記者 吳 丹

　　核心閱讀

　　我國現存古籍約有20萬(wan) 種，修複整理現存的全部古籍，可能需要300餘(yu) 年。古籍數字化迫在眉睫。一本古籍，如何從(cong) 紙頁“搬”到網頁？廣泛收集圖像資料、利用現代技術精細化處理……自2022年10月上線以來，“識典古籍”平台已陸續匯集經、史、子、集等2200餘(yu) 部古籍，免費麵向公眾(zhong) 開放，為(wei) 解決(jue) 古籍保護和利用矛盾進行了有益嚐試。

　　“青蒿一握，以水二升漬，絞取汁，盡服之”，屠呦呦從(cong) 古籍中獲得靈感，由此發現青蒿素；在浩瀚古籍中尋幽入微，竺可楨繪製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(shu) 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(hui) 損毀。

　　當古老典籍遇到現代技術，會(hui) 產(chan) 生什麽(me) 奇妙反應？

　　一種“打開”古籍的全新方式

　　“初見”“流光”“驚鴻”“珠聯”“綴玉”……點擊網頁上的標簽，《永樂(le) 大典》的前世今生、編纂方法、曆史價(jia) 值等信息，伴隨著動畫音效，呈現於(yu) 眼前。

　　點擊頁麵右上角“閱讀大典”，進入文本閱讀平台。《永樂(le) 大典》原本影像與(yu) 數字化文本相互對照，繁簡體(ti) 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(le) 大典》是我國古代規模最大的類書(shu) ，匯集先秦至明初各類典籍，被譽為(wei) “世界有史以來最大的百科全書(shu) ”。但幾經散佚，副本存世不及原書(shu) 的4%。對學者而言，《永樂(le) 大典》是進行學術研究的重要資料；對普通讀者來說，古籍文本往往艱澀難懂，且接觸機會(hui) 不多。

　　如今，《永樂(le) 大典》高清影像數據庫（第一輯）在古籍數字化平台“識典古籍”正式上線，免費麵向公眾(zhong) 開放。借助現代數字技術，厚重典籍濃縮在方寸之間，塵封已久的曆史畫卷徐徐展開，成為(wei) 觸手可及的文化資源。

　　“互動化、可視化的呈現方式更加符合當代人的閱讀習(xi) 慣，沉浸式閱讀體(ti) 驗拉近了古籍與(yu) 普通讀者之間的距離。”“識典古籍”平台項目負責人之一、北京大學信息管理係助理教授位通說。

　　自2022年10月上線以來，“識典古籍”平台已陸續匯集經、史、子、集等2200餘(yu) 部古籍，麵向海內(nei) 外讀者免費開放。該平台由北京大學與(yu) 抖音合作共建，致力於(yu) 為(wei) 用戶提供免費、公開、穩定、快速、方便的檢索和閱讀古籍服務。

　　“識典古籍”平台項目負責人、北京大學數字人文研究中心主任王軍(jun) 希望，“識典古籍”平台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(jue) 保護和利用矛盾的嚐試

　　古籍數字化為(wei) 何迫切？

　　王軍(jun) 算過一筆賬：我國現存古籍約有20萬(wan) 種，從(cong) 1949年到2019年，共修複整理出版了近3.8萬(wan) 種，修複整理現存的全部古籍，可能需要300餘(yu) 年。可以說，古籍修複速度趕不上老化速度。

　　修複整理，隻是數字化的第一步。古籍具有文物和文獻的雙重屬性，修複好的古籍若隻被束之高閣，後續研究就無法開展，更無法發揮其文化傳(chuan) 承的價(jia) 值。

　　因此，數字化是一場生產(chan) 效率的變革，也是一次解決(jue) 古籍保護和利用矛盾的嚐試。

　　一本古籍，如何從(cong) 紙頁“搬”到網頁？

　　進入“識典古籍”平台，平台設計者、北京大學人工智能研究院副研究員楊浩開始演示：“古籍的數字化分為(wei) 兩(liang) 步。一是圖像化，我們(men) 與(yu) 海內(nei) 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，利用人工智能技術對古籍文字進行識別、排序、校對、結構整理、標點、實體(ti) 識別等，對內(nei) 容作精細化處理。”

　　楊浩上傳(chuan) 了一頁古籍圖像，不一會(hui) 兒(er) ，文字自動識別處理完成。古籍圖像上顯現出不同顏色的小方框，“每個(ge) 方框對應一個(ge) 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，來進一步判斷和處理。”

　　與(yu) 此同時，古籍圖像旁已自動識別出一段文字，並可比照原圖像進行修改調整。楊浩繼續解釋：“這個(ge) 過程中，主要使用了文字識別、自動標點和命名實體(ti) 識別等人工智能技術。文字識別技術，是對古籍數字圖像中的文字進行單個(ge) 切分，再進行文字識別和順序讀出；自動標點技術，是通過序列標注的方式對古籍自動進行現代標點；命名實體(ti) 識別技術，則是通過序列標注方法識別出文本中的人名、地名、書(shu) 名、時間、官職等信息。”同時，在機器自動識別後，會(hui) 有專(zhuan) 人複查結果，進一步提升準確率。

　　據悉，“識典古籍”平台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(ti) 識別在中古史料上的準確率接近98%。

　　“大部分古籍閱讀平台或隻提供掃描文稿，或隻提供文本內(nei) 容，有些商業(ye) 數據庫收費高昂，獲取資源十分不便。”北京大學曆史學係學生劉沐含說，“識典古籍”平台有著豐(feng) 富的檢索功能以及分類與(yu) 年代篩選功能，可以輔助開展學術研究。

　　一個(ge) 全流程的智能化整理平台

　　集納展示古籍數字版本，不是“識典古籍”平台的全部。團隊有著更大的設想——在一個(ge) 平台實現古籍智能整理的全部環節。

　　“‘識典古籍’平台由兩(liang) 部分組成，前端是閱讀平台，後端是古籍整理平台。”王軍(jun) 作了一個(ge) 比喻，“就像是餐廳的前廳和後廚。”

　　目前，作為(wei) “後廚”的古籍整理平台，已經設定了團隊管理員、書(shu) 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(ye) 的古籍愛好者、研究者，以眾(zhong) 包校對、協同審核等形式，推進古籍整理項目和數據庫建設，打造“古籍圖像上傳(chuan) —文本校對整理—高質量標記—文本輸出”的全流程係統。

　　哈爾濱師範大學曆史文化學院學生劉鈺昕，提前體(ti) 驗了一回“整理員”角色。

　　“希望能為(wei) 損毀嚴(yan) 重的古籍做點力所能及的事情。”2022年4月，看到北大數字人文研究中心的招募信息，劉鈺昕第一時間報名，成為(wei) “識典古籍”平台的一名誌願者。

　　“我參與(yu) 了《春秋左傳(chuan) 注》《史記》《漢書(shu) 》等古籍的校對工作。”談及誌願工作，劉鈺昕的熱愛之情溢於(yu) 言表，“印象最深的就是，為(wei) 了製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。”

　　“新時代古籍事業(ye) 發展，需要一批對古典文獻學、古籍保護、信息技術以及數字化流程都比較熟悉，又能將各方麵有機融合的複合型人才。”北京大學中文係教授楊海崢建議，應加強古籍學科理論構建和課程體(ti) 係建設，編寫(xie) 適合新時代古籍工作需要的專(zhuan) 業(ye) 教材，並多為(wei) 學生提供實踐機會(hui) ，以推進新時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‘識典古籍’平台以及暑期工作坊、學術研討等活動，推動中華文明傳(chuan) 承發展，向世界展示和傳(chuan) 播我們(men) 的文化之美。”王軍(jun) 說。

　　新年伊始，楊浩寫(xie) 下了新的展望：

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

　　（厲 燁參與(yu) 采寫(xie) ）