久久久久亚洲AV无码专区电影_久久亚洲国产最新网站之一_久久综合久久美利坚合众国_久天啪天天久久99久孕妇_美女裸体18禁免费网站_免费的成年私人影院网站_免费无遮挡无码H肉动漫在线观看_欧美日韩一卡2卡三卡4卡 乱码欧美孕交_强奷人妻日本中文字幕_日韩国产精品无码一区二区三区,好紧好爽再搔一点浪一点A片男男,久久兔费黄A级毛片高清 ,5月亚洲激情婷婷色丁香网

當(dāng)人工智能遇上“之乎者也”

2022-10-12 昆山商情 電丁丁
中國是全球擁有古籍最多的國家，國內(nèi)現(xiàn)存漢文古籍300萬部，散居在海外的古籍超過40萬部,。然而,，紙質(zhì)古籍損毀是不可逆轉(zhuǎn)的，雖然古籍原生性保護(hù)有很大改善，“紙”的脆弱卻依然無法改變，人們也并沒有太多機(jī)會(huì)接觸到艱澀難懂的古籍文本。
不過在數(shù)字時(shí)代,，這種情況正在發(fā)生變化，古籍的“再生性”保護(hù),，逐漸向數(shù)字化,、平臺(tái)化、智能化的方向發(fā)展,。當(dāng)人工智能遇上“之乎者也”,，會(huì)擦出怎樣的火花？



━━━━━
人工智能改變古籍存續(xù)形式

“整理國故,，再造文明”,，胡適在一百年前說。國故也即是古籍,，古代的書,，一般指1911年之前歷朝寫本、刻本,、稿本,、拓本等。這些紙質(zhì)文獻(xiàn)在悠悠歷史長河中其命運(yùn)可謂顛沛流離,。紙質(zhì)古籍損毀是不可逆轉(zhuǎn)的,。如明代《永樂大典》，永樂時(shí)期的原本已經(jīng)完全湮滅不見,，嘉靖重抄本11000冊(cè)現(xiàn)存不到5%,。這樣的損失難以估量。

哲學(xué)家羅素曾說：“中華文明是唯一的歷史文化從未間斷的文明,�,！惫偶鳛橹腥A文化的一支重要血脈，便是文明未斷的依據(jù)之一,，今年,，國家圖書館藏清宮“天祿琳瑯”歷時(shí)8年修復(fù)成功,，在標(biāo)準(zhǔn)的存藏條件下，能保存200年,。

盡管古籍原生性保護(hù)有很大改善,，但依然改變不了“紙”的脆弱。2015年年初,，位于莫斯科西南部的俄羅斯科學(xué)院社會(huì)科學(xué)信息研究所圖書館突發(fā)火災(zāi),，約有200萬冊(cè)文獻(xiàn)資料遭到損毀,。俄羅斯科學(xué)院院長稱“這是俄羅斯科學(xué)界的切爾諾貝利事件”,。

在很多人的印象里，古籍文本往往艱澀難懂,，而且接觸機(jī)會(huì)不多,。但在數(shù)字時(shí)代，這種情況正在發(fā)生轉(zhuǎn)變,，目前數(shù)字化,、平臺(tái)化、智能化成為古籍“再生性”保護(hù)的方向,。在國外,，哈佛燕京圖書館和美國國會(huì)圖書館，已經(jīng)將他們收藏的中華古籍掃描完成,，并對(duì)外公開,。但它們僅僅是圖片掃描版，并未利用智能技術(shù)實(shí)現(xiàn)文本化,，無法復(fù)制粘貼,，只能服務(wù)于少數(shù)研究者。

國內(nèi)較為有名的古籍智能平臺(tái),，如“漢典重光”古籍平臺(tái),，讓一批珍藏于加州大學(xué)伯克利分校的中文古籍善本，以數(shù)字化的形式回歸,，該平臺(tái)涵蓋的古籍?dāng)?shù)量為20萬頁,。再如浙江大學(xué)的“古籍智慧平臺(tái)”，其利用OCR光學(xué)字符識(shí)別技術(shù),，將圖片中的文字換成文本格式,，它的識(shí)別準(zhǔn)確率在90%以上。

這些平臺(tái)有著各自的優(yōu)勢(shì),，但也各有各的局限性,，如網(wǎng)速慢、智能化程度低,。比如“書同文古籍?dāng)?shù)據(jù)庫”收費(fèi)較高,，“中國哲學(xué)書”電子化計(jì)劃目前囊括了超過三萬部著作,，用戶卻常常無法正常訪問。

今年3月,，字節(jié)跳動(dòng)與北京大學(xué)聯(lián)合成立“北大——字節(jié)數(shù)字人文開放實(shí)驗(yàn)室”,，雙方協(xié)作研發(fā)推出古籍?dāng)?shù)字化平臺(tái)——識(shí)典古籍。10月,，識(shí)典古籍測(cè)試版已上線,，目前，已整理上傳390本古籍經(jīng)典（均為四部叢刊書目）,，3000卷,，3000多萬字，預(yù)計(jì)在3年內(nèi)將整理10000種古籍,，基本覆蓋儒家,、道家和佛家的經(jīng)典書目，對(duì)用戶免費(fèi)開放,。

圖片

▲識(shí)典古籍平臺(tái)主頁面截圖

━━━━━
古籍是如何實(shí)現(xiàn)數(shù)字化的,？

識(shí)典古籍有何技術(shù)特點(diǎn)？項(xiàng)目負(fù)責(zé)人介紹,，識(shí)典古籍主要運(yùn)用了三種技術(shù),，文字識(shí)別、自動(dòng)標(biāo)點(diǎn),、命名實(shí)體識(shí)別,。

文字識(shí)別技術(shù)，即使用OCR技術(shù)對(duì)古籍的影印版文字進(jìn)行單個(gè)切分,、文字識(shí)別,、順序識(shí)別。所謂文字切分,，是指古籍掃描件中的單字檢測(cè)技術(shù),，能夠獲取每個(gè)字符的具體位置；文字識(shí)別,，將切分的圖片送入文字識(shí)別模型,，獲取每個(gè)文字的具體編碼；順序識(shí)別,，結(jié)合文字內(nèi)容和文字位置,，獲取整張古籍掃描件的閱讀順序。

圖片

▲古籍?dāng)?shù)字化過程視頻截圖
OCR的應(yīng)用流程,，是用電子設(shè)備對(duì)紙本古籍進(jìn)行掃描,，內(nèi)容轉(zhuǎn)錄到計(jì)算機(jī)中，并生成相應(yīng)的數(shù)字文檔，效率與人工錄入不可同日而語,。目前行業(yè)內(nèi)OCR識(shí)別準(zhǔn)確率平均為93%至94%,，識(shí)典古籍的準(zhǔn)確率為96%至97%。

自動(dòng)標(biāo)點(diǎn)技術(shù),，是通過序列標(biāo)注的方式對(duì)古籍自動(dòng)進(jìn)行標(biāo)點(diǎn)劃分,，支持“，,。,？！,、：,；”七種常用標(biāo)點(diǎn)。舉例來說,，“學(xué)而時(shí)習(xí)之不亦說乎”,，自動(dòng)標(biāo)點(diǎn)后的結(jié)果是“學(xué)而時(shí)習(xí)之,，不亦說乎,？”命名實(shí)體識(shí)別，則是通過序列標(biāo)注識(shí)別古籍文本中的命名實(shí)體,，支持識(shí)別人名,、地名、書籍,、時(shí)間,、官職這五種類型的實(shí)體。

圖片

▲自動(dòng)標(biāo)點(diǎn)技術(shù)解析視頻截圖
人工智能識(shí)別的工作完成后,，為了方便用戶閱讀,，整理平臺(tái)要進(jìn)一步對(duì)成型的文本進(jìn)行整理。

首先,，是對(duì)3%和4%錯(cuò)誤率進(jìn)行人工修改,，分出段落和標(biāo)題，然后再賦予不同的格式,。而對(duì)于不同質(zhì)量的古籍文獻(xiàn),，整理標(biāo)準(zhǔn)不一，人力承擔(dān)著不同的職能,，大致流程為制定整理標(biāo)準(zhǔn),、人工整理、審核,、上架,，相關(guān)管理者是有古籍知識(shí)經(jīng)驗(yàn)的北大團(tuán)隊(duì)。

其次,，是對(duì)用戶訪問數(shù)據(jù)進(jìn)行統(tǒng)計(jì),。然后是資源管理的功能,，用戶可以更清晰地看到每本書的基礎(chǔ)信息，具體內(nèi)容,，以及當(dāng)前所處的整理狀態(tài),。

最后，將古籍劃分等級(jí),，如經(jīng)典書目,、常讀書目、基礎(chǔ)書目,，像《論語》這種經(jīng)典書目,，對(duì)正確率、標(biāo)點(diǎn)和注釋的要求都較高,。負(fù)責(zé)人介紹,，目前這些功能有的已經(jīng)成型，有的還需要進(jìn)一步增強(qiáng),，古籍?dāng)?shù)字化并非易事,。


━━━━━
古籍?dāng)?shù)字化的現(xiàn)實(shí)困境

中國是全球擁有古籍最多的國家，國內(nèi)現(xiàn)存漢文古籍300萬部,，散居在海外的古籍超過40萬部,，它們依然面臨著衰朽，而已完成數(shù)字化的古籍為7.4萬部,，數(shù)字化進(jìn)程仍處于初步階段,。

其中面臨幾大難點(diǎn)。首先是部分古籍在數(shù)字化之前要先完成修復(fù),，但古籍修復(fù)工序復(fù)雜,，難以完全用科技手段，且培養(yǎng)古籍修復(fù)人員需要極高的時(shí)間成本,。其次,，花費(fèi)高昂，有專家估算,，如果將全國尚未數(shù)字化的古籍全部數(shù)字化,，采集、組織,、加工,、存儲(chǔ)、管理等費(fèi)用大約需要60億元,。第三,，技術(shù)難度高，現(xiàn)有的數(shù)字化很多是由縮微膠片轉(zhuǎn)換而成，呈黑白影像且分辨率較低,，難以切實(shí)滿足讀者的需求,。

過去，古籍內(nèi)容轉(zhuǎn)化為數(shù)字文本主要依靠專家人工錄入,，耗時(shí)費(fèi)力,。北京大學(xué)數(shù)字人文研究中心主任王軍算過一筆賬：我國現(xiàn)存古籍約有20萬種，從1949年到2019年,，共修復(fù)整理出版了近38000種,，要將現(xiàn)存古籍全部修復(fù)整理出來，可能需要三百年的時(shí)間,。若利用人工智能技術(shù)輔助修復(fù)整理,，大概二三十年就能完成。

相關(guān)負(fù)責(zé)人介紹說,，目前古籍的使用人數(shù)眾多,，一些高校斥資買古籍?dāng)?shù)據(jù)庫，但是訪問不是很方便,。建立數(shù)字化平臺(tái),，各類學(xué)科的專業(yè)人士能更容易查看古籍文獻(xiàn)。一些潛在的古籍愛好者,，數(shù)字化平臺(tái)可將這部分用戶迅速連接起來,。

目前,，識(shí)典古籍測(cè)試版的句讀錯(cuò)誤率在3%到4%,，文字識(shí)別也有一定的錯(cuò)誤率存在，影響閱讀體驗(yàn),。在人工智能機(jī)器學(xué)習(xí)一段時(shí)間后,，準(zhǔn)確率將會(huì)提升到98%左右。

圖片

▲古籍修復(fù)師在工作
作為北京大學(xué)-字節(jié)跳動(dòng)數(shù)字人文開放實(shí)驗(yàn)室的成員,，王軍有著豐富的古籍?dāng)?shù)字化經(jīng)驗(yàn),，他曾研發(fā)過“《宋元學(xué)案》知識(shí)圖譜可視化系統(tǒng)”，對(duì)240萬字的《宋元學(xué)案》進(jìn)行了文本處理和分析,，將2000多位宋元理學(xué)學(xué)者,、近100個(gè)學(xué)術(shù)流派所涉及的人物、時(shí)間,、地點(diǎn),、著作等提取出來構(gòu)造成知識(shí)圖譜。

據(jù)他介紹,，對(duì)于識(shí)典古籍的開發(fā)和應(yīng)用,，北京大學(xué)主要從三方面入手，第一，聯(lián)絡(luò)國內(nèi)的圖書館尋求公版資源,，保障版本的正當(dāng)性,；第二，聯(lián)系北師大,、復(fù)旦,、南大、陜西師大等高校的學(xué)者和文獻(xiàn)專家,，進(jìn)行人工審核與校對(duì),，彌補(bǔ)人工智能有識(shí)別錯(cuò)誤率的短板；第三,，北大利用自有的學(xué)術(shù)平臺(tái),，鏈接學(xué)術(shù)界和高校的年輕用戶，對(duì)識(shí)典古籍進(jìn)行推廣,。


━━━━━
古籍保護(hù)的更多可能

字節(jié)跳動(dòng)旗下有多個(gè)信息分發(fā)平臺(tái),，沉淀著大量關(guān)于內(nèi)容平臺(tái)的經(jīng)驗(yàn)和技術(shù)，這些技術(shù)可以逐漸向古籍智能數(shù)字化的方向上遷移,。過去半年，識(shí)典古籍技術(shù)開發(fā)團(tuán)隊(duì)整合了包括字節(jié)跳動(dòng)人工智能實(shí)驗(yàn)室,、今日頭條的設(shè)計(jì)團(tuán)隊(duì)和抖音的開發(fā)、測(cè)試團(tuán)隊(duì)成員加入,，其中有不少是古文獻(xiàn)專業(yè)和文史哲專業(yè)的成員。

識(shí)典古籍在使用性上強(qiáng)調(diào)用戶體驗(yàn),，網(wǎng)頁打開流暢。主頁有檢索欄,，用戶可直接搜索書目,；右上方是書庫,，點(diǎn)進(jìn)去可看到經(jīng)、史,、子,、集四個(gè)欄目；下方是古籍書樣,，如《周易》、《荀子》,、《左傳》,，主頁下方是“儒家經(jīng)典”“道家經(jīng)典”“文學(xué)經(jīng)典”三個(gè)欄目,。點(diǎn)開一本書,，左邊是目錄，右邊是正文,，上方有四個(gè)功能項(xiàng)，依次點(diǎn)擊可看到古籍原本的影像,、注疏,、繁簡字體切換以及書庫,，且每部古籍都有精校和粗校的標(biāo)簽提示,。

圖片

▲“識(shí)典古籍”網(wǎng)頁截圖
目前識(shí)典古籍只有網(wǎng)頁版,，相關(guān)技術(shù)負(fù)責(zé)人預(yù)測(cè)，今年11月份識(shí)典古籍將會(huì)推出移動(dòng)端,，到時(shí)會(huì)鏈接到抖音和今日頭條,，活化更多的古籍內(nèi)容。

在數(shù)字化之外,，一年多來,，字節(jié)跳動(dòng)在古籍修復(fù)和活化上也有所進(jìn)展�,，F(xiàn)在,，字節(jié)跳動(dòng)資助國家圖書館定向修復(fù)的珍貴古籍104冊(cè)件，現(xiàn)已完成50多冊(cè)件，包括一批稀有的樣式雷圖檔,。在活化方面,，抖音平臺(tái)推出“尋找古籍守護(hù)人”計(jì)劃,，四大名著、二十四史,、四書五經(jīng)相關(guān)的視頻播放量超過600億次,，涵蓋漫畫、影視,、美食、音樂等多種內(nèi)容體裁,。

古籍承載著中華文明,，它的傳播是需要大眾參與,。未來，通過識(shí)典古籍,，向全社會(huì)開放古籍閱讀檢索研究能力,，還將實(shí)現(xiàn)全自動(dòng)整理校對(duì)，更高效地實(shí)現(xiàn)存量古籍全部數(shù)字化,。同時(shí),，鼓勵(lì)擁有文獻(xiàn)的學(xué)者自行上傳文獻(xiàn)，豐富平臺(tái)內(nèi)容,，用戶甚至可參與再創(chuàng)作和再闡釋,，與平臺(tái)形成一種良性互動(dòng)，助力古籍文化傳承和研究,。

來源：新京報(bào)

已有0人打賞

已有0人打賞

閱讀原文 瀏覽 121397 回復(fù) 9 舉報(bào)

分享到微信/朋友圈 領(lǐng)紅包

每天看看帖,，就賺牡丹花,，免費(fèi)好禮立即入手。

打賞 0人贊

推廣

部分評(píng)論
今日熱門

  • 不要和重要的人，計(jì)較不重要的事,；不要和不 ..

    飛魚兒島主

    33

  • 來了來了,，早上好啊！ #每天一條昆友圈##Hi ..

    快樂老儒儒-1

    28

  • 早安～

    飛魚兒島主

    27

  • #我的碎碎念#

    黃小華5855

    25

  • #每天一條昆友圈#

    黃小華5855

    25

  • 周六愉快,！ #每天一條昆友圈##Hi,！4月##你 ..

    快樂老儒儒-1

    25

  • 早安#每天一條昆友圈##昆山有哪些美景？## ..

    徐晉

    25

  • 早上好,！

    冰雪飛舞

    24
精彩推薦
加載更多
精彩活動(dòng)更多
論壇服務(wù)
觸屏版 / 電腦版

other
馬上開啟