北京大學(xué)數(shù)字人文中心基于自主研發(fā)的“識(shí)典古籍”數(shù)字化平臺(tái)，發(fā)起了我是“校書官”——古籍大眾智能整理計(jì)劃，邀請(qǐng)高校師生、大眾愛好者等，在智能技術(shù)的輔助下整理古籍，助力古籍“重生”。

近日，在“校書官”計(jì)劃發(fā)起一周年之際，平臺(tái)收錄、開放的古籍突破了3萬部——古籍原本的影像觸手可及，施以現(xiàn)代標(biāo)點(diǎn)的文言文簡(jiǎn)潔易讀，注疏典故讓歷史細(xì)節(jié)躍然紙上……志愿者中，不僅有相關(guān)文科專業(yè)的師生，還有互聯(lián)網(wǎng)從業(yè)者、機(jī)場(chǎng)調(diào)度員等，他們憑借對(duì)典籍的熱愛，突破專業(yè)所限，甘當(dāng)一名“校書官”。

古籍大眾智能整理計(jì)劃吸引眾多志愿者成為“校書官”。

沉浸其中

8天整理19萬字 互聯(lián)網(wǎng)人鉆進(jìn)古籍里

我是“校書官”——古籍大眾智能整理計(jì)劃分階段開展活動(dòng)，包括初階和進(jìn)階兩類任務(wù)，定期通過“識(shí)典古籍”微信公眾號(hào)招募志愿者。

8天整理了19萬字的古籍，是互聯(lián)網(wǎng)大廠產(chǎn)品經(jīng)理王唯一在今年春節(jié)創(chuàng)下的紀(jì)錄，至今仍經(jīng)常被志愿者們提起。

“我平時(shí)喜歡看歷史小說，了解到‘校書官’的活動(dòng)后，想著下班后能換換腦子，而且還能做公益，就報(bào)名加入了志愿者團(tuán)隊(duì)。”王唯一說，有不少和她一樣的“非科班”志愿者，大家在交流群中分享整理心得，互幫互助解答問題。

今年春節(jié)，有了大段空余時(shí)間的王唯一對(duì)古籍整理著了迷，每天至少有6小時(shí)沉浸在古籍中。“漸漸地就會(huì)忘記時(shí)間，我非常享受這種狀態(tài)。就像玩游戲一樣，原本只計(jì)劃玩五六關(guān)，結(jié)果一抬頭發(fā)現(xiàn)天色已經(jīng)暗淡下去。”她說，春節(jié)假期過完，自己提交了19萬字的整理結(jié)果，包含《安雅堂文集》《王荊文公詩》《全隋文 先唐文》等古籍。

贈(zèng)人玫瑰，手有余香。

讓王唯一驚喜的是，整理古籍還給自己的本職工作帶來了一些啟發(fā)。

點(diǎn)開“識(shí)典古籍”平臺(tái)中任意一部待整理的古籍，頁面左側(cè)是破碎泛黃的書頁影像，右側(cè)滾動(dòng)著經(jīng)AI（人工智能）識(shí)別的文字。這背后是文字識(shí)別、自動(dòng)標(biāo)點(diǎn)、實(shí)體識(shí)別三大核心技術(shù)。黑色文字代表算法識(shí)別的可信度比較高的字，一般不需要人工再去核對(duì)；藍(lán)色則提示疑難字，得對(duì)照古籍影像上的字形再確認(rèn)。志愿者需要做的，就是參考AI生成的結(jié)果校勘文字。

“為了方便整理，AI還會(huì)自動(dòng)識(shí)別古籍頁面的版式分布、圖片信息，并對(duì)字跡進(jìn)行分欄。然而，AI識(shí)別并非100%精準(zhǔn)，每個(gè)人的整理習(xí)慣也不盡相同。當(dāng)我連續(xù)整理了幾頁之后，發(fā)現(xiàn)AI自動(dòng)省略了一些用不到的步驟，給整理工作提了效。”王唯一說，作為AI產(chǎn)品經(jīng)理，自己在設(shè)計(jì)產(chǎn)品時(shí)經(jīng)常會(huì)遇到“設(shè)定很完美，但用戶體驗(yàn)感不佳”的問題。而“識(shí)典古籍”平臺(tái)的貼心設(shè)定，能讓人從背后看出復(fù)雜的產(chǎn)品設(shè)定邏輯，精準(zhǔn)對(duì)接用戶的需求。受此啟發(fā)，王唯一開始以用戶的視角去排查所設(shè)計(jì)產(chǎn)品的各個(gè)流程，發(fā)現(xiàn)了不少可優(yōu)化的細(xì)節(jié)。

如今，王唯一仍習(xí)慣一下班就鉆進(jìn)古籍里。當(dāng)整理的古籍通過審核在平臺(tái)上架后，她都會(huì)收到一個(gè)提示——“您整理的書籍已經(jīng)上架啦！您已被列為本書整理人”，“這時(shí)，我的名字會(huì)出現(xiàn)在頁面上方，這是我最有成就感的時(shí)刻。”

解謎破案

為破解一個(gè)字 他們反復(fù)查閱資料推敲

志愿者中，不少人和王唯一一樣雖然是“非科班”出身，但憑借著對(duì)歷史古籍的一腔熱愛，正在助力一部部古籍煥發(fā)新生。

李九術(shù)是一名機(jī)場(chǎng)調(diào)度員。白天，他在機(jī)場(chǎng)從事安全調(diào)度工作，下班后便走進(jìn)書房，一頭扎進(jìn)古籍的海洋。閑暇時(shí)間，他還經(jīng)常搜集各類古籍影像，打印成仿古經(jīng)折本閱讀。他說，自己對(duì)古籍的求知欲越來越濃了。

參與文字整理的基礎(chǔ)工作后，李九術(shù)通過考核進(jìn)入了志愿者進(jìn)階組——負(fù)責(zé)文字、標(biāo)點(diǎn)的精校和審核等高階任務(wù)，隊(duì)友多是相關(guān)專業(yè)的高校師生。

有一次，他和隊(duì)友遇到了一句詩——“小桃明淑？”，AI系統(tǒng)未能識(shí)別出問號(hào)處的字，前端的初階志愿者也沒能順利解答這個(gè)問題。“古人寫詩講究對(duì)仗，‘小桃’是植物，后面也應(yīng)匹配名詞。”他和隊(duì)友根據(jù)古籍影印圖片上的字形看出了該字中含有“果”字，根據(jù)上下文鎖定了“菓”和“窠”字。翻閱《本草綱目》，他們印證了“窠”可表示植物叢生，再援引《和子由記園中草木》中“蒼苔窠”的用法來佐證，最終才推定此處應(yīng)為“窠”字。“這個(gè)過程就像解謎破案一樣，很有意思，收獲也很多。”李九術(shù)說。

參與我是“校書官”活動(dòng)后，不少志愿者直呼：“長知識(shí)了！”

志愿者卜瑞吉是北京一家科技公司的員工，前段時(shí)間認(rèn)領(lǐng)了《陽泉縣志》的整理工作，書中關(guān)于古時(shí)財(cái)稅的內(nèi)容，令她印象深刻。“以前我以為，銀子的單位，兩、錢、毫、厘就已經(jīng)到了極限，但讀了古籍才發(fā)現(xiàn)，厘之后還有絲、忽、渺、蔑、微等七八個(gè)計(jì)量單位，糧食的最小單位在‘粒’之后也還有一兩個(gè)。”

這些意料之外的知識(shí)，也讓她在忙碌的日常工作中，找到了浪漫的詩和遠(yuǎn)方。她曾整理過一本名叫《夏小正》的農(nóng)書，其中有一句“八月丹鳥羞白鳥”，“我從中了解到，古人經(jīng)常管小蟲子叫‘鳥’，‘丹鳥’是螢火蟲，‘白鳥’是蚊子。這句話的意思是，到了螢火蟲吃蚊子的季節(jié)，就是八月了，用此句形容季節(jié)更迭很巧妙。”

精心守護(hù)

從紙端到指端 理科生用科技煥新古籍

選目、數(shù)據(jù)準(zhǔn)備、分卷、審核……除了志愿者，“校書官”計(jì)劃背后，還有北大數(shù)字人文中心工作人員的努力，他們負(fù)責(zé)團(tuán)隊(duì)管理、書目管理、審訂等工作。中心主任、北大信息管理系教授王軍介紹，“識(shí)典古籍”平臺(tái)由兩部分組成，前端是閱讀平臺(tái)，后端是古籍整理平臺(tái)。“就像是餐廳的前廳和后廚。中心工作人員和志愿者作為后廚，整理上線古籍資源，把數(shù)字化資源端上閱讀平臺(tái)，與全世界的讀者共享饕餮盛宴。”

一群人，一條心，齊心協(xié)力讓古籍重獲新生。

作為古典文獻(xiàn)專業(yè)的畢業(yè)生，北大數(shù)字人文中心工作人員傘紅雷在上學(xué)時(shí)便做過古籍整理的工作，在接觸到AI輔助校勘的方法后，他省去了一些繁冗的工作環(huán)節(jié)，集中關(guān)注更需要?jiǎng)?chuàng)造性思考的疑難問題。來到數(shù)字人文中心后，他將自己所學(xué)所思應(yīng)用于“識(shí)典古籍”平臺(tái)的建設(shè)中，并在“校書官”計(jì)劃中負(fù)責(zé)選目、分卷、審核等多項(xiàng)工作。

“我們著重挑選了一些海外館藏的珍貴善本，所選古籍內(nèi)容都與大眾生活緊密相關(guān)，期待大家能挖掘出古籍與現(xiàn)代生活相契合的內(nèi)涵。”他說，團(tuán)隊(duì)還精心設(shè)計(jì)了古籍通識(shí)課程，邀請(qǐng)領(lǐng)域資深學(xué)者擔(dān)任主講嘉賓，廣泛普及古典文獻(xiàn)的基礎(chǔ)專業(yè)知識(shí)和古籍智能整理實(shí)操方法。

鄭振宇是一名比較活躍的志愿者，因?yàn)楦改笇W(xué)的都是中文專業(yè)，所以他從小就接觸古文。高考選擇專業(yè)時(shí)，理科成績(jī)更好的他選擇了計(jì)算機(jī)專業(yè)，如今從事古籍保護(hù)工作，致力于用科技力量為古籍延壽。

“一開始接觸的古籍保護(hù)工作十分繁雜，包括修復(fù)、掃描、圖像處理等，手動(dòng)操作效率很低。于是我開始自學(xué)編程，開發(fā)了一套工具，把原本需要幾周完成的工作壓縮到幾分鐘。”他說，接觸到“識(shí)典古籍”平臺(tái)后，他被免費(fèi)開放的AI識(shí)別功能所吸引，也加入到志愿者的行列中，如今已經(jīng)在平臺(tái)整理上架了11本古籍。他還把平臺(tái)推薦給了同事，“識(shí)典古籍”平臺(tái)已經(jīng)成為大家工作中的“神器”。

目前，平臺(tái)已匯集3萬多部古籍，包含《四庫全書》《永樂大典》等大部頭，面向海內(nèi)外讀者免費(fèi)開放。王軍說：“希望通過‘識(shí)典古籍’平臺(tái)和我是‘校書官’活動(dòng)，推動(dòng)中華文明傳承發(fā)展，向世界展示和傳播我們的文化之美。”

成效

“眾包模式”讓轉(zhuǎn)化提速

據(jù)統(tǒng)計(jì)，我國現(xiàn)存古籍20多萬種、5000多萬冊(cè)，多數(shù)只完成了初步的影像掃描，只有少數(shù)真正實(shí)現(xiàn)了文本數(shù)字化。人工智能等新技術(shù)的應(yīng)用和發(fā)展，讓古籍能以另一種形態(tài)得到長期保存和傳承。越來越聰明的AI，可以進(jìn)行識(shí)別、排序、校對(duì)、結(jié)構(gòu)整理等工作，在此基礎(chǔ)上再進(jìn)行人工整理、核對(duì)，就能大幅提高古籍整理出版的效率和質(zhì)量。

目前“識(shí)典古籍”平臺(tái)文字識(shí)別的準(zhǔn)確率已經(jīng)達(dá)到了96%，自動(dòng)標(biāo)點(diǎn)準(zhǔn)確率達(dá)94%。北大數(shù)字人文中心表示，邀請(qǐng)大眾參與古籍整理，這種“眾包模式”勝在人多效率高，通過志愿者的廣泛參與，能夠較快地將紙質(zhì)文獻(xiàn)轉(zhuǎn)化為可供檢索的數(shù)字化文本資料。只有在文獻(xiàn)信息的儲(chǔ)備量足夠龐大后，古籍內(nèi)容的深度開發(fā)利用才有可能。

受訪者 供圖