#北大聯合字節上線免費古籍閱讀平臺#

近日，由“北京大學-字節跳動數字人文開放實驗室”研發的古籍數字化閱讀平臺“識典古籍”測試版正式上線。該平臺涵蓋390部經典古籍，主要來自《四部叢刊》，共計3000多萬字，即日起向公眾免費開放。

在很多人的印象里，古籍文本往往艱澀難懂，而且接觸機會不多。在數字時代，這種情況正在發生轉變。借助現代技術對典籍進行數字化呈現，將卷帙浩繁的古代典籍“復活”，讓那些塵封已久的字符重新跳動起來，成為每個人觸手可及的工具與資料庫。

近年來，OCR（光學文字識別）、AI（人工智能）句讀和知識圖譜等技術的快速發展讓古籍數字化有了更多可能。一些科技公司與專業機構和科研院校合作，將技術優勢與專業知識進行有效打通與融合，積累了較為成熟的技術和經驗。

這些技術支撐起如今的“識典古籍”測試版，也成為更多古籍數字化的起點。未來三年內，“北京大學-字節跳動數字人文開放實驗室”將陸續完成10000種古籍的智能化整理工作，基本覆蓋儒家、道家和佛學的核心典籍目錄。

“識典古籍”測試版網站首頁

為什么古籍保護需要更開放？

古籍作為中華民族文化傳承的重要渠道之一，記載了大量中華民族文化形態和發展歷史。但由于朝代更迭、戰爭、自然災害以及年代久遠等原因，大量古籍已流失或毀壞。2007年，“中華古籍保護計劃”開始實施，迄今已有15年。

經過全國古籍普查，每部古籍都擁有了一張“身份證”，研究人員還發現了包括《永樂大典》“湖”字冊在內的一批珍貴文獻。收藏環境方面，全國1000余家古籍收藏單位的庫房條件有所改善，超過2000萬冊/件古籍得到妥善保護。

古籍修復師在工作

而在2022年的當下，人們閱讀古籍和查找資料的習慣和場景越來越多地轉移到線上。同時，普通讀者對于古籍的關注度也在不斷上升。今年初，98歲的古籍版本目錄學家沈燮元因為一部紀錄片，受到廣泛關注，在網絡走紅。

在抖音上，國家圖書館副館長、國家古籍保護中心副主任張志清，國家圖書館古籍修復專家杜偉生、故宮書畫修復專家沈洪彩等，通過短視頻的形式介紹傳統經典作品的保護與修復工作，讓更多人了解到其中的知識和意義。

然而，古籍保護工作仍然任重道遠。據“識典古籍”項目負責人介紹，目前亟需修復的古籍數量達到1000萬冊/件。20萬種古籍中，已有8萬種完成影像數字化掃描，近4萬種完成文本數字化。古籍修復人力成本很高，培養一名專業修復人員需要極高的時間成本，而古籍數字化工作也面臨資金缺口大、技術難度高等困難。

在社會各界的努力下，一批數字化古籍平臺涌現出來，包括中國哲學書電子化計劃(Chinese Text Project)、書同文古籍數據庫等等。這些平臺有著各自的優勢，但也有不同局限。書同文古籍數據庫收費較高，普通讀者無法隨時隨地進行查閱和使用。中國哲學書電子化計劃目前囊括了超過三萬部著作，但未能解決一個基本問題，用戶常常無法訪問。

在這樣的背景下，更加開放的合作與探索開始出現。

開放合作下的新趨勢

在文物保護與傳承的過程中，文保機構、科研院校與科技公司的跨界合作越來越普遍，珍貴古籍、專業團隊、先進技術由此得以匯合。2018年，半導體公司英特爾與中國文物保護基金會合作，啟動了利用3D建模與AI識別修復長城的項目。2021年3月，騰訊聯合敦煌研究院開發了AI病害識別技術，用于壁畫修復與保護。

2021年5月，阿里巴巴公益基金會聯合四川大學、美國加州大學伯克利分校、中國國家圖書館等，推出“漢典重光”古籍平臺，讓一批珍藏于加州大學伯克利分校的中文古籍善本，以數字化的形式回歸。該平臺涵蓋的古籍數量為20萬頁。

從2021年6月開始，字節跳動聯合國家圖書館等機構、中國文物保護基金會等，在古籍修復、活化和數字化等領域開展了一系列合作，包括捐資1000萬元，聯合成立古籍保護專項基金等，定向修復百余冊件珍貴古籍。

字節跳動古籍保護專項基金啟動現場

2022年3月17日，北京大學與字節跳動合作成立“北京大學-字節跳動數字人文開放實驗室”，致力于研發開放的“古籍數字化平臺”，將人工智能和大數據應用在海量的古籍文獻上，實現對古籍內容的智能化整理和古文本知識圖譜的自動生成。

近期上線的“識典古籍”平臺測試版，便是這一合作的最新進展。據項目負責人介紹，該平臺主要使用了三種技術，即文字識別、自動標點、命名實體識別。

文字識別技術，是對古籍的影印版文字進行單個切分、文字識別、順序識別。自動標點技術，是通過序列標注的方式對古籍自動進行標點劃分。命名實體識別，則是通過序列標注識別古籍文本中的命名實體，支持識別人名、地名、書籍、時間、官職等信息。目前行業內OCR識別準確率平均為93%至94%，“識典古籍”的準確率為96%至97%。

同時，這些先進技術也離不開人的支持。北京大學數字人文研究中心主任王軍表示，北大在這次合作中聯合各大高校學者和文獻專家，負責人工審核與校對，彌補人工智能有識別錯誤率的短板，并利用自有學術平臺，連接更多專業研究者和學生群體。

該平臺測試版已免費向所有用戶開放，在數字化文本內容之外，提供足夠權威的影印底本作為參照，同時提供主題詞檢索和繁簡體轉換功能，方便專業研究人員、古籍愛好者以更加高效便利的方式獲取古籍內容。同時，“識典古籍”測試版也存在一些不足，比如典籍數量相對較少，標點錯誤率還需進一步降低。

“識典古籍”測試版頁面

接下來，“北京大學-字節跳動數字人文開放實驗室”計劃通過人工智能技術，實現全自動整理校對，借助全社會的力量，更高效地實現存量古籍全部數字化。同時，“識典古籍”還將向全社會開放古籍閱讀檢索研究能力，助力古籍文化傳承和傳統文化研究。

編輯：段雅露