古籍AI辨识 阿里巴巴达摩院准确率惊人

阿里巴巴公益基金会、中国四川大学、加州大学柏克莱分校、中国国家图书馆及浙江图书馆等合作，研发古籍数位化，该系统已经能识别逾百本古籍，辨识度值准确率高达97.5%。（取材自北京日报）

古籍历史价值极高，为保存古文物之美，阿里巴巴达摩院、中国四川大学、加州大学柏克莱分校、中国国家图书馆及浙江图书馆等合作，研发古籍数位化，该系统已能识别逾百本古籍，辨识度准确率高达97.5%。

古籍数位化的方法主要分为两种：一、纯人工输入。主要靠人手，将内容全数输入至电脑中。二、电脑与人工相结合。由电脑利用光学字符辨识（Optical character recognition，OCR）技术识别一部分文字，电脑无法识别的文字，由专家人手录入，最终再由人工进行校对。

北京日报报导，中国古籍全部字符约有数十万，绝大部分不但不被现代字库收录，还会几乎找不到样本供人工智能（AI）学习。达摩院技术团队与四川大学专家，为了解决上述问题，合作研发一套全新的古籍识别系统。

新系统利用单字检测、无监督单字聚类、少样本分类、主动学习等有系统性的机器学习方法。并将会一边识别古籍，一边训练模型，以97.5%的准确率，完成约20万页古籍的整体识别。

目前该系统已经能识别逾百本古籍，并有覆盖逾3万字的古籍字典。随著古籍识别规模增加，机器会不断提升准确率和效率。与专家人工输入相比，将效率提升近30倍。藉“汉典重光”项目将古籍刻本数位化，供公众翻阅、检索。

阿里巴巴达摩院院长张建锋称，阿里计划将这套技术工具连同古籍数位化平台一并捐赠，交由权威公共机构长期运营。守护中华传世典籍，是科技工作者和文化工作者共同的使命。

达摩院成立于2017年10月，既有学术思维，也有产品思维和商业逻辑。阿里巴巴创办人马云曾对达摩院提出三个要求：活得要比阿里巴巴长、服务全世界至少20亿人口、必须面向未来，用科技解决未来的问题。