骑士文学

手机浏览器扫描二维码访问

番外39章 叶昀的人工智能项目（第1页）

十月底的一个雨天，叶昀收到了一封来自国家古籍保护中心的邮件。邮件标题很简洁：“古文字智能识别系统项目合作邀请”。正文内容详细阐述了项目的目标和需求——利用人工智能技术，开一套能够自动识别、分类、标注古代手写文字的辅助系统。

邮件的最后一段写道：“经孙文修教授推荐，我们了解到您具备深厚的数据分析和机器学习背景，同时您的团队成员林久久女士在古籍修复和古文字辨识方面有丰富经验。我们诚挚邀请二位共同参与本项目，共同探索科技与人文的跨界融合。”

叶昀看完邮件，手指在键盘上停留了几秒。他调出项目资料，快浏览技术方案、时间节点和预期成果。这是一个典型的跨学科项目，技术难度不低，但很有意义——如果成功，能大幅提升古籍数字化整理的效率。

他保存了邮件，走到公共休息区。落地窗外秋雨绵绵，久久正窝在沙一角，膝盖上摊着一本厚重的《甲骨文字形汇编》，手里拿着放大镜，仔细比对两页上的细微差异。

“久久，”叶昀在她对面坐下，“有个项目邀请，需要你的专业协助。”

久久抬起头，放下放大镜：“什么项目？”

叶昀把平板电脑推过去，屏幕上显示着那封邮件和项目概要。久久接过来，认真读着，眉头随着阅读逐渐蹙起，又渐渐舒展。

“人工智能识别古文字……”她喃喃道，“这个想法很有意思。但现在手写识别技术，对印刷体还好，对古文字尤其是手写变体，准确率不高吧？”

“现有模型的准确率大约在到之间，”叶昀调出几份技术报告，“主要难点在于：第一，古文字字形变化多端；第二，同一字在不同时期、不同书写者笔下有差异；第三，纸张老化、墨迹褪色、破损等因素干扰识别。”

他顿了顿，继续道：“项目组希望我们能将准确率提升到以上。这需要大量高质量的训练数据，以及专业的校验和标注。”

久久的手指轻轻划过屏幕上那些古代文献的扫描图。那些泛黄的纸张、深浅不一的墨迹、或工整或潦草的字迹，都是她工作中最熟悉的东西。

“你需要我做什么？”她问。

“三件事，”叶昀推了推眼镜，这是他一贯的条理性，“第一，提供古文字分类和演变的基础知识框架；第二，协助标注训练数据集，确保标注的准确性；第三，作为‘人类专家’校验模型的输出结果，反馈错误类型。”

他调出一个图表：“按照计划，第一阶段是数据准备，需要标注至少十万个古文字样本。这需要大量时间，但我们可以分阶段进行。”

久久看着那些密密麻麻的计划表，心里有些犹豫。她手头还有自己的修复项目，而且对人工智能领域完全陌生。

“我对技术不懂……”她实话实说。

“你不需要懂技术，”叶昀说，“你只需要做你最擅长的事——识别古文字，判断异同，提供专业的分类依据。技术部分我来负责。”

这时，顾璟从楼上下来，看到两人严肃讨论的样子，走过来问：“有新项目？”

叶昀简单介绍了情况。顾璟听完，看向久久：“你的时间安排得开吗？”

“下个月要完成《花月笺》的修复收尾工作，”久久计算着，“但如果合理安排，每天应该能抽出两到三个小时。”

“那就接，”顾璟点头，“这对你和团队都是很好的机会。而且，”他看向叶昀，“这个项目如果成功，影响力会很大。”

叶昀难得地露出一丝笑意：“我也这么认为。”

项目就这样定下来了。三天后，叶昀和久久参加了线上的项目启动会。会议室屏幕上，来自古籍保护中心、高校计算机系、人工智能企业的十几位专家齐聚。主持人是古籍保护中心的副主任李教授，一位头花白但精神矍铄的老先生。

“欢迎各位，”李教授开门见山，“古文字智能识别这个课题，我们探索了三年，始终卡在准确率这个瓶颈上。这次邀请叶昀老师和林久久老师加入，就是希望能在技术和专业的结合上有所突破。”

他展示了现有的识别系统演示——上传一张古籍扫描图，系统会自动框选出文字区域，进行识别并给出候选字。测试用的是一页明代医书，系统识别出了大约o的字，但剩下的o要么识别错误，要么直接标注“无法识别”。

“错误主要集中在这些地方，”李教授圈出几个区域，“字形特殊的异体字、笔画粘连的连笔字、墨迹晕染的模糊字、纸张破损处的残缺字。这些都是手写古籍的常见问题，但恰恰是现有模型的薄弱环节。”

叶昀在笔记本上快记录着。久久则盯着那些识别错误的字，轻声说：“这个‘药’字，明代医书中常写作这种草书变体，和标准楷书差别很大。系统可能没有见过足够多的样本。”

本小章还未完，请点击下一页继续阅读后面精彩内容！

“正是如此，”李教授点头，“林老师说到点子上了。我们缺的不是技术，是足够丰富、足够专业的训练数据。而这，需要像您这样的专家来指导和校验。”

会议确定了分工：叶昀负责算法模型的优化和系统架构，其他技术团队提供支持；久久负责提供专业知识、标注数据、校验结果；双方每周同步进展，每月进行一次综合评估。

会议结束后，叶昀建立了一个专门的项目协作平台，设置了数据标注、模型训练、结果校验等不同模块。久久的账号权限很高，可以查看所有环节，但她的主要工作区在“数据标注”和“专家校验”两个板块。

“第一阶段，我们需要标注一千页古籍扫描图，”叶昀在团队内部简单通报了情况，“每页平均一百字，总计十万字左右。标注内容包括：文字区域框选、单字切分、字形分类、字义标注、书写风格评估。”

夏飞听完咋舌：“十万字！这要标到什么时候？”

“如果久久一个人做，可能需要半年，”叶昀推了推眼镜，“所以我们开了辅助标注工具。久久只需要标注其中一部分作为‘种子数据’，模型会学习她的标注习惯，自动完成剩余部分。然后久久再校验自动标注的结果，纠正错误。这样迭代进行，效率会高很多。”

这个方案听起来合理。久久问：“我需要从什么时候开始？”

“明天，”叶昀说，“我先带你熟悉标注平台。”

第二天上午，叶昀在久久的电脑上安装了标注平台客户端。界面很简洁，左侧是古籍扫描图，右侧是标注工具和分类选项。

“我们先从简单的开始，”叶昀选了一页保存完好的宋代刻本，“这是印刷体，字形规整，破损少。你试试框选文字区域。”

久久用鼠标在页面上画了一个矩形，框住一行文字。系统自动识别出了这行字里的每个单字，用虚线框标出。

“现在，点击每个单字框，选择正确的字，”叶昀指导，“如果系统给的候选字里有正确的，直接选；如果没有，手动输入。”

第一个字是“天”，系统给出了三个候选：“天”“夫”“无”。久久点击“天”，系统记录下这个选择，并显示“标注正确，置信度o”。

第二个字是“地”，系统只给出了“地”一个候选，置信度o。久久点击确认。

第三个字出了问题。字形看起来像“玄”，但系统给出的候选是“畜”“兹”“率”，没有“玄”。久久手动输入“玄”，系统弹出一个提示：“该字形与标准‘玄’字差异较大，是否确认？”

久久放大图像仔细看。确实，这个“玄”字的写法很特别，最后一笔拉得很长，看起来有点像“畜”。但她根据上下文判断，应该是“玄”——这一句是“天地玄黄”，出自《千字文》。

“确认。”她点击。

系统记录下这个标注，并在旁边备注：“专家修正，原候选无匹配”。

一页标注下来，花了十五分钟。久久标注了八十七个字，其中七十个系统识别正确，十个候选中有正确项，七个需要手动修正。

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。