字節跳動人工智能訓練-tft每日頭條

（北京時間記者熊維熙報道）

近日，由“北京大學—字節跳動數字人文開放實驗室”研發的古籍數字化平台“識典古籍”測試版正式上線。目前，該平台涵蓋390部經典古籍，主要來自《四部叢刊》，共計3000多萬字，并在當日向公衆免費開放。據了解，上述實驗室系今年3月北京大學與字節跳動合作成立，将人工智能技術應用于古籍資源的智能化整理。“識典古籍”平台上線，是雙方合作的最新進展。

當前，我國的古籍數字化還處于初級階段，面臨技術難度高、資金缺口大、人才緊張等難點。相關資料顯示，現存的20多萬種古籍中，隻有8萬種完成影像數字化掃描，近4萬種完成文本數字化。據專家統計，從1949年到2019年，國内共修複整理出版古籍近3.8萬種，要将現存古籍全部修複整理出來，可能需要300年時間；若利用人工智能技術輔助修複整理，大概二三十年就能完成。

字節跳動人工智能訓練（北大攜字節跳動推出古籍數字化平台）1

“識典古籍”項目負責人現場講解

據“識典古籍”項目負責人介紹，平台當前主要使用了三種技術，包括文字識别、自動标點和命名實體識别。文字識别技術，是對古籍的影印版文字進行單個切分，再進行文字識别和順序識别；自動标點技術，是通過序列标注的方式對古籍自動進行标點劃分；命名實體識别技術，則是通過序列标注識别文本中的人名、地名、書籍、時間、官職等信息。據悉，目前行業内OCR識别準确率平均為93%至94%，“識典古籍”的準确率為96%至97%。

字節跳動人工智能訓練（北大攜字節跳動推出古籍數字化平台）2

未來，“識典古籍”将向全社會開放古籍閱讀檢索研究能力，還将實現全自動整理校對，更高效地實現存量古籍全部數字化。同時，平台也鼓勵擁有文獻的學者自行上傳文獻，用戶甚至可參與再創作和再闡釋，助力古籍文化傳承和研究。

在活化方面，抖音平台推出“尋找古籍守護人”計劃，旨在激勵創作者通過音樂、說書、繪畫、複原美食等形式，普及古籍知識、演繹古籍内容，讓古籍鮮活起來。未來三年，“識典古籍”将陸續完成一萬種古籍的智能化整理工作，基本覆蓋儒家、道家和佛學的核心典籍目錄，屆時将全部免費開放。