新技術驅動下我國古籍數字化的動態與趨勢

劉利

摘 要：本研究通過文獻法對我國古籍數字化的發展歷程及其各個階段的特征進行梳理，分析在新技術驅動下三種主要智能技術對古籍數字化的支持作用及其應用成效。分析顯示，古籍數字化在跨學科整合、虛擬與增強現實、開放獲取以及可視化交互等方面呈現了良好發展前景。一方面，應在政策出臺、法規制定、技術創新等層面促進古籍數字化的發展；另一方面，應平衡好古籍原貌保護、人工智能技術與社會公眾需求之間的關系。

關鍵詞：技術驅動；古籍數字化；動態趨勢

古籍數字化是推動我國優秀傳統文化創造性轉化和創新性發展的重要戰略內容。2022年，中共中央辦公廳、國務院辦公廳印發《關于推進新時代古籍工作的意見》，為我國古籍數字化提供了指引。古籍數字化是通過現代信息技術手段，對古籍文獻進行規模化、系統化掃描、微縮、識別、錄入、存儲，使其轉化為電子數據形式，并通過網絡通信、計算機或移動終端展現與傳播的系統性工程。古籍數字化不僅從根本上避免了實地翻閱對古籍造成的各種潛在損害，而且徹底打破了古籍閱覽的時空限制，從技術上提升了古籍保護程度和古籍使用效率。當前，我國古籍數字化工作在多個層面同步展開，形成古籍數字化巨制頻出的局面，這不斷激發著古代典籍旺盛的生命力。

一、我國古籍數字化的發展歷程

古籍數字化并不是新近出現的現象，而是經歷了從“古籍+數據庫”技術階段、“古籍+光盤”技術階段、“古籍+OCR（光學字符識別）”技術階段，向“古籍+人工智能”階段演進的過程。

第一階段：“古籍+數據庫”技術階段的起點可追溯至20世紀80年代初期，隨著數據庫技術的不斷進步，古籍數字化逐漸步入聯合目錄階段。這一階段的特點在于：利用計算機在搜集、整理及檢索等方面的優勢，通過數據庫形式存儲古籍資料。此階段主要以書目數據庫為主，它克服了傳統人工檢索方式對古籍造成損害、耗時耗力等弊端，提升了檢索效率。

第二階段：“古籍+光盤”技術階段起源于20世紀90年代初，以我國推出“二十四史檢索光盤”為標志。在這個期間，隨著存儲技術的進步，古籍數字化步入光盤存儲影像階段。該階段的特點在于：以光盤為載體，集成目錄查詢、內容檢索及原始圖像存儲等功能，擴大了古籍資源的利用范圍和使用來源，豐富了古籍的運用方式。

第三階段：“古籍+OCR（光學字符識別）”技術階段自20世紀80年代開始，進入21世紀，隨著信息技術的不斷進步和古籍數字化規模的擴大，古籍全文數字化迎來了快速發展期。這一階段的特點在于：通過網絡連接的古籍數字化數據庫，可以實現精準定位已全文錄入數據庫中的古籍文本位置，從而實現古籍資源的精準檢索，進一步拓寬了古籍的使用群體。

第四階段：“古籍+人工智能”階段。當前，隨著人工智能技術在各領域的廣泛應用，古籍數字化也迎來新的發展機遇期。人工智能技術為古籍數字化提供了更高效、更準確的解決方案，古籍數字化正式邁入人工智能階段。在這一階段，通過深度學習等算法，人工智能可以對古籍進行自動識別、分類；利用圖像處理和計算機視覺技術，檢測和修復古籍中的破損和污漬；古籍檢索系統和推薦系統也為讀者提供了更加便捷、個性化的閱讀體驗。這些應用不僅彰顯了人工智能技術在古籍數字化領域的廣泛應用和深遠影響，也為人類揭示了未來古籍數字化的發展方向和巨大潛力。

二、智能技術對古籍數字化的支撐及應用效能

數字智能技術在現代古籍出版中發揮著舉足輕重的作用，成為古籍數字化出版的關鍵支柱。借助數字智能技術，能夠實現古籍的高清掃描、精確識別、快速錄入以及大規模存儲，既完整保留了古籍的原貌，又為后續處理提供了便利。當前，應用于古籍數字化的智能技術主要可分為以下三類。

一是光學字符識別（OCR）技術。即“電子設備（如掃描儀或數碼相機）對紙質文檔上的字符進行掃描，通過檢測暗亮模式以確定其形狀，進而采用字符識別方法將形狀轉換為計算機可編輯文本格式的過程”。相較于常規OCR技術，古籍OCR在質量、版式、風格等方面均面臨較大挑戰。當前主流的OCR技術雖具備較高的識別率，但尚不能直接應用于中文古籍OCR，原因在于高質量、大規模標注數據的缺失，尤其是中文大規模公開數據集的稀缺，也由于西方古籍版式數據集依然占據主導。目前，識別效果較好的OCR技術主要包括書同文公司的“i-慧眼OCR”和古聯OCR系統。

二是虛擬現實與增強現實技術。虛擬現實（VR）及增強現實（AR）技術為古籍展示與研究帶來了全新途徑。借助虛擬現實技術，用戶可在虛擬環境中親身體驗古籍的歷史背景及其深刻內涵，從而提升沉浸式古籍閱讀體驗。增強現實技術則將古籍數字化副本與實體展品相結合，提供更為豐富的信息及交互功能。例如，我國國家博物館與國家圖書館運用VR與AR技術構建虛擬展覽及數字化交互平臺，使讀者能更為直觀地認識與鑒賞古籍價值。

三是數據挖掘與自然語言處理技術。借助數據挖掘和自然語言處理手段，能夠對大規模古籍文本進行深入分析和研究。通過對古籍文本數據進行語義分析、構建主題模型及關系網絡，得以挖掘隱藏其中的知識和信息。這些技術在古籍的內容、作者、時代及流派等方面為古籍研究者提供了有力支持。例如，南京農業大學國家社科基金重大項目“中國古代典籍跨語言知識庫構建及應用研究”課題組與中華書局古聯公司推出了一系列古籍處理領域的大語言模型：荀子系列大語言模型（XunziALLM），它是一種基于深度學習的自然語言處理技術，利用“荀子”能夠完成古籍詞法分析、實體識別、關系抽取、文本分類與匹配、文本摘要等工作，提高了古籍的可讀性、可檢索性、可利用性。

四、進一步推動古籍數字化需把握三種平衡關系

（一）以政策設計維護古籍公共性與商業性的平衡

古籍數字化進程涉及版權及訪問限制等諸多問題。作為文化遺產的古籍，在數字化過程中實現了知識產權的創設，因此在古籍數字化及其利用的過程中，需要平衡公共利益與商業利益。為確保古籍知識產權得到保護，同時為確保公眾能合法獲取和使用數字化資源，應在政策、法律及技術層面進行全面考量，構建透明、公平且可持續的版權管理體系，進而推動古籍數字化資源的廣泛傳播和學術研究的順利進行。

政府部門應制定相關政策法規，明確文字識別規范、字體轉換標準、產品統一規格、產品審校驗收、數字化古籍資源版權歸屬、使用權限及訪問規則，確保古籍數字化的合法性與可持續性。同時，通過技術創新、協同合作、以用戶需求為導向以及財政政策扶持，克服古籍數字化過程中所面臨的困境，推進古籍數字化事業的發展，實現古籍文化資源的有效數字化和智能化運用，助力古籍文化的傳承與創新。

（二）以技術創新維護古籍保護與數字化之間的平衡

在古籍數字化過程中，應始終秉持對古籍原貌的尊重與保護，同時在獲取高品質數字化副本的同時，確保古籍的實體完整性與歷史價值不受損害。為此，需要在光照、掃描和處理等環節審慎行事，以降低對古籍造成損害的潛在風險。如何在古籍原貌保護與古籍數字化之間取得平衡，是一項關鍵挑戰。

應持續創新掃描與圖像處理技術。通過引入高分辨率掃描和多光譜掃描等先進技術，提升數字化副本的品質與準確性。同時，運用尖端圖像處理算法和技巧，提取并修復破損的文字和圖像，增強古籍原貌的可讀性與可視化效果。推動有針對性的技術創新，研發專門針對古籍數字化的工具與算法。例如，針對中文古籍文本的“OCR”問題，結合深度學習和計算機視覺技術，研發更為精確的算法。同時，還需探索更高效的掃描和圖像處理技術，以提升數字化過程的效率和質量。通過技術創新，降低古籍數字化的成本與風險，助力推進中文古籍數字化進程。

（三）以人工智能維護古籍傳統布局與現代閱讀習慣的平衡

古籍文本的光學字符識別（OCR）是古籍數字化過程中的關鍵環節。然而，由于古籍文本的特殊性（包括復雜字體、舊體字和破損文字等），傳統OCR技術可能難以對此進行妥善處理。古籍文本的OCR問題觸及字形識別、字體變體、排版布局等諸多挑戰。因此，在古籍數字化的過程中，需解決古籍傳統格式布局與現代閱讀習慣之間的矛盾。為應對此挑戰，需要研發針對中文古籍特性的OCR算法，結合機器學習與深度學習等技術，提升古籍文本識別的準確性與處理效率。

通過整合人工智能、深度學習及自然語言處理等技術，開發智能化的古籍文本識別與標注工具。這些工具能自動識別古籍文本中的文字、字體變體和排版布局等特征，進而生成精確的元數據和索引。智能化文本識別與標注技術顯著提升了數字化資源的可搜索性與可訪問性，減輕了人工標注負擔，確保古籍數字化標注的科學性與可靠性，縮短古籍數字化的上線周期，提高古籍數字化的生產效率。

參考文獻

[1]金滿樓.數字化賦能：汲古慧今，古籍新生[EB/OL]. （2023-03-06）[2024-01-18].https：//wenyi.gmw.cn/2023-03/06/ content_36410604.htm.

[2]李明杰.構建中華古籍層級保護體系的設想——從古籍價值屬性創新古籍保護思路[J]. 圖書館雜志， 2009，28 （03）： 14-19.

[3]矩視智能.AI視覺在復雜場景下字符識別的全方位應用[EB/OL]. （2022-09-22）[2024-01-18]. https：//zhuanlan.zhihu.com/ p/567199646.

[4]金鳳.“荀子”大語言模型：化繁為簡 通讀古今[EB/OL]. （2024-01-09）[2024-01-18]. https：//baijiahao.baidu.com/s？id=1787601 193121168873&wfr=spider&for=pc

[5]房惠玲. 敦煌文化遺產數字化進程穩步推進[EB/OL]. （2023-11-01）[2024-01-18].http：//www.gsjb.com/ system/2023/11/01/030900894.shtml.

[6]劉晗. 新出版模式誕生：VR古籍出版怎么做？[EB/OL]. （2018-11-28）[2024-01-18]. https：//epaper.gmw.cn/zhdsb/html/2018-11/28/nw.D110000zhdsb_20181128_2-06. htm？div=-1.

[7]公益時報. 一場技術與公益的雙向奔赴[EB/OL]. （2023-06-13）[2024-01-18]. https：//cj.sina.com.cn/articles/view/188112471 3/701faf69020016o5p.

[8]中國文化產業網.國家圖書館（國家古籍保護中心）“中華古籍資源庫”構建中華古籍的數字網絡家園[EB/OL].（2023-11-21） [2024-01-18].http：//www.cnci.net.cn/ content/2023-11/21/content_30600652.htm.

[9]郭宇涵.智能與人文跨學科合作探索漢籍流傳圖譜[EB/OL]. （2023-07-16）[2024-01-18].http：//vis.pku.edu.cn/blog/ chinese_classic_circulation/.

（作者單位：北京當代軟科學研究所）