

团结湖参考 文科生和理科生联手，干了一件关乎“文化香火”的大事

文章图片




有时候 ， 拿起一本经典我常忍不住感慨 ， 这些文字是如何穿越两三千年的时空 ， 来到我的书桌上的 。 这中间历经了多少天灾人祸 ， 更重要的是今天的我们还能读懂它 ， 并继续从中汲取力量 ， 想一想这简直就是一个奇迹 。 这样的奇迹 ， 背后是一代一代人 ， 为接续民族文化香火 ， 而付出的巨大牺牲 。
【团结湖参考|文科生和理科生联手，干了一件关乎“文化香火”的大事】古人说书有四劫：水火兵虫 。 近代以来中国处于“三千年未有之大变局” ， 众多古籍又面临流散海外的新问题 。 据不完全估计 ， 散居海外的中国古籍超过40万部、400万册 ， 包括甲骨简牍、敦煌遗书、宋元善本、明清精椠、拓本舆图、少数民族文献等等 。 5月18日 ， 在“汉典重光”海外古籍数字化回归发布会上 ， 一批珍藏于加州大学伯克利分校的中文古籍善本 ， 终于以数字化方式回归故土 。
首批数字化的古籍共20万页 ， 包含40余种珍贵宋元善本 。 这些善本中光宋版书就好几套 ， 如宋刻本《後村居士集》、北宋《金粟山大藏经》写本、苏轼文集的残页 ， 此外还有清文澜阁四库全书本《宋百家诗存四十卷》、清末第一批近代思想家王韬的稿本《瀛壖杂志》等 。 懂得版本学的人 ， 不难理解这些书有多么珍贵 ， 尤其是王韬稿本是通过这次整理才首次发现其存世的 。

古籍回归 ， 殊非易事 。 2019年 ， 阿里巴巴和四川大学提出“数字化回归”设想 ， 四川大学历史文化学院王果副院长与该院教授、中央文史研究馆馆员陈力牵线搭桥 ， 沟通北美、欧洲、日韩等地藏书机构 ， 最后获得加州大学伯克利分校支持 ， 达成共识 ， 将伯克利东亚图书馆的中文古籍善本逐步数字化 。
古籍善本数字化回归 ， 这是什么意思呢？就是由伯克利提供古籍的扫描图片和编目数据 ， 阿里巴巴达摩院将其全部文字化 。 阿里巴巴达摩院院长张建锋表示 ， 阿里计划将这套技术工具连同古籍数字化平台一并捐赠 ， 交由权威公共机构长期运营 ， 最终将成为一个开放的网络平台 ， 供大众检索学习 。
研究人文学科的人可能知道 ， 我们的古籍有一些已经有影印本或扫描图片 ， 在一些网络平台上也能看到其真容 。 但问题是这些图片只能阅读浏览 ， 却无法以数字化的方式搜索识别 。 古籍数字化后 ， 能减少研究者对真本的翻阅损坏 ， 还会给学术研究插上翅膀 。 比如台湾有学者利用大数据研究《红楼梦》 ， 通过对全书字频词频、语言习惯的分析 ， 认为后四十回大部分都是曹雪芹本人写的 。 书中一些历来被认为是杜撰的药方 ， 其实在古医书中都有原型 。 古籍数字化能力提高后 ， 学术研究可能会带给我们更多的惊喜 。
但这件事有多难呢？首先难在古籍卷帙浩繁 ， 如果靠人工录入 ， 仅一部《四库全书》就要耗尽许多人一生之力 。 很多人都会想到AI识别 ， 但是中国古籍有大量的异体字、生僻字 ， 绝大部分不仅没被现代字库收录 ， 也几乎找不到样本供AI学习 ， 这成了古籍数字化领域的技术瓶颈 。
达摩院技术团队与四川大学专家“文理联合” ， 研发了一套全新的古籍识别系统 ， 利用单字检测、无监督单字聚类、小样本学习、主动学习等机器学习方法 ， 构造了一套边识别古籍、边训练模型的系统 ， 以97.5%的准确率完成对20万页古籍的整体识别 。 这一系统现能批量识别百本古籍 ， 并沉淀覆盖3万多字的古籍字典 。 比起专家录入 ， 这套人机交互的识别系统将效率提升了近30倍 。

这件事的意义不仅在于实现海外古籍的数字化回归 ， 这套识别系统其实更像是一种“基础设施” ， 将来系统更加成熟之后 ， 国内外浩如烟海的古籍都有了数字化的可能性 。 比如将来在平台上输入“达摩” ， 古籍中所有关于达摩的记述都会被检索出来 ， 古人皓首穷经一辈子都做不到的事 ， 每一个普通人将都能做到 。 而那时候书写在古籍里的文字 ， 也许就真的活起来了 。
文明的传承 ， 要有背诵出《尚书》的伏生、守护天一阁的范氏家族所具有的那种精神力量 ， 也要靠文化载体的不断演进 。 我们的文明从刻在甲骨上 ， 到铸在青铜器上 ， 到镌刻在竹简、碑石上 ， 再到书写在纸张上 ， 总是跟随时代的发展不断进步 ， 从不固步自封 。 如今时代走到了数字化的今天 ， 如何使我们的古老文明再一次拥抱新的载体 ， 是我们这一代人的责任 。

推荐阅读


上一篇：中国网直播 安徽六安：曾在世立医院等就诊者要做好健康监测

下一篇：诚说 泉州20年GDP位居大陆第18位，今年一季度全市经济排名如何？