核心閱讀

我國現(xiàn)存古籍約有20萬種，修復整理現(xiàn)存的全部古籍，可能需要300余年。古籍數(shù)字化迫在眉睫。一本古籍，如何從紙頁“搬”到網(wǎng)頁？廣泛收集圖像資料、利用現(xiàn)代技術(shù)精細化處理……自2022年10月上線以來，“識典古籍”平臺已陸續(xù)匯集經(jīng)、史、子、集等2200余部古籍，免費面向公眾開放，為解決古籍保護和利用矛盾進行了有益嘗試。

“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(xiàn)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——“竺可楨曲線”，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(jié)著先人的智慧，記載著璀璨的文化，訴說著綿延不絕的中華文明。歲月不居，書闕有間，部分古籍正慢慢“老去”，褪色、脆化、腐蝕，甚至稍一翻閱就會損毀。

當古老典籍遇到現(xiàn)代技術(shù)，會產(chǎn)生什么 奇妙反應(yīng)？

一種“打開”古籍的全新方式

“初見”“流光”“驚鴻”“珠聯(lián)”“綴玉”……點擊網(wǎng)頁上的標簽，《永樂大典》的前世今生、編纂方法、歷史價值等信息，伴隨著動畫音效，呈現(xiàn)于眼前。

點擊頁面右上角“閱讀大典”，進入文本閱讀平臺。《永樂大典》原本影像與數(shù)字化文本相互對照，繁簡體文字隨時切換。遇生僻詞句，可選中文本，點擊“查看引用”，出處清晰可考。

《永樂大典》是我國古代規(guī)模最大的類書，匯集先秦至明初各類典籍，被譽為“世界有史以來最大的百科全書”。但幾經(jīng)散佚，副本存世不及原書的4%。對學者而言，《永樂大典》是進行學術(shù)研究的重要資料；對普通讀者來說，古籍文本往往艱澀難懂，且接觸機會不多。

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

“互動化、可視化的呈現(xiàn)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、北京大學信息管理系助理教授位通說。

自2022年10月上線以來，“識典古籍”平臺已陸續(xù)匯集經(jīng)、史、子、集等2200余部古籍，面向海內(nèi)外讀者免費開放。該平臺由北京大學與抖音合作共建，致力于為用戶提供免費、公開、穩(wěn)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、北京大學數(shù)字人文研究中心主任王軍希望，“識典古籍”平臺能推動散落海外的中華古籍回流，促成古籍的開放共享。

一次解決保護和利用矛盾的嘗試

古籍數(shù)字化為何迫切？

王軍算過一筆賬：我國現(xiàn)存古籍約有20萬種，從1949年到2019年，共修復整理出版了近3.8萬種，修復整理現(xiàn)存的全部古籍，可能需要300余年?？梢哉f，古籍修復速度趕不上老化速度。

修復整理，只是數(shù)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(xù)研究就無法開展，更無法發(fā)揮其文化傳承的價值。

因此，數(shù)字化是一場生產(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“搬”到網(wǎng)頁？

進入“識典古籍”平臺，平臺設(shè)計者、北京大學人工智能研究院副研究員楊浩開始演示：“古籍的數(shù)字化分為兩步。一是圖像化，我們與海內(nèi)外古籍收藏單位合作，廣泛收集古籍數(shù)字化圖像資料。二是文本化，利用人工智能技術(shù)對古籍文字進行識別、排序、校對、結(jié)構(gòu)整理、標點、實體識別等，對內(nèi)容作精細化處理。”

楊浩上傳了一頁古籍圖像，不一會兒，文字自動識別處理完成。古籍圖像上顯現(xiàn)出不同顏色的小方框，“每個方框?qū)?yīng)一個文字，先切分再調(diào)整順序。紅色方框是提醒此處需要人工介入，來進一步判斷和處理。”

與此同時，古籍圖像旁已自動識別出一段文字，并可比照原圖像進行修改調(diào)整。楊浩繼續(xù)解釋：“這個過程中，主要使用了文字識別、自動標點和命名實體識別等人工智能技術(shù)。文字識別技術(shù)，是對古籍數(shù)字圖像中的文字進行單個切分，再進行文字識別和順序讀出；自動標點技術(shù)，是通過序列標注的方式對古籍自動進行現(xiàn)代標點；命名實體識別技術(shù)，則是通過序列標注方法識別出文本中的人名、地名、書名、時間、官職等信息。”同時，在機器自動識別后，會有專人復查結(jié)果，進一步提升準確率。

據(jù)悉，“識典古籍”平臺文字識別的準確率達到96%以上，自動句讀的準確率達到94%，命名實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(nèi)容，有些商業(yè)數(shù)據(jù)庫收費高昂，獲取資源十分不便。”北京大學歷史學系學生劉沐含說，“識典古籍”平臺有著豐富的檢索功能以及分類與年代篩選功能，可以輔助開展學術(shù)研究。

一個全流程的智能化整理平臺

集納展示古籍數(shù)字版本，不是“識典古籍”平臺的全部。團隊有著更大的設(shè)想——在一個平臺實現(xiàn)古籍智能整理的全部環(huán)節(jié)。

“‘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(shè)定了團隊管理員、書目管理員、審訂員、整理員等各種用戶角色。下一步，將吸引各行各業(yè)的古籍愛好者、研究者，以眾包校對、協(xié)同審核等形式，推進古籍整理項目和數(shù)據(jù)庫建設(shè)，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(tǒng)。

哈爾濱師范大學歷史文化學院學生劉鈺昕，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力所能及的事情。”2022年4月，看到北大數(shù)字人文研究中心的招募信息，劉鈺昕第一時間報名，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》等古籍的校對工作。”談及志愿工作，劉鈺昕的熱愛之情溢于言表，“印象最深的就是，為了制定魏晉南北朝官職標注規(guī)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。”

“新時代古籍事業(yè)發(fā)展，需要一批對古典文獻學、古籍保護、信息技術(shù)以及數(shù)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。”北京大學中文系教授楊海崢建議，應(yīng)加強古籍學科理論構(gòu)建和課程體系建設(shè)，編寫適合新時代古籍工作需要的專業(yè)教材，并多為學生提供實踐機會，以推進新時代古籍人才隊伍建設(shè)。

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

新年伊始，楊浩寫下了新的展望：

“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，更好守護古籍這個文明之根！”