新京報(bào)貝殼財(cái)經(jīng)訊（記者 羅亦丹）流落海外的古籍能夠以怎樣的方式回歸祖國？5月18日，包括《蘇文忠公文集》、《宋百家詩存》、《居業(yè)錄八卷》等在內(nèi)的一共20萬頁藏于加州大學(xué)伯克利分校的古籍通過“數(shù)字化”方式回歸故土，并落地“漢典重光”古籍平臺，未來公眾可通過該平臺翻閱、檢索古籍。
漢典重光項(xiàng)目發(fā)起人之一的高曉松在接受新京報(bào)貝殼財(cái)經(jīng)記者采訪時(shí)表示，古籍?dāng)?shù)字化回歸這件事需要古籍收藏方與古籍?dāng)?shù)字化團(tuán)隊(duì)雙方的配合，但也需要有技術(shù)有情懷的企業(yè)愿意以公益方式參與進(jìn)來。“文字是中國文化里最具有代表性的，中國文字不光具有文獻(xiàn)意義，還有美感，古籍?dāng)?shù)字化能讓更多年輕人了解到中國文化之美，我覺得有很大的推動意義?！?nbsp;
據(jù)了解，“漢典重光”項(xiàng)目由阿里巴巴公益基金會、四川大學(xué)、美國加州大學(xué)伯克利分校、中國國家圖書館、浙江圖書館合作開展，旨在尋覓流散海外的中國古籍并將其數(shù)字化、公共化。目前，借助阿里達(dá)摩院的技術(shù)，首批20萬頁古籍已完成數(shù)字化，并沉淀為覆蓋3萬多字的古籍字典，公眾可通過漢典重光平臺翻閱、檢索古籍。
海外古籍現(xiàn)狀：顛沛流離
2019年，阿里巴巴和四川大學(xué)提出“數(shù)字化回歸”設(shè)想，四川大學(xué)歷史文化學(xué)院王果副院長與該院教授、中央文史研究館館員陳力牽線搭橋，溝通北美、歐洲、日韓等地藏書機(jī)構(gòu)，獲得加州大學(xué)伯克利分校支持，達(dá)成共識，由伯克利提供古籍的掃描圖片和編目數(shù)據(jù)，達(dá)摩院將其全部文字化。
據(jù)不完全統(tǒng)計(jì)，目前散居海外的中國古籍超過40萬部、400萬冊，包括甲骨簡牘、敦煌遺書、宋元善本、明清精槧、拓本輿圖、少數(shù)民族文獻(xiàn)等等?？傮w而言，日本最多，此外還有韓國、美國、加拿大等地。以文瀾閣《宋百家詩存》為例，該古籍成書兩百多年以來極有可能經(jīng)歷了從杭州文瀾閣（約1790年）到南潯嘉業(yè)堂，再到日本三井文庫，最后到加州大學(xué)伯克利分校東亞圖書館（約1950年）的步驟。
“由于各種原因特別是近代以來國家衰落，大量珍貴古籍流失海外，成為中華民族的一段傷心事，當(dāng)中華民族重返世界舞臺中央，偉大復(fù)興在望之時(shí)，‘寶貝回家’是全體中國人的共同愿望?！比珖f(xié)副主席、九三學(xué)社中央委員會常務(wù)副主席邵鴻表示，“這次整館回歸伯克利分校所藏古籍，是一個(gè)很好的開始，但是對于數(shù)量巨大的海外古籍來說，我看到可能比較大的一個(gè)數(shù)字，超過40萬部400萬冊海外漢籍，這次伯克利分校的回歸才是20多萬頁，只是萬里長征走出了第一步?！?nbsp;
在阿里巴巴達(dá)摩院院長張建鋒看來，古籍傳承面臨三大痛點(diǎn)：實(shí)體藏書分散、查閱調(diào)用成本高、古籍?dāng)?shù)字化技術(shù)難?！敖?jīng)過兩年的努力，達(dá)摩院的技術(shù)專家與四川大學(xué)古籍專家聯(lián)合攻克了一系列古籍?dāng)?shù)字化的技術(shù)難題。我們研發(fā)搭建了集古籍?dāng)?shù)字化交互式訓(xùn)練、古籍全文內(nèi)容檢索、古籍漢字字典三大功能于一體的漢典重光古籍?dāng)?shù)字化平臺，希望通過此平臺能滿足古籍專家、古籍愛好者和普通讀者在古籍閱覽和古籍研究方面的不同需求?！?nbsp;
“古籍?dāng)?shù)字化的工作量特別大，伯克利能以這樣的方式第一個(gè)參與進(jìn)來我覺得很感動。此外，古籍?dāng)?shù)字化的工作并非設(shè)計(jì)出一個(gè)AI機(jī)器人就能夠完成，這需要企業(yè)既要有技術(shù)，也要有情懷、耐力，愿意用公益的方式把事情一點(diǎn)點(diǎn)做起來?！备邥运筛嬖V新京報(bào)貝殼財(cái)經(jīng)記者。
如何將古籍“數(shù)字化”？
“古籍?dāng)?shù)字化是個(gè)非常復(fù)雜的跨學(xué)科課題，涉及到古籍影像文本的分類標(biāo)引、檢索、挖掘、關(guān)聯(lián)等多方面信息技術(shù)的應(yīng)用?！敝袊鴩覉D書館副館長、國家古籍保護(hù)中心副主任張志清說，“古籍?dāng)?shù)字化已經(jīng)成為學(xué)術(shù)研究的基礎(chǔ)，如果不能系統(tǒng)整理全部古籍文獻(xiàn)，就不能在前人基礎(chǔ)上完整可靠的開展研究，如果不能大幅提高檢索效率，提供便捷、高效、準(zhǔn)確的查詢工具，學(xué)術(shù)研究就沒有源頭活水和津渡橋梁?！?nbsp;
中央文史館館員、四川大學(xué)歷史文化學(xué)院教授陳力在接受記者采訪時(shí)表示，數(shù)字化對于原件的保護(hù)，文物價(jià)值本身的保護(hù)，也是一種很好的保護(hù)，“古籍已經(jīng)有幾百年甚至上千年歷史了，如果我們經(jīng)常去翻閱它，對古籍原件會造成損害，翻的越多損害越多，數(shù)字化了以后，原件在非必要的情況下，我們可以盡量的少用，但是內(nèi)容我們已經(jīng)能獲得了，所以對于原件來說，也是保護(hù)?！?nbsp;
據(jù)介紹，目前古籍?dāng)?shù)字化完整流程分為幾大環(huán)節(jié)：采集側(cè)（紙質(zhì)書變?yōu)殡娮訏呙璋妫?數(shù)字化生產(chǎn)側(cè)（電子掃描版變?yōu)槲淖职妫?應(yīng)用側(cè)（文字版變?yōu)楣偶袑W(xué)系統(tǒng)，涵蓋檢索、字典、知識圖譜等功能）。貝殼財(cái)經(jīng)記者注意到，伯克利主要負(fù)責(zé)了采集側(cè)的工作，而達(dá)摩院所做的工作則主要集中于數(shù)字化生產(chǎn)側(cè)、應(yīng)用側(cè)兩個(gè)環(huán)節(jié)。
張建鋒透露，達(dá)摩院自研了一套全新的AI古籍識別系統(tǒng)，可以規(guī)模化、系統(tǒng)化對電子掃描版古籍進(jìn)行識別，在首批數(shù)字化的20萬頁古籍上，達(dá)到了97.5%的識別準(zhǔn)確率，覆蓋3萬類古籍文字，比人工錄入效率提升近30倍。
"?針對現(xiàn)在古籍的文字，我們要思考我們需要采用什么樣的技術(shù)，讓這個(gè)數(shù)字化成為可行，并且能夠達(dá)到一定的準(zhǔn)確度。我們面對問題的挑戰(zhàn)有三點(diǎn)。首先，現(xiàn)代文字是有字典的，但是很不幸的是，古籍是沒有現(xiàn)成的字典，第一步要去找到我們要想去做文字識別的目標(biāo)是什么，我們需要去構(gòu)建這個(gè)字典，這需要大量古籍專家，一個(gè)字一個(gè)字把這個(gè)東西標(biāo)記出來，是很耗時(shí)耗力的。"達(dá)摩院視覺實(shí)驗(yàn)室負(fù)責(zé)人徐盈輝告訴記者。
徐盈輝表示，他的團(tuán)隊(duì)通過技術(shù)手段解決了字的聚合問題（即把同類字放在一起以提高標(biāo)注效率），再由四川大學(xué)的古籍專家告訴我們哪里識別錯(cuò)了，當(dāng)反饋信息回到后臺，再進(jìn)一步的去更新表征模型，再產(chǎn)生相應(yīng)的單字聚合結(jié)果，再回饋給古籍專家，形成這樣一個(gè)閉環(huán)的工作模式。這樣的話，系統(tǒng)就越用越聰明，最終產(chǎn)出有效的字典?！皩?，我們只要在平臺輸入一個(gè)命名實(shí)體，比如一個(gè)人名、地名，就知道這個(gè)人名曾經(jīng)出現(xiàn)過哪些典籍里面，將來可以完成全文檢索的能力。此外，基本可以確定未來整個(gè)系統(tǒng)都會捐助出來。”
“我們希望與阿里巴巴公益基金會合作，把漢典重光做成一個(gè)開放的平臺。擁有文獻(xiàn)的學(xué)者可以上傳文獻(xiàn)，豐富平臺內(nèi)容，不上傳也可以利用平臺本身來搞研究，進(jìn)行字評詞評統(tǒng)計(jì)分析等，為學(xué)者提供一個(gè)很好的研究工具；對于普通大眾來說，它也是一個(gè)幫助學(xué)習(xí)古文的平臺?！标惲Ω嬖V記者。
編輯 徐超 校對 王心
