阿里巴巴以先進 AI 技術助力中國古籍數字化

保護古代文化遺產，讓中國典籍走向世界

2021年5月18日，北京——中國典籍數字化面臨諸多挑戰，因為中國古文字結構複雜，同一個漢字在歷史上可能有多種變體和字形。藉助光學字元辨識（OCR）技術數字化中國古籍，不僅實現了機器閱讀，更讓大量古籍煥發新生，供公眾閱覽。

阿里巴巴全球研究機構達摩院，攜手阿里巴巴公益基金會、加州大學伯克利分校圖書館、四川大學、中國國家圖書館和浙江圖書館，共同開展中國典籍數字化專案。該專案旨在匯聚中國古籍，將掃描映像轉化為文本，實現開放擷取，讓國內外圖書館合作向全球免費提供中國古籍。

達摩院負責人Jeff Zhang表示：“阿里巴巴將持續投入資源和前沿技術，支援此類專案。讓古籍為公眾所享，符合我們‘科技向善’的理念。我們相信，技術在保護珍貴文化典籍和文化遺產方面能發揮關鍵作用，期待與國內外圖書館攜手實現這一願景。”

本次合作的首批中國典籍來自加州大學伯克利分校C.V. Starr東亞圖書館，該館是中國古籍收藏最豐富的學術圖書館之一。現已展出20萬頁古籍，包括宋代和元代的刻本和手稿，距今已有千年歷史。此外還有清代《四庫全書》原冊等典籍。

加州大學伯克利分校圖書館提供掃描頁面和中繼資料，達摩院利用光學字元辨識（OCR）將掃描映像轉化為文本。此外，達摩院與四川大學學者合作開發了AI模型，用於單字索引和自動字形歸類，並採用自監督學習和少樣本學習等多種機器學習方法。該模型古文字識別準確率達97.5%，可高效識別3萬個古文字，速度是人工閱讀的30倍。

“阿里巴巴即將向公眾開放這一中國古籍機器閱讀AI系統，”Jeff補充道。