激活數(shù)字服務(wù)平臺(tái)，給“養(yǎng)在深閨”的古籍注入新的生命力
古籍，即1912年之前經(jīng)過(guò)刻印、抄寫等方式所生產(chǎn)出版的圖書和文獻(xiàn)，用來(lái)傳承文明、普及教育以及記載歷史，承載厚重的歷史和文化。相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，我們已完成普查的270多萬(wàn)部古籍中，僅有7萬(wàn)多部可供線上閱讀，更多海量古籍文化資源亟待數(shù)字化，這也是當(dāng)下古籍保護(hù)、傳承與開放的重要課題之一。目前上海古籍出版社推出的“匯典·古籍?dāng)?shù)字服務(wù)平臺(tái)”引起業(yè)界關(guān)注，該平臺(tái)聚合上海、長(zhǎng)三角乃至更廣泛地區(qū)出版社的優(yōu)質(zhì)古籍資源，利用最新光學(xué)文字識(shí)別(OCR)、自然語(yǔ)言處理、大規(guī)模語(yǔ)料庫(kù)和機(jī)器學(xué)習(xí)標(biāo)點(diǎn)等古籍智能算法技術(shù)，建設(shè)面向傳統(tǒng)文化與古籍行業(yè)的知識(shí)服務(wù)平臺(tái)。
“北方有中華書局‘籍合網(wǎng)’，南方有上海古籍出版社‘匯典’。”復(fù)旦大學(xué)圖書館副館長(zhǎng)、中華古籍保護(hù)研究院常務(wù)副院長(zhǎng)楊光輝表示，古籍?dāng)?shù)字化對(duì)于中華古代文明的傳承、保護(hù)和利用有著積極的促進(jìn)作用，這一平臺(tái)一方面可以把上海古籍出版社多年積累起來(lái)的古籍文化資源通過(guò)數(shù)字化的方式向大眾普及，另一方面也可以加速古籍?dāng)?shù)字轉(zhuǎn)化和出版的流程，推動(dòng)相應(yīng)出版產(chǎn)業(yè)領(lǐng)域的數(shù)字化發(fā)展。
經(jīng)歷數(shù)十年發(fā)展的古籍?dāng)?shù)字化之路任重道遠(yuǎn)
《上海市全面推進(jìn)城市數(shù)字化轉(zhuǎn)型“十四五”規(guī)劃》指出，要“深化文化大數(shù)據(jù)體系建設(shè)，推進(jìn)文化資源數(shù)字化”，在媒介大融合、知識(shí)大融通的時(shí)代背景下，實(shí)現(xiàn)以數(shù)字技術(shù)推動(dòng)優(yōu)秀傳統(tǒng)文化的傳承創(chuàng)新。古籍?dāng)?shù)字化，是保護(hù)和合理利用古籍的方向。復(fù)旦大學(xué)古籍整理研究所研究員石祥在接受記者采訪時(shí)說(shuō)，“古籍的‘用’和‘藏’之間是矛盾的，誰(shuí)都想來(lái)翻一翻，時(shí)間久了必然影響古籍的保護(hù)”，而數(shù)字化之后，古籍“母本”就不用冒著各種風(fēng)險(xiǎn)“拋頭露臉”了。同時(shí)，“養(yǎng)在深閨人未識(shí)”的古籍可以在數(shù)字化之后走出“深閨”，可不受時(shí)間、地域限制滿足更多讀者的閱讀需求，實(shí)現(xiàn)一對(duì)多、點(diǎn)對(duì)面、虛對(duì)實(shí)的變化。
從“將紙質(zhì)書變?yōu)殡娮訏呙璋?rdquo;的“采集側(cè)”到“將電子掃描版變?yōu)槲淖职?rdquo;的“生產(chǎn)側(cè)”，再到“將文字版變?yōu)楣偶袑W(xué)系統(tǒng)”的“應(yīng)用側(cè)”，古籍?dāng)?shù)字化流程并不復(fù)雜。在數(shù)十年歷史發(fā)展中，有兩個(gè)分水嶺。其一是上世紀(jì)80年代，美國(guó)華裔學(xué)者陳炳藻提出用計(jì)算機(jī)統(tǒng)計(jì)《紅樓夢(mèng)》的字詞，計(jì)算機(jī)技術(shù)和人文研究逐漸開始結(jié)合。其二是1999年，被譽(yù)為“大型中文電子出版工程的典范書”文淵閣《四庫(kù)全書》電子版問(wèn)世。
在數(shù)十年的發(fā)展中，我國(guó)的古籍?dāng)?shù)字化取得一定成效——國(guó)家圖書館的“中華古籍資源庫(kù)”已在線發(fā)布超過(guò)3.3萬(wàn)部古籍影像;中華書局的“中華經(jīng)典古籍庫(kù)”已發(fā)布3000多種、15億字的點(diǎn)校本古籍;愛如生公司的“中國(guó)基本古籍庫(kù)”收書1萬(wàn)種，既有可供檢索的全文，又有古籍原版圖像。但與此同時(shí)，古籍?dāng)?shù)字化推進(jìn)之路也鋪滿荊棘。究其原因，一方面源于古籍成本，據(jù)上海古籍出版社數(shù)字出版中心負(fù)責(zé)人侯君明透露：“大多古籍獲取成本不菲，此外制作、版權(quán)、平臺(tái)開發(fā)以及版權(quán)保護(hù)技術(shù)研發(fā)等方面費(fèi)用高昂。相對(duì)而言古籍?dāng)?shù)字化回報(bào)周期卻又比較漫長(zhǎng)。”另一方面，根據(jù)全國(guó)古籍普查工作要求，要對(duì)全部古籍鑒定編目，具體包括書名、卷數(shù)、作者、版本、存卷、冊(cè)次、藏印等項(xiàng)目，須逐一厘清，工作量巨大，對(duì)編目鑒定者的業(yè)務(wù)水平要求頗高。
事實(shí)上，我國(guó)目前尚存在大量現(xiàn)有的古籍?dāng)?shù)字化資源呈黑白影像，分辨率較低，難以滿足讀者和研究人員的需要。
加速古籍?dāng)?shù)字轉(zhuǎn)化，利用新技術(shù)整合海量古籍知識(shí)體系
上海古籍出版社總編輯呂健表示，古籍整理是一項(xiàng)古老的事業(yè)，而數(shù)字化則屬于當(dāng)下，數(shù)字化轉(zhuǎn)型代表著產(chǎn)業(yè)的前沿。在古籍亟待數(shù)字化的當(dāng)下，“匯典·古籍?dāng)?shù)字服務(wù)平臺(tái)”的出現(xiàn)猶如一道曙光。這一平臺(tái)的OCR系統(tǒng)、自動(dòng)標(biāo)點(diǎn)與自動(dòng)標(biāo)引技術(shù)開發(fā)都已初見成效。其中OCR技術(shù)可以迅速識(shí)別一本書，準(zhǔn)確率達(dá)93%。達(dá)到理想準(zhǔn)確率的機(jī)器標(biāo)點(diǎn)后，剩下的疑難問(wèn)題通過(guò)專家學(xué)者可以較快完成，把學(xué)者從大量簡(jiǎn)單重復(fù)的勞動(dòng)中解放出來(lái)。
有著OCR的文本生成技術(shù)、自然語(yǔ)言處理的文本整理與標(biāo)引等先進(jìn)技術(shù)的加持，大量?jī)?yōu)秀古籍可以在準(zhǔn)確權(quán)威的平臺(tái)上與公眾、專業(yè)研究人員面對(duì)面，使用效率大幅提高，有力促進(jìn)海量?jī)?yōu)秀傳統(tǒng)文化信息便利快捷有效利用。這一平臺(tái)還通過(guò)解析上海古籍出版社海量古籍資源內(nèi)容，對(duì)其進(jìn)行知識(shí)結(jié)構(gòu)化揭示，重構(gòu)原有的古籍內(nèi)容組織形式，并創(chuàng)建全新的知識(shí)模塊，實(shí)現(xiàn)古籍資源的知識(shí)化、專業(yè)化服務(wù)。
通過(guò)技術(shù)的加持，從內(nèi)容可利用的深度和廣度上使古籍里的文字快速“活”起來(lái)。侯君明表示：“利用新技術(shù)整合海量古籍的知識(shí)體系，深入闡釋中華文化的歷史淵源、發(fā)展脈絡(luò)、基本走向，有助于推動(dòng)有中國(guó)底蘊(yùn)、中國(guó)特色的思想體系、學(xué)術(shù)體系和話語(yǔ)體系的構(gòu)建。從再生性保護(hù)的角度，古籍?dāng)?shù)字化技術(shù)對(duì)中國(guó)優(yōu)秀傳統(tǒng)文化的普及、研究與傳承具有重大意義。”
推動(dòng)古籍的數(shù)字化進(jìn)程，不僅是內(nèi)容的數(shù)字化，更是思維的數(shù)字化。編、印、發(fā)是傳統(tǒng)出版的基本流程，在數(shù)字化項(xiàng)目實(shí)踐過(guò)程中，這些傳統(tǒng)的工作流程也在逐漸接受來(lái)自數(shù)字化思維的積極影響。在楊光輝眼中，普通掃描技術(shù)向三維高清掃描的迭代發(fā)展，互聯(lián)網(wǎng)向物聯(lián)網(wǎng)的轉(zhuǎn)變，古籍?dāng)?shù)字化向數(shù)字人文進(jìn)化，藏在圖書館的書可以通過(guò)數(shù)字出版技術(shù)，打通虛擬和現(xiàn)實(shí)之間鴻溝，傳統(tǒng)館藏資源通過(guò)新媒介形成“元宇宙”，也并非遙不可及。
記者 汪荔誠(chéng)
