中國網(wǎng)4月1日訊（記者 劉佳）20世紀(jì)中文信息處理技術(shù)解決了漢字進(jìn)電腦、上網(wǎng)絡(luò)的歷史性問題，迎來從“鉛與火”到“光與電”的革命。時至今日，人工智能技術(shù)快速發(fā)展，中國如何加強(qiáng)數(shù)字中文建設(shè)，從而推動中文信息處理技術(shù)創(chuàng)新發(fā)展？

在教育部3月31日舉行的新聞發(fā)布會上，中國網(wǎng)記者就此提問北京大學(xué)王選計算機(jī)研究所所長湯幟。他認(rèn)為，要聚焦關(guān)鍵垂直領(lǐng)域建設(shè)語料基礎(chǔ)設(shè)施，構(gòu)建支持大模型訓(xùn)練的高質(zhì)量中文數(shù)據(jù)集，同時形成“技術(shù)突破—場景落地—生態(tài)繁榮”的良性循環(huán)。

中國網(wǎng)記者現(xiàn)場提問。中國教育報記者 張勁松/攝

20世紀(jì)80年代，王選院士的團(tuán)隊發(fā)明激光照排技術(shù)，并結(jié)合漢字的編碼標(biāo)準(zhǔn)，突破了中文數(shù)字化的空間限制，讓承載中華文化的中文在全球互聯(lián)網(wǎng)空間獲得新生。當(dāng)前，大語言模型技術(shù)對大規(guī)模高質(zhì)量語料提出前所未有的需求，賦予了數(shù)據(jù)中文化新的歷史內(nèi)涵和使命任務(wù)。中文信息處理技術(shù)的發(fā)展從以往解決漢字輸入輸出的基礎(chǔ)性問題，進(jìn)階到當(dāng)先釋放語言文字?jǐn)?shù)據(jù)要素價值的全方位突破。

湯幟認(rèn)為，加強(qiáng)數(shù)字中文建設(shè)需從三個維度重塑發(fā)展格局，推動中文信息處理技術(shù)發(fā)展進(jìn)入新階段：即從重要資源轉(zhuǎn)化到數(shù)據(jù)要素價值；從廣泛存在聚焦到關(guān)鍵領(lǐng)域應(yīng)用；從基礎(chǔ)支撐提高到賦能全局發(fā)展。

湯幟表示，新形勢下，語言文字將實(shí)現(xiàn)從“靜態(tài)符號”向“動態(tài)數(shù)字資產(chǎn)”，從“信息載體”向“生產(chǎn)要素”的轉(zhuǎn)型，要重點(diǎn)推動語料庫、數(shù)據(jù)標(biāo)注與評價等標(biāo)準(zhǔn)的研制，支持文本生成與理解、語言翻譯、情感分析等各種任務(wù)。

語言文字“日學(xué)而不察、日用而不覺”，廣泛存在于社會生產(chǎn)各個方面。新形勢下，語言文字將實(shí)現(xiàn)從符號存儲到智能建模的質(zhì)變，要聚焦關(guān)鍵垂直領(lǐng)域建設(shè)語料基礎(chǔ)設(shè)施，構(gòu)建支持大模型訓(xùn)練的高質(zhì)量中文數(shù)據(jù)集。

當(dāng)前，人工智能技術(shù)發(fā)展迅速，語言文字信息處理技術(shù)創(chuàng)新應(yīng)用正經(jīng)歷從“GB2312字符集”到“萬億參數(shù)大語言模型”的范式變革。湯幟強(qiáng)調(diào)，新形勢下，語言文字將實(shí)現(xiàn)與信息技術(shù)的深度融合，要形成“技術(shù)突破—場景落地—生態(tài)繁榮”的良性循環(huán)，打造數(shù)字化引領(lǐng)品牌，有力服務(wù)教育發(fā)展、助力科技創(chuàng)新、賦能文化傳承、推動產(chǎn)業(yè)升級、促進(jìn)社會進(jìn)步。

編審：張艷玲 王月博