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。據介紹，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，即日起向公眾免費開放。未來三年將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，屆時將全部免費開放。
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，將人工智能技術應用於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。與其他古籍數字化平台相比，“識典古籍”頁面簡潔、瀏覽流暢，提供影印底本作為參照，還具備主題詞檢索和繁簡體轉換功能，後續將上線手機移動版平台。
當前，中國的古籍數字化還處於初級階段，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，只有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，國內共修復整理出版古籍近3.8萬種，要將現存古籍全部修復整理出來，可能需要300年時間；若利用人工智能技術輔助修復整理，大概二三十年就能完成。
據“識典古籍”項目負責人介紹，該平台當前主要使用了三種技術，包括文字識別、自動標點和命名實體識別。據悉，目前行業內OCR識別準確率平均為93%至94%，“識典古籍”的準確率為96%至97%。