既要保護也要利用，“識典古籍”平臺讓更多古籍發揮傳承價值

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，訴説著綿延不絕的中華文明，但隨著歲月流逝，部分古籍正慢慢“老去”，古籍數字化迫在眉睫。由北京大學與抖音合作共建的“識典古籍”平臺自上線至今，已陸續匯集經、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。

我國現存古籍約有20萬種，從1949年到2019年，共修復整理出版了近3．8萬種，修復整理現存的全部古籍，可能需要300餘年。可以説，古籍修復速度趕不上老化速度。

修復整理，只是數字化的第一步。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，後續研究就無法開展，更無法發揮其文化傳承的價值。因此，數字化是一場生産效率的變革，也是一次解決古籍保護和利用矛盾的嘗試。

那麼，一本古籍，是如何從紙頁“搬”到網頁的呢？進入“識典古籍”平臺，平臺設計者、北京大學人工智慧研究院副研究員楊浩開始演示：“古籍的數字化分為兩步。一是圖像化，我們與海內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，利用人工智慧技術對古籍文字進行識別、排序、校對、結構整理、標點、實體識別等，對內容作精細化處理。”

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。古籍圖像上顯現出不同顏色的小方框，“每個方框對應一個文字，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慧技術。文字識別技術，是對古籍數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，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、書名、時間、官職等資訊。”同時，在機器自動識別後，會有專人復查結果，進一步提升準確率。

據悉，“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，或只提供文本內容，有些商業數據庫收費高昂，獲取資源十分不便。”北京大學歷史學系學生劉沐含説，“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，可以輔助開展學術研究。

據悉，自2022年10月上線以來，“識典古籍”平臺已陸續匯集了包括經、史、子、集等在內的2200余部古籍，免費面向公眾開放。其中就包括由國家圖書館、北京大學和字節跳動公司合作推出的“《永樂大典》高清影像數據庫”。

作為我國古代規模最大的類書，《永樂大典》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”。但幾經散佚，副本存世不及原書的4％。如今，借助現代數字技術，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。

集納展示古籍數字版本，不是“識典古籍”平臺的全部。識典古籍”平臺項目負責人、北京大學數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，促成古籍的開放共用。