既要保护也要利用,“识典古籍”平台让更多古籍发挥传承价值

　　卷帙浩繁的中华古籍，凝结着先人的智慧，记载着璀璨的文化，诉说着绵延不绝的中华文明，但随着岁月流逝，部分古籍正慢慢“老去”，古籍数字化迫在眉睫。由北京大学与抖音合作共建的“识典古籍”平台自上线至今，已陆续汇集经、史、子、集等2200余部古籍，免费面向公众开放，为解决古籍保护和利用矛盾进行了有益尝试。

　　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3.8万种，修复整理现存的全部古籍，可能需要300余年。可以说，古籍修复速度赶不上老化速度。

　　修复整理，只是数字化的第一步。古籍具有文物和文献的双重属性，修复好的古籍若只被束之高阁，后续研究就无法开展，更无法发挥其文化传承的价值。因此，数字化是一场生产效率的变革，也是一次解决古籍保护和利用矛盾的尝试。

　　那么，一本古籍，是如何从纸页“搬”到网页的呢？进入“识典古籍”平台，平台设计者、北京大学人工智能研究院副研究员杨浩开始演示：“古籍的数字化分为两步。一是图像化，我们与海内外古籍收藏单位合作，广泛收集古籍数字化图像资料。二是文本化，利用人工智能技术对古籍文字进行识别、排序、校对、结构整理、标点、实体识别等，对内容作精细化处理。”

　　杨浩上传了一页古籍图像，不一会儿，文字自动识别处理完成。古籍图像上显现出不同颜色的小方框，“每个方框对应一个文字，先切分再调整顺序。红色方框是提醒此处需要人工介入，来进一步判断和处理。”

　　与此同时，古籍图像旁已自动识别出一段文字，并可比照原图像进行修改调整。杨浩继续解释：“这个过程中，主要使用了文字识别、自动标点和命名实体识别等人工智能技术。文字识别技术，是对古籍数字图像中的文字进行单个切分，再进行文字识别和顺序读出；自动标点技术，是通过序列标注的方式对古籍自动进行现代标点；命名实体识别技术，则是通过序列标注方法识别出文本中的人名、地名、书名、时间、官职等信息。”同时，在机器自动识别后，会有专人复查结果，进一步提升准确率。

　　据悉，“识典古籍”平台文字识别的准确率达到96%以上，自动句读的准确率达到94%，命名实体识别在中古史料上的准确率接近98%。

　　“大部分古籍阅读平台或只提供扫描文稿，或只提供文本内容，有些商业数据库收费高昂，获取资源十分不便。”北京大学历史学系学生刘沐含说，“识典古籍”平台有着丰富的检索功能以及分类与年代筛选功能，可以辅助开展学术研究。

　　据悉，自2022年10月上线以来，“识典古籍”平台已陆续汇集了包括经、史、子、集等在内的2200余部古籍，免费面向公众开放。其中就包括由国家图书馆、北京大学和字节跳动公司合作推出的“《永乐大典》高清影像数据库”。

　　作为我国古代规模最大的类书，《永乐大典》汇集先秦至明初各类典籍，被誉为“世界有史以来最大的百科全书”。但几经散佚，副本存世不及原书的4%。如今，借助现代数字技术，厚重典籍浓缩在方寸之间，尘封已久的历史画卷徐徐展开，成为触手可及的文化资源。

　　集纳展示古籍数字版本，不是“识典古籍”平台的全部。识典古籍”平台项目负责人、北京大学数字人文研究中心主任王军希望，“识典古籍”平台能推动散落海外的中华古籍回流，促成古籍的开放共享。