檔案事業與新技術的雙向融合

主持人語：以大數據、云計算、區塊鏈、人工智能為代表的新興技術浪潮滾滾而來，大有變革千行百業之勢。在此背景下，強調檔案事業與新技術的雙向融合，既有助于推動檔案事業的現代化發展和升級，也有利于新興技術在實際場景中的落地應用。檔案事業與新技術的雙向奔赴、相互融合必然會激發出新的活力與生命力，帶來新的機遇與挑戰。當前檔案事業的發展存在哪些問題？新技術給檔案事業的發展帶來了怎樣的影響？檔案事業與新技術的關系是什么？檔案事業與新技術如何雙向融合、相互賦能，以更好服務國家戰略需求？新技術融合是否有助于吸引檔案學生、培養檔案人才？此次對談圍繞上述問題展開，對談成果并非最終結論，旨在為檔案事業與新技術的雙向融合和共同發展提供一些思路，為檔案事業從業人員及新興技術研究人員提供一些啟示。（司徒凌云，南京大學信息管理學院）

關鍵詞：檔案事業；新興技術；人工智能；區塊鏈；檔案管理；檔案開發；南海檔案

▍趙 躍：

在“數字中國”戰略引領下，我國檔案事業正處于轉型升級和創新發展的重要機遇期，數字化轉型也成為地方檔案工作應對新環境新趨勢的必然之舉。綜合檔案館作為地方檔案工作數字化轉型的重要參與者，其轉型進程直接影響整個地方檔案工作數字化轉型的全面推進，但目前很多綜合檔案館在轉型推進當中面臨諸多困境和難題，亟待發現癥結所在并尋求解決之道。

通過調研，筆者發現當前地方綜合檔案館在推進檔案工作數字化轉型進程中存在一些關鍵的影響因素。第一個因素，也是最關鍵的一個因素，是人才因素，領導型人才和專業復合型人才是未來檔案工作數字化轉型的關鍵。第二個因素是資金因素，數字化轉型是一個需要長期、大量投入的項目，但目前地方檔案部門能夠獲得的資金支持非常有限。第三個因素是觀念層面的因素，總體上看地方檔案部門思想還是有點僵化和保守，還沒有找到既能確保安全又能高效開放利用的路徑，且對數字化轉型的整體認識還不足，缺乏戰略思維。第四個因素是理論層面的因素，數字化轉型缺乏理論的支撐。到目前為止，檔案工作數字化轉型的一些基本的理論問題，包括什么是、為什么和怎么做等重要問題都沒有得到系統研究和解答。第五個因素是系統建設的問題，對于電子檔案的管理，前后端系統對接工作成本高、難度大。檔案業務系統（數字檔案館 / 室系統）建設當中，有一些線下檔案業務流程轉到線上之后，因功能不完善還未真正發揮作用。另外，線上業務建設仍停留在收存管用等功能。第六個因素，技術層面的因素，地方綜合檔案館的數字技術應用方式和場景還比較單一，未能從轉型角度重構原有業務。數字化轉型涉及的系統和軟件的更新換代和改造升級問題仍然是技術困擾之一。第七個因素，業務層面的因素，基礎業務底子薄，包括開放審核工作不到位、數字化質量參差不齊等。第八個因素是組織層面的因素，組織準備度不足，目前地方綜合檔案館的職能定位、崗位設置、部門職責劃分無法滿足數字化轉型的要求，尤其是不能滿足數據治理和信息開發利用的需求。此外，還有安全層面的因素，如數據安全風險大；利用層面的因素，如數據共享利用難等諸多因素。

關于檔案事業與新技術的融合問題，筆者認為檔案部門應保持清醒的頭腦，以業務需要為出發點，哪些技術能夠真正為檔案業務工作提質增效，那就要敢于接受和使用，當然也得考慮技術應用的成本效益問題。關于大語言模型為代表的人工智能技術對檔案學的影響，筆者覺得這可能會是加速推進企業檔案部門知識服務真正落地實現的機會，并且對檔案館智庫功能的發揮起到一些支撐作用。所以，從檔案學研究的角度來說，或許可以重點關注一下如何結合大模型和檔案領域小模型來更好地實現知識服務和智庫建設。對于區塊鏈技術的落地問題，筆者認為區塊鏈技術僅僅是用來保障檔案真實的一種方案，是否是最佳方案，尚無定論，但檔案部門不能把保障檔案真實性這一職業追求，僅僅寄托在區塊鏈技術上。關于當前檔案學人才培養面臨的問題，筆者認為最大挑戰就是數字化轉型的沖擊，最大的問題就在于檔案界被這種沖擊傷得不輕。在數字化轉型的沖擊下，檔案界還沒有很快地找到檔案學未來的方向和應對沖擊的對策。到現在為止，學界都依然抱著一種僥幸心理，認為檔案學教育還沒有到一個必須求變的臨界點。但如果一定要以檔案部門對人才需求的角度去看的話，很多高校目前培養的檔案學專業人才已經有點跟不上時代發展了。現有的知識體系、課程體系都有點陳舊，已經到了檔案學教育變革的臨界點了，需要進行新的教學方式方法和課程的設計。

▍楊建梁：

第一，大語言模型的崛起與變革性影響。大模型與檔案事業正在同向發展，同頻共振。大語言模型的出現和發展為人工智能領域帶來了深遠的變革，特別是在任務處理、模型泛化和交互模式方面。大語言模型為人工智能領域帶來的系統性變革主要體現在三個方面。首先是從判別到生成的任務變革。傳統的人工智能任務多為判別任務，例如人臉識別和檔案審核等。而大語言模型則主要執行生成任務，如根據輸入生成相應的文本，且生成任務的復雜性和難度遠高于判別任務。通過生成任務，大語言模型可以實現檔案的多維標注和語義分類。其次是從單一到通用的變革。傳統的人工智能模型通常針對特定任務進行訓練，缺乏泛化能力。而大語言模型則具有強大的泛化能力，可以處理多種任務，如翻譯、問答等。這種通用性使得大語言模型有望成為通用人工智能（AGI）的基礎，能夠在各個領域達到人類智力水平。最后是從訓練到交互的模式變革。傳統的人工智能模型需要大量高質量的標注數據進行訓練，而大語言模型則通過交互模式進行任務處理。用戶可以通過提示和增強方式與模型進行交互，使其根據需求生成相應的結果。這種模式變革大大簡化了模型的使用過程，提高了效率。

第二，大語言模型與檔案事業的相互賦能。大語言模型和檔案事業之間存在著相互賦能的關系，前者提升了檔案管理和開發的智能化水平，后者為大語言模型提供了寶貴的數據資源。大語言模型在檔案業務中的應用主要體現在智能鑒定、開放審核、語義組織和庫房管理等方面。例如，通過大語言模型的語義理解和生成能力，可以實現檔案的智能分類和標注，提升檔案管理的效率和準確性。大語言模型能夠自動識別和提取檔案中的關鍵信息，生成詳細的標簽和分類，從而簡化檔案管理流程，減少人工干預，提高工作效率。在檔案開發利用方面，大語言模型也發揮著重要作用。例如，通過大語言模型，可以實現智能編研、知識工程和數據化開發等任務。大語言模型能夠從海量檔案數據中提取有價值的信息，進行知識抽取和可視化展示，提升檔案開發利用的深度和廣度。通過大語言模型的知識圖譜構建和語義分析能力，可以將分散的檔案信息整合成系統化的知識體系，便于用戶進行深度研究和應用。檔案部門也能夠為大語言模型的發展提供重要支持。大語言模型的訓練需要大量高質量、可信的數據，而檔案部門正是高質量數據的重要來源。通過提供高質量的檔案數據，可以提升大語言模型的訓練效果，增強其在特定領域的應用能力，幫助模型更好地理解和處理檔案相關任務。

第三，大語言模型在檔案領域的應用實踐。大語言模型在檔案領域的應用實踐中展現了強大的文本理解和生成能力，顯著提升了檔案管理和開發的智能化水平。大語言模型在檔案管理中的應用，極大地提高了檔案的處理效率和準確性。通過智能化的文本理解和生成能力，大語言模型在檔案審核、標簽生成和知識問答等方面展現了強大的應用潛力。利用大語言模型的文本理解能力，可以實現檔案的智能開放審核。傳統的開放審核需要大量標注數據，而大語言模型通過無監督學習和上下文理解，可以快速適應不同場景，提供高準確度的審核結果。大語言模型能夠自動識別檔案中的敏感信息和隱私數據，進行智能化審核和篩選，確保檔案的開放性和安全性。大語言模型還可以用于檔案標簽的生成和知識發現。例如，通過大語言模型，可以自動生成檔案的標簽，提取檔案中的實體關系，提升檔案管理的智能化水平。大語言模型能夠根據檔案內容自動生成詳細的標簽和分類，幫助檔案管理人員更好地組織和檢索檔案信息。例如，通過檢索增強技術，可以為大語言模型提供參考資料，使其回答更加準確和可信。大語言模型能夠根據用戶的提問，自動檢索和整合紅色檔案中的相關信息，提供準確詳盡的回答，幫助用戶更好地了解和研究紅色檔案。

第四，大語言模型在檔案領域的挑戰與未來展望。盡管大語言模型在檔案管理中展現了巨大的潛力，但其應用也面臨著不可信、不可靠和不可用的挑戰。通過信任數據、信任參考和信任推理等方法，可以有效解決這些問題，并進一步提升大語言模型在檔案領域的應用效果。大語言模型在生成文本時，可能會出現AI幻覺，即生成不真實或不準確的內容。為了解決這一問題，可以通過信任數據、信任參考和信任推理等方法，降低AI幻覺的可能性。例如，在訓練模型時使用高質量的數據，在生成過程中提供真實的參考資料，確保推理過程的可信性。大語言模型生成的結果具有隨機性，同一問題的回答可能會有所不同。為了解決這一問題，可以通過人類反饋強化學習和參數設置，控制生成結果的隨機性，提高模型的可靠性。大語言模型的訓練和部署需要大量計算資源，而檔案部門通常資源有限。為了解決這一問題，可以采用更小規模的模型，結合檔案業務的具體需求進行微調，降低計算資源的消耗，提高模型的可用性。未來，大語言模型可以通過多智能體機制，實現更復雜的任務處理。隨著大語言模型技術的不斷進步，檔案事業將實現更高水平的智能化和信息化。

▍司徒凌云：

基于前期研究多模態南海疆維權證據鏈問題，筆者更關注新技術如何應用于多模態南海疆檔案資料的管理開發，服務南海疆域的維權維穩，主要涉及四點內容：

第一，南海疆檔案資料的管理開發是支撐中國南海疆權益維護的迫切任務。大國博弈背景下，南海疆維權關乎國家安全、區域和平與亞太經濟發展。隨著美、英等域外勢力的持續介入，南海局勢愈發緊張。美國政治上主導“南海新政”，實行南海安全多邊主義；外交上拉攏英、法、德拼湊“印太版北約”，將“四國機制”向南海蔓延；軍事上在南海區域部署優勢兵力，實施“綜合威懾”。英國提出“不得損害第三方利益”的主張，阻撓中國主導的“南海行為準則”磋商。加之菲律賓挑起的“南海仲裁案”“仁愛礁非法坐灘”，以及聲索國的單邊行動等，使得中國南海疆維權工作面臨嚴峻挑戰。南海疆檔案資料作為一類特殊的數據資產，對于論證中國擁有南海領土主權有著極其重要的價值。為此，收集整理南海疆檔案資料，進行有效的管理與開發，挖掘有效證據、梳理證據關系、組織證據鏈條，構建多模態南海疆維權證據鏈，已成為支撐南海疆維權的迫切需求與重要任務。

第二，南海疆檔案資料的數字化是多模態南海疆維權證據鏈構建的基礎前提。南海疆檔案資料的收集與整理已經取得階段性成果。以南京大學中國南海研究協同創新中心沈固朝教授為代表的研究團隊，耗時十余年，在對南海疆檔案資料進行人工收集、整理、編碼以及數字化的基礎上，初步建立了文獻數據庫、法律數據庫、地圖數據庫、網絡信息數據庫、影像數據庫、民國檔案數據庫、索引數據庫以及外國檔案數據庫等眾多數據庫在內的南海疆全文數字資料庫群，實現了南海檔案資料從“紙質文獻”向“數據資產”的“數字化”轉型，為南海疆檔案資料的開發利用、南海疆維權證據鏈的構建奠定了強有力的數據基礎。

第三，南海疆檔案資料的圖譜化是多模態南海疆維權證據鏈構建的關鍵核心。盡管數字化的全文數據庫群可在一定程度上減輕人們在傳統文獻中皓首窮經的時間耗費，但要從成千上萬的圖書、論文、網頁、地圖等數字載體上高效、便捷地讀取所需的關鍵證據信息，仍然非常困難。南海疆檔案資料具有多時態、多樣態、多語言、多載體、多學科等多模態特征，以關系型數據庫技術為代表的南海疆檔案資料管理依舊存在“知識粒度粗”“關聯關系簡單”，以及“智能化程度低”等問題。為此，我們融合情報學理論、領域知識組織與知識服務方法，以及多模態知識圖譜等技術，研究了多模態證據實體的智能化抽取表示，包括證據實體的界定標準、抽取算法，以及結構化表示；多層次證據關系的智能化識別鏈接，包括屬性層關系、邏輯層關系，以及證明層關系；多場景證據鏈條的智能化組織呈現，包括司法維權場景下的證明鏈條組織、外交博弈場景下的邏輯鏈條組織，以及教育宣傳場景下的敘事鏈條組織。通過“迭代式、增量式、反饋制導”的方式進一步推進多模態南海疆維權證據鏈的構建，開發了南海疆證據知識圖譜系統，實現了南海疆檔案資料的“數字化”向“圖譜化”的升級，為南海疆權益維護以及南海疆史地研究提供工具與系統支撐。

第四，南海疆檔案資料的模型化是多模態南海疆維權證據鏈應用的重要形式。圖譜化的南海疆檔案資料管理保證了檔案資料的真實性、可靠性與結構一致性，實現了“場景化、規則式”的細粒度知識鏈接，提供了“查詢式”的知識交互，但是面臨知識庫規模小、隱性知識關聯組織有限、交互方式傳統等問題。以ChatGPT為代表的大語言模型技術，實現了變革式的知識組織與知識服務。依托海量數據、超強算力與學習算法訓練的大語言模型，可以實現基于自然語言交互完成文本、圖像、視頻等多模態數據的生成、理解與管理，但同時也面臨“幻覺”“遺忘”，以及“可解釋性差”等挑戰。為了充分融合多模態知識圖譜與大語言模型兩種代表性技術的優勢，我們基于LangChain框架設計并實現了南海領域大語言模型，實現了南海疆檔案資料的模型化，融合檢索增強生成（RAG）對大語言模型輸出進行優化，使其在生成響應內容之前引用訓練數據之外的權威數據庫，即我們前期構建的多模態南海疆證據知識圖譜系統，從而保證生成內容的可信性與可解釋性。南海領域大語言模型強大的語言理解與交互能力，為多模態南海疆維權證據鏈的場景化應用提供了更多的可能性。

多模態南海疆檔案資料的管理開發之路經歷了從數字化、圖譜化到模型化的變遷，每一步的管理開發都緊密融合了當時最先進的技術。相信只有通過檔案事業與先進技術的雙向融合，才能與時俱進的實現檔案資料的開發利用，讓檔案資料真正的“活起來、用起來”，切實服務國家重大戰略需要。

▍蘇煥寧：

在數字時代做檔案工作和研究是無法回避信息技術的，但多數檔案工作者往往又不太擅長技術，因此筆者從一個比較宏觀的視角來談談當前的技術對檔案工作的一些影響。

第一，檔案事業與新技術究竟是雙向融合還是單向賦能？雖然目前各種技術普遍應用于檔案領域，但這種融合的狀態更多是建立在信息技術賦能檔案工作的基礎上的，甚至有時可以說是技術對我們的滲透。檔案工作依靠技術得以提升是肯定的，反之檔案工作推動技術進步的案例好像并不多。檔案處于業務末端，加上較強的風險管理意識，往往更傾向于成熟技術的直接應用。傳統檔案保護修復時有新技術的研發，但在信息領域透過檔案事業得以發明創造或者大幅提升的技術很少，相比之下更為適合的表達是檔案工作豐富了某項信息技術的應用場景并使之不斷完善。因此所謂的融合需要以檔案業務需求為核心去考量，一方面，盡管現在注重交叉學科的人才培養，但比起技術教學更需要的是對專業情懷和專業素養的培養，這是我們的根基和初衷；另一方面，檔案部門和技術部門需要建立以檔案業務需求為核心的相互理解與支持。

第二，從檔案管理目前采用的主流技術中分析其特征和問題。根據近三年國家檔案局立項的科技項目，檔案工作與技術的融合大概可以從三個方面來看：一是技術環境作為背景來研究工作的開展，例如互聯網+、大數據、人工智能、檔案云、BIM等；二是傳統檔案保護技術的研究，如紙張脫酸、字跡恢復等，占更大比重的是信息技術的應用，如大家耳熟能詳的區塊鏈、人工智能、知識圖譜、可視化等在檔案真實性保障、檔案鑒定、檔案開發利用等方面的應用。可以看到，技術應用的目標在于服務不同的檔案管理工作，那么從整個檔案管理的全鏈條來看，就并非某一個單項技術能支撐的，而需要通過多種技術的疊加來保障。這一過程就會導致面對不同階段的檔案管理的需求，所采用的技術有所沖突。舉例來看，一方面，檔案真實性可以通過各種驗證技術的互證來保障，理論上驗證技術越多越強就越能保障檔案真實性，但各種技術本身的長期保存，就會成為檔案長期保存之外所要面臨的重要問題。另一方面如上海大學的于英香教授所提，固化技術對于檔案的真實性保障必不可少，但對于檔案資源的開發而言，檔案內容的固化卻成為一種障礙。因此如何實現技術選用的邏輯平衡，是值得我們思考的一個問題。

最后是對技術選用的探討，即面對日新月異的技術，檔案部門與檔案工作者應該怎樣應對。調研發現，很多時候技術對檔案工作的支撐是足夠的，而往往掣肘的是一些制度問題。例如在最容易碰到的單套制歸檔中，很多調研單位都反映開展單套制的技術條件已經很完善了，但目前不敢放心大膽推進，原因就在于沒有獲得完全的政策支持。又如，在其他領域比較火的區塊鏈技術，其最大的優點在于分布式的信息存儲和驗證，但在我國集中統一的檔案管理體制要求下，區塊鏈的應用成效或優勢似乎沒能很好地體現。此外，對技術的選用還需要考慮兩個成本：一是試錯成本，檔案資源的原始性決定了它相比其他資源而言的稀缺性甚至是唯一性，這客觀決定了檔案工作中的容錯機制彈性不足。對此，針對檔案的副本或內容開發的技術會更容易落地，而涉及檔案本身的一些技術選用就會十分謹慎。二是經濟成本，盡管理論上看技術可以實現，但需要花費的經濟成本卻難以承受。還是以單套歸檔為例，“歸不全”的一個重要原因即只有一個檔案管理系統很難與各式各樣的業務系統對接。理論上講，只要建設的檔案管理系統包羅萬象，有適配多個業務系統的完善的接口，也包含各業務系統的核心功能，那么與業務系統的數據對接的問題即可迎刃而解。但事實上要建設這樣一個檔案管理系統的成本可能至少是各個業務系統成本的簡單相加，從經濟成本來看，這種技術開發和應用的必要性就大打折扣，因此經濟成本是技術選用時影響決策的一個很重要的因素。

總之，檔案事業和技術的融合是必然的也是必要的，但正所謂“合適的才是最好的”，我們無法做技術的追風者，真正需要的是找準某一領域或某項技術，切實地去推動和實現這種雙向的融合。

▍潘未梅：

新一代人工智能與檔案事業雙向融合應體現為：一方面，人工智能技術賦能檔案工作自動化與智能化發展；另一方面，檔案學理論、方法與實踐貢獻于人工智能技術的“向上”“向善”發展。

第一，人工智能技術賦能檔案工作自動化與智能化發展。人工智能技術可以助力檔案工作的自動化與智能化轉型升級。在當前數字轉型持續推進的背景下，檔案工作面臨檔案數據體量大、非結構化程度高、信息過載、利用不充分、傳統管理方式和方法效率低等問題，急需相關工具的輔助。因此，探討人工智能輔助檔案工作的開展十分必要。近年來，我國檔案領域針對人工智能在檔案領域的應用已展開積極的探討。在此過程中，學者們普遍認為應從“檔案+人工智能”逐漸向“人工智能+檔案”轉變，強調人工智能的應用應充分考慮檔案本身的性質及檔案工作的特點，使之符合檔案行業的價值取向與工作原則。易言之，我們應關注人工智能“如何”“更好地”與檔案工作融合。

在對我國國家及27份省級“十四五”檔案事業發展規劃中人工智能相關內容進行分析后發現，19份分別在數字檔案館建設（13）、檔案信息深層加工和利用（5）、檔案開放審核（3）、檔案行政監管（1）等工作領域的內容中提及應用“人工智能”；有10個省級規劃倡導探索人工智能等新一代信息技術在檔案全鏈路管理中的應用研究，形成一批標志性成果，運用信息技術解決檔案工作中的堵點和難點問題。比如，上海市的規劃提到“大數據、云計算、人工智能、區塊鏈、機器學習、數字人文等在檔案收集、保管、共享利用領域的應用等重點內容開展科研攻關并取得成果”。

在對我國37個人工智能技術應用于檔案工作業務環節案例的分析中，發現目前人工智能技術的應用在廣度上基本覆蓋了檔案管理的全部環節，包括：收集（2）、整理（包括分類）（4）、歸檔（1）、修復（2）、著錄（3）、鑒定（包括確定保管期限、開放審核、保密）（9）、數字化（包括數據化、成果質檢）（6）、檢索（9）、開發利用（包括編研、文化傳播、信息共享）（9）、檔案服務（包括查檔）（3）、檔案安全（包括門禁系統、元數據采集、“四性”檢測）（4）。

具體到各個環節所應用的具體的人工智能技術，調查結果顯示，各個業務場景所應用人工智能技術整體是一致的。例如，鑒定環節多應用自然語言處理、機器學習、深度學習與計算機視覺技術。對于具體技術在各環節的使用情況，計算機視覺技術是覆蓋應用場景最多的技術，可能的原因是要進行數據化識別，首先需要數字化，做準備工作。

在國際層面，芬蘭國家檔案館《2025戰略》指出：國家檔案館推進基于人工智能和現代科學方法的數據管理、數據開放獲取和可持續發展。瑞士聯邦檔案館《2021—2025年發展規劃》指出：在數據分析和歷史研究中探索人類專業知識與人工智能的結合，以便為客戶提供最好的支持。美國NARA《2020認知技術白皮書》指出：使用人工智能技術識別符合處置條件的文件，并自動將其銷毀或轉移到ERA。以上均是在特定環節提出探討人工智能技術的應用。

對國外39個人工智能技術的具體應用的案例進行分析后發現，其覆蓋的業務環節聚焦于檔案轉錄，即OCR識別。說明國外各國水平差距不大。在人工智能的應用上，目前人工智能技術的應用所覆蓋的領域、國家有一些差別，但較為全面。

人工智能技術應用于檔案工作時，須關注檔案學的理論與方法。開放鑒定、自動著錄、價值鑒定，不是一個單純依賴人工智能技術的過程，還需要人工介入，需要相關理論的支持。早在1987年，美國檔案工作者在做早期研究時即提到，應用人工智能技術輔助檔案工作時，檔案工作者應積極參與，包括技術的選擇、應用，否則只能單純使用人工智能來解決檔案學的工作，檔案學理論和方法的相關性將逐漸降低。

從另外一個角度講，關注檔案學理論和方法可以使人工智能技術更好地去做檔案工作。例如，在開展檔案分類時，如果是使用基于關鍵背景信息（古文書學范疇內）對人工智能進行訓練，結果則優于專家的人工分類。這顯示，關注檔案學的理論和方法會讓結果更準確。另外，相關研究也認為，著錄在內的檔案管理工作是應用機器學習算法的必要準備步驟。

此外，人工智能技術在檔案領域的應用會帶來檔案工作的整體轉型升級。比如檔案資源的數字化程度提高，對檔案著錄作用及檔案工作標準的思考以及檔案工作者職業框架的更新等。檔案工作者內部就檔案學的理論存在分歧。人工智能的應用將迫使我們重新思考我們的理論與方法。對于檔案著錄標準，需思考檔案著錄的元素是否有必要結合人工智能進行調整。由此帶來的不僅從是AI技術的原始吸納，還有檔案工作生態環境的系統變化，檔案工作的自我重塑。

第二，檔案學理論、方法與實踐貢獻于人工智能技術的“向上”“向善”發展。新一代人工智能技術與檔案事業的雙向融合，從檔案學與人工智能的融合來看，其實應該是檔案學如何貢獻一個學科的力量，利用其擅長之處推動人工智能向前發展。

一方面，檔案數據是高質量、可信的數據，人工智能學習的數據如果存在偏差，就會直接帶來結果的偏差。檔案數據本身是真實的、可信的，可以為人工智能的發展做出貢獻。另外對于如何防止數據存在偏差，檔案學一直致力于全面記錄社會，保證數據記錄的全面性、包容性、透明度等，隱私的規范處理等。其在這些領域的積累可以為數據的收集、標注等提供參考。

另一方面，對于可解釋人工智能的問題，在檔案學領域，“可解釋”的概念過于寬泛，例如，為誰解釋？解釋過程是什么？解釋的結果是什么？AI領域也在探索利用文件記錄相關過程以提高AI的可解釋性。檔案學領域認為文件可以被視為一種解釋，而文件管理職業應作為信息第三方參與協助生成對AI的解釋并進行解釋的傳遞和闡明，這也體現為對AI的記錄與保存。

（責任編輯：劉鴻浩 張 帆）