教育裝備采購網(wǎng)訊：從光明日報獲悉，這些年，多部大型電子古籍資料庫的面世，讓“古籍?dāng)?shù)字化”工作看上去雜花生樹，一派春光爛漫?？墒?，當(dāng)我們深入到繁華表象的背后，卻是“別有一番滋味在心頭”。我們選取清華大學(xué)智能圖文信息處理研究室和北京國學(xué)時代文化傳播有限公司，作為 “解剖麻雀”的樣本;在此基礎(chǔ)上，記者與國家古籍保護中心專家委員會委員、中國社科院研究員楊成凱先生展開對話，從宏觀視角對古籍?dāng)?shù)字化相關(guān)問題進行觀照。

　　期待通過這組報道，引發(fā)社會各界對古籍?dāng)?shù)字化研發(fā)和生產(chǎn)的重視。

　　(一)清華大學(xué)智能圖文信息處理研究室——“誰為我們的技術(shù)買單?”

　　眼下，清華大學(xué)智能圖文信息處理研究室的古籍識別技術(shù)研究，幾乎處于停滯狀態(tài)。研究室主任丁曉青教授為此焦慮不安。

　　漢文字和少數(shù)民族文字識別技術(shù)研究，是丁曉青團隊20年來專注推進的一項工作。作為文字識別技術(shù)的具體化，古籍識別系統(tǒng)也在此間漸具規(guī)模。

　　丁曉青告訴記者：“對系統(tǒng)來說，識別和理解古籍要比現(xiàn)代印刷品復(fù)雜得多。而更有挑戰(zhàn)性的是，處理每部古籍時，系統(tǒng)都要面對嶄新的情況，比如，這部古籍有無鈐印、句讀、欄線，單行標(biāo)注還是雙行標(biāo)注，寫本還是刻本，普通的文本還是家譜、碑拓…… 此外，古籍中還有大量形態(tài)各異的異體字。情況異常復(fù)雜。要提高古籍識別系統(tǒng)準(zhǔn)確性，必須讓它盡可能多地接觸古籍，提取出新的字樣來擴充字符集;同時，在識別形態(tài)各異的版式過程中，增強其版面分析判斷能力。唯有如此，別無他途。”

　　然而，接下來的問題就是：這些耗資甚巨的古籍訓(xùn)練樣本從何而來?也正是這點，讓古籍識別技術(shù)的推進舉步維艱。

　　“現(xiàn)在，社會上對古籍?dāng)?shù)字化產(chǎn)品需求量本就不多，生產(chǎn)相關(guān)產(chǎn)品的企業(yè)更加稀少，幾乎沒有企業(yè)找我們合作，單靠市場這條路根本行不通。”丁曉青對記者說。

　　更讓她無法釋懷的是，“近10年間，古籍識別技術(shù)研究項目從國家一些重大規(guī)劃中漸漸淡出了?，F(xiàn)在，識別技術(shù)研究無法得到國家政策和資金上的支持。系統(tǒng)無法接觸更多的古籍訓(xùn)練樣本，要想提高識別能力根本無從談起。”彭良瑞副研究員遞給記者一份研究報告說：“與之形成對照的是，歐美對拉丁體系文字的古籍?dāng)?shù)字化研究卻方興未艾。近年來，歐盟26家圖書館聯(lián)合推出IMPACT(Improving Access to Text)項目，旨在通過OCR(光學(xué)字符識別)等技術(shù)的研究，來推動15-19世紀(jì)英文等拉丁體系文字的古籍全文數(shù)字化工程。”

　　現(xiàn)在，研究室里只有寥寥一兩個研究人員還在從事這項研究;而由于古籍識別系統(tǒng)日常使用太少，研究室入口處的公共演示平臺也根本沒有裝入這套系統(tǒng)。

　　這種局面，讓丁曉青深感痛惜。在她看來，對古籍進行數(shù)字化，就是用技術(shù)手段將傳統(tǒng)文化 “鏈接”進當(dāng)代，不論對于古籍的保存還是中華文化的傳揚，都是功莫大焉。她也深信，要真正實現(xiàn)古籍?dāng)?shù)字化，“核心就是要解決古籍的識別技術(shù)問題”。在她眼中，古籍識別技術(shù)的優(yōu)勢顯而易見：古籍收藏單位提供的圖像瀏覽方式不能進行全文檢索;而人工錄入校對古籍電子文本的成本大約是每頁8元-10元，錄入一冊古籍的全文則需要幾百元至數(shù)千元不等。

　　“現(xiàn)在我們只能靠一份責(zé)任感來艱難、緩慢地推進這項工作。”整個采訪過程中，丁曉青反復(fù)追問一個問題：“誰為我們的技術(shù)買單?”

　　(二)北京國學(xué)時代文化傳播有限公司——“最致命的是易于復(fù)制”

　　北京國學(xué)時代文化傳播有限公司董事長尹小林從書櫥中搬下一冊影印本《文苑英華》，打開，桌案頓顯局促。

　　隨著他的講述，一個耗時耗力的古籍?dāng)?shù)字化流程展現(xiàn)在記者面前。“前期先要選定古籍版本，比如《文苑英華》就有四庫本、明刻本等，要盡量搜羅內(nèi)容完整的版本。之后，對文字進行分段、標(biāo)點，錄入計算機。隨后，專業(yè)人員要對打印出來的文本進行校對，并由專家審訂，繼而由操作員在電腦上修正。這些工作都做完后，還要對數(shù)據(jù)進行標(biāo)引和入庫。最后才是做成軟件。”尹小林說，每道工序都必不可少，像《文苑英華》6冊、1000卷這樣的體量，全部處理完要持續(xù)1年以上。

　　而對于公司全部工作量來說，這只能算滄海一粟。尹小林告訴記者，他們最大的一套數(shù)字化產(chǎn)品《國學(xué)寶典》現(xiàn)已收書6000種，最遲明年就能實現(xiàn)1萬種目標(biāo)，屆時收錄的所有古籍加起來將達到20億字，比最大古籍叢書《四庫全書》的體量還多2倍。而每冊古籍都要重復(fù)同樣的工序，整個過程繁復(fù)、枯燥而漫長。

　　即使產(chǎn)品成形后，時間和人力的投入仍綿綿不絕。尹小林抱來一摞《古籍整理研究學(xué)刊》《古籍點校疑誤記錄》《中國典籍與文化》說，他每天做的工作就是大量掌握最新研究成果，隨時通查他們產(chǎn)品中的所有古籍，并及時進行修正和完善。類似工作從未間斷。

　　非但如此。尹小林團隊正憑一力推進，使自己的古籍?dāng)?shù)字化產(chǎn)品臻于完美：研發(fā)出數(shù)據(jù)格式和數(shù)據(jù)比對技術(shù)等獨有核心技術(shù)，請各領(lǐng)域?qū)＜覔?dān)綱古籍編選……

　　然而，艱苦的努力并未得到對等的回報。自產(chǎn)品面世那刻起，尹小林就再也無力掌控局面。

　　“誰來買?”這一點，尹小林作不得主。古籍?dāng)?shù)字化產(chǎn)品受眾面很窄，其需求量可想而知。而與微弱的需求形成強烈反差的是，要真正做好古籍?dāng)?shù)字化工作，必須投入高昂的人力、財力和時間成本。如今尹小林公司已購買了幾萬冊紙質(zhì)古籍來充實資料庫， “且不要說明刻本、清刻本了，即便是現(xiàn)代影印本一冊也要幾百、上千元錢，這幾年光是購買古籍就投入了上千萬元。而對一部紙質(zhì)古籍進行數(shù)字化，其成本將達到其定價的幾十倍。”利潤微薄，缺少外部投資，也讓試圖涉足這一領(lǐng)域的企業(yè)望而卻步?，F(xiàn)在，古籍?dāng)?shù)字化市場上，只有少數(shù)幾家企業(yè)在苦撐局面。

　　“最致命的，是數(shù)字化產(chǎn)品很容易復(fù)制。”尹小林告訴記者，現(xiàn)在《國學(xué)備覽》光盤已經(jīng)賣掉 10多萬片，但是使用的人肯定遠不止這些。現(xiàn)在，尹小林能想出來的應(yīng)對之道都被自己否定了——加密?成本太高，“加密一張盤就要多花幾毛錢，相當(dāng)于從原本微薄的利潤里扣掉一半”;訴諸法律?取證太難，“假如說《國學(xué)備覽》已經(jīng)在網(wǎng)上下載100萬次了，要怎么證明呢?必須找到盜版的服務(wù)器和日志，這對我們而言無異于天方夜譚。100萬次?我們甚至連一次都證明不了。”

　　不足掌心大小的光盤幾乎沒有重量，但它卻沉沉地壓在尹小林心頭。尹小林對記者說：“和賣好這些產(chǎn)品比起來，做好它們似乎還容易些。”