文學 | AI的“智能”與“不能”

近些年來，我一直在從事數字人文平臺和數據庫的建設工作，先后建成了“學術地圖發布平臺”（http://amap.zju.edu.cn）、“智慧古籍平臺”（https://csab.zju.edu.cn）及“云四庫智能問答系統”（https://www.aiysk.cn）三個平臺。一方面，AI確實很智能，能夠幫助我們解決一些問題。另一方面，AI也并非如我們想象的那么智能，面對新的技術，我們還需理性對待。

AI是智能的工具，虛擬的王國

人與動物的區別，就在于是否會制造和使用工具。從遠古的刀耕火種，到現代社會的工業文明，人類發展的歷史就是一部制造工具和使用工具的歷史。如今，人類文明已步入了智能文明時代，而作為這一階段的代表性工具，AI無疑是有史以來最智能的工具了，它應用于人類生活的各個領域。譬如，醫生利用AI給人看病，軍事領域利用AI來制造武器等。在人文領域，智能的機器識別（OCR）、智能的標點、智能的標引及現在火爆的通用大語言模型如DeepSeek、通義千問等，都有極好的場景應用。

對于AI，人文學者應該秉持親近和擁抱的態度，而不是排斥和疏離的態度。首先，人文學者應了解和學習各種AI工具及其功能，學著利用AI來解決問題。譬如，我們可以利用大模型來識別和標注古籍、標點和翻譯古籍、撰寫篇目和古籍提要等。再如，我們可以利用大模型的文生圖和文生視頻功能，來創作適合文化傳播的文創產品。又如，我們可以建設自己的知識庫，利用通用大模型的快速搜索和回答功能，使其與數據結合，來回答我們的專業問題。當然，使用者要掌握基于計算機語言的AI工具，需要較長時間的學習，甚至還要有一定的編程基礎。

對于AI，我們不能僅將其視為智能工具。實際上，包括AI在內的基于計算機語言的各種大數據技術已為人類創造了一個虛擬世界。譬如，讓青少年沉迷其中的網游世界、讓大眾沉迷其中的短視頻世界、讓學者不得不面對的數據庫等，都是一種虛擬的存在，我們可以稱之為虛擬的數字王國或世界。這個虛擬世界與我們的現實世界既有普遍聯系，又有很大區別。像網絡游戲，游戲任務、情節是虛擬的，但網絡成癮這一社會問題卻是真實的。

馬克思曾說，“在這個必然王國的彼岸，作為目的本身的人類能力的發揮，真正的自由王國，就開始了。但是，這個自由王國只有建立在必然王國的基礎上，才能繁榮起來。工作日的縮短是根本條件”。如果我們將人文學者的知識生產看成一個從必然王國到自由王國的發展過程，那么，由數字構成的虛擬世界則是我們無法繞過的。必然王國的“必然”，是指人類社會在生產力和生產關系的制約下，人們的行為和活動受到客觀規律的支配，人們為了生存必須遵循自然和社會的規律。同樣，在計算機構建的虛擬王國中，我們要到達自由王國，也要受到計算機語言相關法則的支配，必須遵循這個虛擬王國的客觀規律來進行勞動和生產。

AI并沒有真正解決古文的語義交互問題

被稱為“國運”級別的語言大模型DeepSeek已在海內外產生巨大的影響，得到了大范圍的應用。但是，就個人的實踐和觀察來說，它在古文語義交互這一問題上，表現還有待提升。我建的“云四庫智能問答系統”，使用了阿里的通義千問系列（Qwen-72b、Qwq、Qwen-Plus、Qwen-Max）及杭州深度求索（DeepSeek-V3、DeepSeek-R1）等大模型作為底層基座，在此基礎上搭建了二次增強平臺，添加了大量標點后的古書、研究著作及論文。通過較長時間的問答測試，這些大模型在古文翻譯、出處查找、詩詞賞析、提要撰寫等方面表現相當不錯。譬如，讓機器查找“昔周室闇弱，靜帝幼沖，高祖以外戚之尊入握朝權，都督諸軍，遂假黃鉞，開丞相府”這一段話的出處，機器很快給出答案：“這段文字的出處為宋濂所撰寫的《隋室興亡論》。該文見于《宋濂集》與《宋濂全集》中，主要論述了隋朝建立前后的歷史背景及關鍵事件。文中提到的‘昔周室闇弱，靜帝幼沖，高祖以外戚之尊入握朝權，都督諸軍，遂假黃鉞，開丞相府’一句，是對隋高祖楊堅在北周時期逐步掌握大權、最終代周建隋這一歷史進程的概述。具體來說，此句描述的是北周靜帝宇文闡年幼即位、政權暗弱之時，隋高祖楊堅憑借外戚身份掌控朝政，并設立丞相府以總攬軍國大事的歷史情境。相關內容亦可在《隋書》《北史》等正史中找到相應的記載作為補充和佐證。”除了沒標出卷數這一小遺憾外，其他內容機器還是給出了準確的回答。

在知識問答方面，DeepSeek和通義千問也能進行簡單的古文語義交互。譬如，我問：“有個朝代，北京的宦官比官吏多，女子比男子多，要飯的比商人多，這是哪本書上寫的，原文是怎樣的？”機器回答：“您提到的這段描述出自明代謝肇淛的《五雜俎》。原文如下（略）。這段文字描述了明代北京城的社會狀況，指出宦官、女子和乞丐的數量分別超過了官吏、男子、良婦和商人。同時，謝肇淛還提到北京城中各種不良風氣和人物的聚集，認為這些現象使得北京成了一個‘陸海’，即繁華而復雜的城市。希望這段原文對您有所幫助。”我以翻譯后的一段文字向機器提問，讓其回答出處，它給出了正確答案。這表明機器在白話文和古文的對應關系上，還是能作出一些反應的。

但是，白話文與古文的語義交互，機器也只能停留在查找出處，遠未達到如現代語言自由語義交互的階段。譬如，我要問宋濂的佛學思想，機器只能根據宋濂的研究論著來回答，而不能根據《宋濂全集》中宋濂寫的佛教文章來回答。再如，我讓機器回答朱元璋的反腐措施及效果，它只會根據《中國反貪史》等著作回答，而不能根據原始文獻來回答。假如機器能根據古籍等原始文獻，通過檢索和分析來回答問題，那么，我們可以說，古籍的活化利用才到達了一種理想的狀態。在DeepSeek火爆出圈的前夕，我曾聯系到杭州深度求索的CEO，表達共同開發古籍大語言模型的愿望。遺憾的是，對方告訴我，他們目前暫時還無暇顧及古籍大模型的研發。

AI時代的挑戰與機遇

以知識傳授和搬運為職業的教師，在強大的大語言模型和虛擬機器人的沖擊下，可能面臨需求銳減的趨勢。因此，如何應對AI對文科相關職業產生的沖擊、AI時代文學教育如何進行等一系列問題都需要我們積極回應。

古籍是中國古代文化最大的信息源，開發出真正能活化利用的古籍大模型勢必有助于中華優秀傳統文化的弘揚與傳播。AI在帶來技術革命的同時，也在為有識者創造一些機會。譬如，數字人文里的“眾包技術”，可以解決大量文科生的就業問題。就古籍整理來說，老祖宗給我們留下了浩如煙海的文化典籍。這些古籍的影像數字化、文本數字化、標點及標引等工作，需要幾代人的努力才能夠完成。目前，浙江大學的“智慧古籍平臺”、中華書局的古聯公司、北京大學與字節跳動合作的“識典古籍”等都利用了“眾包技術”，參與者可以在線上校點古籍。除了古籍，還有大量的現代出版物也需要數字化、文本化，這是人工智能時代對數據這一新質生產力的迫切需求。雖然排印本的近現代出版物，其OCR的準確率可以達到95%—98%，但由于近現代出版物回溯工程的量特別巨大，仍然需要大量專業人員從事校對工作。

此外，大量結構化的數據需要人工完成。譬如，古今人物的行跡數據，就需要受過一定學術訓練的專業人員來制作。“學術地圖發布平臺”經過五六年的努力，也才完成了800多位人物的結構化行跡數據。而從先秦到當代，需要制作的人物行跡數據數以萬計。再如，哈佛大學和復旦大學史地所合作的“中國歷史地理信息系統”（CHGIS），目前只有省、府、縣三級。如果要對中國古代留存下來的各個省、府、縣地方志中的地名進行文本化、結構化，必將是一個龐大的工程。已出版的大量工具書，包括圖像等，都面臨這樣的需求。

算力、算法、模型和數據，是人工智能的四要素。人文社會科學優質數據的生產離不開專業人員的勞動。AI時代已經到來，我們要抓住歷史機遇，從容應對時代挑戰。

（作者系浙江大學中文系教授）