近日，教育部、國(guó)家語(yǔ)委、中央網(wǎng)信辦共同印發(fā)《關(guān)于加強(qiáng)數(shù)字中文建設(shè) 推進(jìn)語(yǔ)言文字信息化發(fā)展的意見(jiàn)》（簡(jiǎn)稱《意見(jiàn)》），對(duì)加快推進(jìn)以信息化促進(jìn)語(yǔ)言文字事業(yè)高質(zhì)量發(fā)展，以數(shù)字化賦能語(yǔ)言文字更好服務(wù)現(xiàn)代化建設(shè)等作出了全面部署。

當(dāng)敦煌藏經(jīng)洞的千年文書(shū)在數(shù)字世界中蘇醒，甲骨文的刻痕以數(shù)據(jù)躍動(dòng)永駐云端……數(shù)字中文，正以代碼為筆、算法為墨，在虛實(shí)交織中聯(lián)結(jié)過(guò)去與未來(lái)。

數(shù)智賦能語(yǔ)言文字高質(zhì)量發(fā)展

語(yǔ)言文字“日學(xué)而不察、日用而不覺(jué)”，廣泛存在于社會(huì)生產(chǎn)各個(gè)方面。

如今，中國(guó)已建成世界最大的規(guī)模語(yǔ)言資源庫(kù)和中國(guó)語(yǔ)言資源知識(shí)圖譜，集成120多種語(yǔ)言和方言資源。今年，全國(guó)語(yǔ)言文字使用情況調(diào)查將首次實(shí)施，打造集數(shù)據(jù)采集、傳輸、存儲(chǔ)、加工一體的集成化調(diào)查平臺(tái)，為深化教育綜合改革和綜合國(guó)力分析提供大數(shù)據(jù)支撐。

為加快推進(jìn)語(yǔ)言文字信息化，《意見(jiàn)》提出，將數(shù)字中文建設(shè)作為服務(wù)數(shù)字中國(guó)建設(shè)的重要任務(wù)和全面推進(jìn)語(yǔ)言文字信息化發(fā)展的突出重點(diǎn)，著力推進(jìn)中文數(shù)字化與數(shù)據(jù)中文化，完善新型中文服務(wù)體系構(gòu)建與語(yǔ)言文字治理體系。

教育部語(yǔ)言文字信息管理司司長(zhǎng)劉培俊介紹，中國(guó)已發(fā)布100多項(xiàng)國(guó)家通用語(yǔ)言文字和民族語(yǔ)言文字信息化規(guī)范標(biāo)準(zhǔn)，為自然語(yǔ)言處理技術(shù)在人工智能、數(shù)字產(chǎn)品和信息產(chǎn)業(yè)領(lǐng)域的應(yīng)用創(chuàng)新奠定規(guī)范基礎(chǔ)。

語(yǔ)言文字智慧化學(xué)習(xí)的廣泛開(kāi)展，有力服務(wù)了教育改革創(chuàng)新。比如，高水平開(kāi)展普通話水平測(cè)試，全面實(shí)現(xiàn)從人工到智能的普通話測(cè)試方式轉(zhuǎn)變，制發(fā)電子證書(shū)9000多萬(wàn)份。在廣東，已建成全國(guó)首個(gè)普通話水平測(cè)試智慧考場(chǎng)，考場(chǎng)首創(chuàng)“隨到隨考”測(cè)試模式，大幅提升了普通話測(cè)試效率。

語(yǔ)言文明智能化傳播聯(lián)通世界，也有力服務(wù)了國(guó)際交流互鑒。通過(guò)數(shù)字賦能，書(shū)寫(xiě)在古籍里的文字實(shí)現(xiàn)“活化”，建成中華思想文化術(shù)語(yǔ)數(shù)據(jù)庫(kù)，面向國(guó)際傳播1200多條反映中華民族話語(yǔ)體系中最核心最本質(zhì)的思想文化術(shù)語(yǔ)，并與40多個(gè)國(guó)家和地區(qū)開(kāi)展多語(yǔ)種數(shù)字版權(quán)合作。

“中國(guó)已建成集成化、智能化、國(guó)際化的全球中文學(xué)習(xí)平臺(tái)，用戶超1600萬(wàn)人，覆蓋190多個(gè)國(guó)家和地區(qū)，深度合作建立聯(lián)盟，中文學(xué)習(xí)聯(lián)盟云服務(wù)平臺(tái)提供3萬(wàn)門在線課程，與中外1600多家機(jī)構(gòu)合作，推動(dòng)實(shí)現(xiàn)中文人人、時(shí)時(shí)、處處可學(xué)可用、易學(xué)易用?！眲⑴嗫≌f(shuō)。

建設(shè)新型國(guó)家語(yǔ)料庫(kù)

今年，教育部啟動(dòng)布局了新型國(guó)家語(yǔ)料庫(kù)的建設(shè)工作?！兑庖?jiàn)》明確，到2027年，初步建成國(guó)家關(guān)鍵語(yǔ)料庫(kù)和國(guó)家戰(zhàn)略語(yǔ)言資源信息庫(kù)。

新型國(guó)家語(yǔ)料庫(kù)為什么如此重要？又將在語(yǔ)言文字信息化工作中發(fā)揮何種作用？

“當(dāng)前以深度求索（DeepSeek）等為代表的人工智能技術(shù)創(chuàng)新不斷取得突破性進(jìn)展，在這個(gè)大背景下，國(guó)家提出這樣一個(gè)戰(zhàn)略部署，建設(shè)新型國(guó)家語(yǔ)料庫(kù)，凸顯了其重要性、必要性和緊要性。”教育部語(yǔ)言文字應(yīng)用管理司副司長(zhǎng)王暉如是說(shuō)。

現(xiàn)階段，語(yǔ)言教育教學(xué)和研究領(lǐng)域存在多個(gè)語(yǔ)料庫(kù)，但很多語(yǔ)料庫(kù)還處于單一文本模式和領(lǐng)域應(yīng)用階段。這些語(yǔ)料庫(kù)在建設(shè)的理念、技術(shù)和方法、規(guī)模，以及數(shù)據(jù)多樣性、時(shí)效性尤其是與人工智能相結(jié)合的大規(guī)模應(yīng)用方面尚存在不足，難以滿足多元化、動(dòng)態(tài)化尤其是智能化的語(yǔ)言數(shù)據(jù)需求。

找準(zhǔn)這一難點(diǎn)，王暉介紹，建設(shè)新型國(guó)家語(yǔ)料庫(kù)立足人工智能時(shí)代大背景，突破傳統(tǒng)語(yǔ)料庫(kù)單一文本模式和領(lǐng)域應(yīng)用壁壘，以大模型訓(xùn)練及性能評(píng)測(cè)、智能計(jì)算為核心，以新質(zhì)態(tài)、多模態(tài)、多語(yǔ)言、大規(guī)模、全域性為突出特性，為通用領(lǐng)域和細(xì)分領(lǐng)域多場(chǎng)景應(yīng)用及創(chuàng)新發(fā)展提供規(guī)范、可信、高質(zhì)量的語(yǔ)言文化語(yǔ)料資源。

“主要包括兩方面：一是規(guī)范引領(lǐng)，主要是加強(qiáng)制度的供給，研制語(yǔ)料庫(kù)建設(shè)規(guī)范，突出價(jià)值導(dǎo)向、應(yīng)用導(dǎo)向、創(chuàng)新導(dǎo)向，統(tǒng)籌質(zhì)量和安全，為語(yǔ)料庫(kù)建設(shè)提供基礎(chǔ)原則和方法指引。二是示范引導(dǎo)，成熟先上，開(kāi)發(fā)建設(shè)‘中華文脈新型語(yǔ)料庫(kù)’‘中華大閱讀體系語(yǔ)料庫(kù)’，以這兩個(gè)示范庫(kù)建設(shè)整體打造出標(biāo)桿，‘中華文脈新型語(yǔ)料庫(kù)’也可以簡(jiǎn)單理解瞄準(zhǔn)的是智慧教師，‘中華大閱讀體系語(yǔ)料庫(kù)’瞄準(zhǔn)的是智慧學(xué)伴?！蓖鯐熣f(shuō)。

數(shù)字中文推動(dòng)產(chǎn)業(yè)升級(jí)

20世紀(jì)80年代，北京大學(xué)王選團(tuán)隊(duì)發(fā)明激光照排技術(shù)，并結(jié)合漢字編碼標(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。那是一場(chǎng)從“鉛與火”到“光與電”的變革，而如今，大語(yǔ)言模型技術(shù)對(duì)大規(guī)模高質(zhì)量語(yǔ)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)。

歷史階段不同，但機(jī)遇和挑戰(zhàn)相似。

北京大學(xué)王選計(jì)算機(jī)研究所所長(zhǎng)湯幟認(rèn)為，當(dāng)前，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(wèn)題，進(jìn)階到當(dāng)先釋放語(yǔ)言文字?jǐn)?shù)據(jù)要素價(jià)值的全方位突破。

《意見(jiàn)》提出，實(shí)施數(shù)字中文推動(dòng)產(chǎn)業(yè)升級(jí)行動(dòng)。支持語(yǔ)言文字信息技術(shù)新產(chǎn)品、新職業(yè)和新業(yè)態(tài)發(fā)展，鼓勵(lì)傳統(tǒng)語(yǔ)言產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型升級(jí)，培育基于數(shù)字中文的新型語(yǔ)言產(chǎn)業(yè)。推動(dòng)語(yǔ)言資源、語(yǔ)言翻譯、智能機(jī)器人、中文內(nèi)容服務(wù)等軟硬件產(chǎn)品研發(fā)應(yīng)用，支持圍繞語(yǔ)音、語(yǔ)料、語(yǔ)言應(yīng)用生態(tài)形成產(chǎn)業(yè)聚集，鼓勵(lì)創(chuàng)建語(yǔ)言產(chǎn)業(yè)應(yīng)用示范品牌。

“新形勢(shì)下，語(yǔ)言文字將從實(shí)現(xiàn)‘靜態(tài)符號(hào)’向‘動(dòng)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(dòng)語(yǔ)料庫(kù)、數(shù)據(jù)標(biāo)注與評(píng)價(jià)等標(biāo)準(zhǔn)的研制，支持文本生成與理解、語(yǔ)言翻譯、情感分析等各種任務(wù)。”湯幟表示，人工智能發(fā)展迅速，語(yǔ)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(wàn)億參數(shù)大語(yǔ)言模型”的范式變革，語(yǔ)言文字未來(lái)將實(shí)現(xiàn)與信息技術(shù)的深度融合，形成“技術(shù)突破—場(chǎng)景落地—生態(tài)繁榮”的良性循環(huán)。（記者 孫亞慧）