北京2022年9月26日 /美通社/ -- 日前，由上海世紀出版集團統一規劃、上海古籍出版社論證實施的"尚古匯典·古籍數字服務平臺"一期項目正式上線。該平臺是一個基于光學文字識別（OCR）、自然語言處理、大規模語料庫等智能算法技術，聚合上海世紀出版集團內部古籍資源，所形成的一個鏈接并服務古籍整理出版者、古籍專業研究者、傳統文化愛好者的古籍內容生產與知識服務的數字化開放平臺。浪潮信息與元腦伙伴上海華胄為上海古籍出版社提供技術支持，平臺現已涵蓋古籍整理1168種，總字數超過3億字，并且即將開放古籍OCR、自動標點、自動標引等工具。
AI加速推動古籍整理利用轉型升級
一直以來，古籍保護主要采用原生性保護方式，即把古籍當作"文物"保護起來，后來出現再生性保護方式，對古籍進行影印再造和影像保存，此種方式呈現的圖像整體質量較低，翻閱難度大，難以滿足讀者和研究人員的需要。近十幾年來，各種古籍數據庫服務開始興起，但是市面上的產品大多良莠不齊，缺少精品。
為增補完善國家古籍數字化基礎資源、全面盤活古籍核心文獻、完善古籍知識生產和服務模式，由上海古籍出版社打造的"尚古匯典·古籍數字服務平臺"于去年9月啟動，一期項目于近期正式上線，用戶可以實現古籍全文檢索、在線閱讀，同時提供聯機字典、紀年換算等實用工具。
在技術上，"尚古匯典·古籍數字服務平臺"將分別籌劃打造以知識生產及知識服務為目標的兩個技術平臺，即以古籍全文識別系統（OCR）、古籍智能整理系統、古籍智能算法平臺為基礎的知識生產平臺，和實現海量古籍文獻在資源層、內容層、語義層的關聯，以此構建的古籍知識服務平臺。
元腦伙伴上海華胄助力打造先進算力底座
古籍的提取并不是一件容易的事情，由于年代久遠、水解、氧化、微生物降解等原因，很多古籍都難完整保留下來，科研人員需要對其進行更大規模的提取，以獲得更多的有效數據。
無論是古籍的分析還是提取，或是針對研究數據的處理，背后都對算力提出了極高的要求。過去科研人員通常使用臺式機和普通的服務器進行一系列數據分析，單次處理的古籍數量非常有限。隨著古籍技術平臺的升級，科研人員的捕獲能力得到增強，實驗所得的古籍文字量大幅提升，繼而帶來了巨大的數據處理任務，當前算力已經遠遠無法滿足需求。
作為元腦合作伙伴，上海華胄為上海古籍出版社提供最新一代AI旗艦服務器靈活布置次級業務系統，保障業務系統的高可用，為古籍研究帶來源源不斷的優質算力，為其搭建高效應用平臺。
該平臺的OCR系統、自動標點與自動標引技術開發都已趨于成熟，其中OCR技術可以在一分鐘以內完成200頁古籍圖像的識別，準確率超過93%。OCR輸出的文本在經過自動標點和標引之后，可以快速達到可檢索、便于閱讀的目的，極大方便了學術研究。未來，這一平臺還通過解析上海古籍出版社海量古籍資源內容，對其進行知識結構化揭示，重構原有的古籍內容組織形式，并創建全新的知識模塊，實現古籍資源的知識化、專業化服務。
上海古籍出版社副社長吳長青表示，通過采用OCR的文本生成技術、自然語言處理的文本整理與標引等先進技術，大量優秀古籍可以在準確權威的平臺上與公眾、專業研究人員面對面，使用效率大幅提高，有力促進海量優秀傳統文化信息便利快捷有效利用。
古籍文化不止是義理、訓詁與考證，古代文學的研究也不應該只停留在古籍館與古文工作者的論文中，其價值更在于以古人的感受、思考去慰藉、照亮現代人。浪潮信息、上海華胄未來將基于元腦AIStore，積極探索大數據、語義網絡關聯及知識圖譜等技術在古籍行業的應用，推進中華優秀傳統文化的創造性轉化和創新性發展，并以此賦能古籍整理出版和學術研究、國學傳習。
