1919年，胡适在《新青年》杂志上发起了著名的“整理国故”运动，旨在“研究问题、输入学理、整理国故、再造文明”。一个世纪过去了，整理古籍任务仍然艰巨。书卷浩如烟海，人才门槛高筑，无不令专家感叹：“想完成全部古书的整理，可能得300年。”

　　而当古老的文化载体遇见最年轻的技术手段，伟大的奇迹或许就会显现。在机器学习和成千上万志愿者助力下，一本本尘封的古书被一一翻开。

　　近日，“我用AI校古籍——我是‘校书官’古籍大众智能整理计划（2025年）”（以下简称“我是‘校书官’”项目）在武汉大学启动。该项目吸纳了上万名志愿者，预计将在一年内整理数千万字的古籍，并将整理结果在“识典古籍”平台上向大众免费呈现。

　　如果说修复和整理古籍是与时间赛跑，AI就好比戴宗的“神行甲马”，实现了整理速度的几何级提升。

　　从小作坊到流水线，整理速度提升20倍

　　华东师范大学古典文献学在读博士生刘帅曾经怀疑过AI。2017年他用过古籍整理软件，感觉其颇为鸡肋。然而，2024年9月，当听到“我是‘校书官’”项目借助“识典古籍”平台，一个月整理了5000多万字的古籍时，他震惊了：“我一年能整理几十万字就很了不起了。”

　　“识典古籍”整合了国内顶尖AI研发团队的开发能力和北京大学深厚的学术积淀。古籍整理被拆分成许多环节，主要包括文字识别、文字校对、结构整理、标点校对等。这些环节借助AI，大大节省了人力。

　　打开“识典古籍”平台，上传一张古籍图片后，光学字符识别（OCR）技术将对图片中的人名、地名、书名、时间和职官，平台可以自动标记。对于OCR不确定的字，会用不同颜色标记出来，便于定位这些文字，然后参照底本修改。在文字精校环节，可以匹配两套不同的文本，在文字校勘环节，可以比较差异、撰写数字校勘记……

　　北京大学数字人文中心副主任杨浩做过测试，AI自动标点准确率超90%，翻译古文也达到专家水平。“古籍标点是一大难点。”刘帅说，如今他遇到疑问，就会去对照“识典古籍”的自动标点——有点像围棋爱好者向AlphaGo学棋。

　　杨浩说，传统的古籍整理以出版为目的，正确率要求极高，相应门槛也高，即便古籍专业的学生也经常出错，难以独立承担项目。大部分项目都是一个专家负责一种书，从头做到尾，因此效率很低。

　　现在有了机器学习，AI在阅读大量人类成果后，对古文具备了相当的“语感”。在“我是‘校书官’”项目中，AI先初步整理古籍，逐字校对，再由大众志愿者来校对，最后把难点提交给专家。“AI改变了工作流程，分包制度降低了门槛，传统的手工作坊变成流水线工厂了。”刘帅说。

　　AI的应用让对古籍感兴趣的人都可以参与进来。“我是‘校书官’”项目依托“识典古籍”平台，由全国22所高校承办，现已有数以万计的学生报名，许多人的专业可能与古籍无关。在去年的“我是‘校书官’”项目中，志愿者按水平被分为大众组和进阶组，前者负责粗校，后者负责精校。大众组已粗校整理了1643部古籍，进阶组精校整理了共计2451万字。

　　2024年9月，刘帅也参加了“我是‘校书官’”项目，头一个月初步整理出200万字的古籍，这是过去速度的20倍。接下来他每天抽出两三个小时，一个月就整理完一部49万字难度颇大的古籍，而且整理质量很高。整个项目3个月，刘帅校点、标注、排版、审阅的书一共191种，总字数达500万以上。

　　辨识“庐山真面目”，正确率节节攀升

　　把古籍从图书馆库房搬到电子资源平台，实现整理速度几何级提升，主要归功于AI“识古”的智慧——它能读出黯淡缺损的古书，或解读晦涩难辨的符号。

　　以前，古书很难数字化。传统的文字识别软件是为打印材料设计的。对于识别古书，机器经常“傻眼”：一个字往往有不同写法，字体风格不一样，书中还有并非汉字的笔画符号。另外，古书经常有折痕和破损缺字，墨迹黯淡，这也是为什么各大图书馆的古籍数字化多年来进度缓慢、严重依赖人工的重要原因。

　　培育专业“识字匠”往往需要多年时间，但有了机器学习，一些有难度的辨识工作，可由AI代劳。

　　国际上，AI复原庞贝古卷的成就，让人们对其潜力充满信心。公元79年被火山灰掩埋的赫库兰尼姆莎草卷轴已经碳化，无法展开。通过CT影像，人们得到了卷轴上微弱的墨水痕迹图像，但仍然无法识别。3位年轻人通过机器学习技术，从图像里推断出超2000个字符，连起来是一段与伊壁鸠鲁哲学有关的文字。这一消息2024年发布后，让国际古典学界非常兴奋。

　　AI辨识那些尘封已久的破旧古籍，有点像AI修复老照片。2024年，“我是‘校书官’”项目采用AI技术修复上千年前的敦煌古卷《汉书·刑法志》。AI学习了原版古籍的文字、笔画风格和页面纹理，把缺损文字按原来的字体、色彩、背景修复还原，最大程度确保与原古卷一致。另一个AI项目则补全了残缺的《兰亭序》清晰样貌，其笔画细节遵照王羲之的技巧风格。

　　“我们设置了‘追溯原本’功能，有疑问的话可以一键找到原文进行人工比对、校准。”抖音集团企业社会责任部古籍项目产品负责人王宇介绍，他们正在针对识别手写字、异体字、复杂版式、插图等精进算法，力求不断提升正确率。

　　全国高等院校古籍整理研究工作委员会副秘书长吴国武说，提高AI水平还需要更优质的训练数据。比如，一些已有的整理本，版权在整理者、出版社。“要想提升AI辨识力，需进一步建立共享合作机制，促进数据的开发与利用。”

　　目前，国内已有针对甲骨文整理识别的AI项目：通过阅读现存的海量甲骨文图像，AI整理出几千个甲骨文字符，并在不同甲骨文材料之间找到联系，为解读工作提供基础。

　　实际上，越是鲜有人问津的生僻符号，越适合AI展露身手。我国少数民族先后创制和使用过30多种古文字，国务院公布的六批《国家珍贵古籍名录》中，收录了少数民族古籍1133部，国家图书馆收藏的民族古文献就有18个文种，共34000多册件。这些古籍的数字化和整理工作更缺专业人才，也更需要AI的加持。“这些材料的数字化与整理，今后有望大量依靠AI来完成。”王宇说。

　　加快人才培养，让古籍走出“高阁”

　　国家古籍保护中心调查结果显示，我国现存20多万种古籍，存世50万个版本，古籍数量达3200多万册。我国从20世纪80年代就开始尝试古籍数字化，但受技术、资金、版权等因素限制，海量文献中实现数字化的不超过八万种，而且许多书只是完成了初步的影像扫描，真正实现文本数字化的不足四万种。

　　吴国武告诉记者，目前全国范围内专业从事古籍整理的人员仅有一万人左右。

　　海量古籍面前，现有的整理方式如同愚公移山。古籍整理专业人才匮乏，生产力低下，一直是阻碍“整理国故”进程的世纪难题。

　　百年前胡适痛感，古籍缺乏系统性导致“一般青年，对于中国本来的文化和学术，都缺乏研究的兴趣”，这一问题至今未得到很好解决。古籍研究仍是冷僻的学问，许多古籍从未向大众开放。

　　2022年，中共中央办公厅、国务院办公厅印发的《关于推进新时代古籍工作的意见》明确提出，推进古籍数字化。全国古籍整理出版规划领导小组印发的《2021—2035年国家古籍工作规划》则将“国家古籍数字化工程”列为四项重大工程之一，对相关工作进行详细规划。

　　“使用AI完成古籍整理的前期基础工作，效果很好。”吴国武把AI视为合作者，而不是简单的工具。在他看来，AI的加盟让全民得以了解甚至参与古籍整理这件事，可以说是广植“整理国故”的沃土。

　　例如，“识典古籍”平台已免费上线超16000部古籍资源，累计吸引上亿人次了解和阅读古籍，为1300余个外部团队的古籍整理工作提供帮助。这已成为文献学界近年来最瞩目的大事。

　　2024年底，著名的古籍整理工程《儒藏》与“识典古籍”平台展开合作。《儒藏》是新中国成立以来最大规模的儒学典籍整理工程，旨在收录自先秦至清末的所有儒学文献，预计总体达到10亿字。它没有采取相对容易的影印方式，而是志在整理出便于现代人阅读的文本，这给参与项目的学者带来了难以想象的工作量。引入AI后，影印文献的整理标注将大大加速，相关整理成果也会公布在“识典古籍”平台上，实现全民共享。

　　“AI可以帮学者快速定位到需要的材料，还支持同时比对10个以内的校本，让专家把宝贵时间都用来干技术含量高的活儿。”王宇介绍。同时，“我是‘校书官’”项目的进阶组志愿者，也有机会与《儒藏》工程的专家团队交流。这个以在校生为主的项目，或许能使他们中的一些人未来走上“整理国故”的专业道路。

　　AI的加盟也创新了古籍整理人才培养模式。吴国武介绍，目前高校里古典文献专业大多开设了数字人文相关的交叉培养课程；有7所高校已经申请了数字人文的本科专业，古籍整理也是重要方向。“交叉融合专业培养出来的人才，未来有望填补古籍专业大模型的人才缺口。”

　　去年以来，国内许多著名图书馆、博物馆也积极引入AI技术，保护和挖掘自己的馆藏古典资源。国家图书馆藏现存最早版本的元大德三山郡庠刻本《通志》、首都图书馆藏《皇朝礼器图》、浙江图书馆藏文澜阁《四库全书》……一系列珍贵典籍，将通过AI的修复，重光临世。

　　面对这一波热潮，刘帅很兴奋。他希望AI吸引更多的爱好者尝试整理古籍。“公众对古籍的关注、热爱和参与程度，决定了古籍整理的天花板有多高。我觉得自己站在一个时代改变的前夜。”他说。

　　AI的速度，人类无法企及，刘帅也曾担忧过自己会不会失业。但如今他认为，AI的“识古”基础是人工整理的高质量数据，无论技术如何发展，仍需要人去参透古书的秘密，使文化遗产薪火相传。

　　“降低古籍的阅读和整理门槛，始终是文献学的核心目的。”刘帅说。（采写：本报记者 杨 雪 策划：刘 恕 李 坤）