專家：加強數字中文建設需從三個維度重塑發展格局

中國網4月1日訊（記者 劉佳）20世紀中文信息處理技術解決了漢字進電腦、上網絡的歷史性問題，迎來從“鉛與火”到“光與電”的革命。時至今日，人工智能技術快速發展，中國如何加強數字中文建設，從而推動中文信息處理技術創新發展？

在教育部3月31日舉行的新聞發布會上，中國網記者就此提問北京大學王選計算機研究所所長湯幟。他認為，要聚焦關鍵垂直領域建設語料基礎設施，構建支持大模型訓練的高質量中文數據集，同時形成“技術突破—場景落地—生態繁榮”的良性循環。

中國網記者現場提問。中國教育報記者 張勁松/攝

20世紀80年代，王選院士的團隊發明激光照排技術，并結合漢字的編碼標準，突破了中文數字化的空間限制，讓承載中華文化的中文在全球互聯網空間獲得新生。當前，大語言模型技術對大規模高質量語料提出前所未有的需求，賦予了數據中文化新的歷史內涵和使命任務。中文信息處理技術的發展從以往解決漢字輸入輸出的基礎性問題，進階到當先釋放語言文字數據要素價值的全方位突破。

湯幟認為，加強數字中文建設需從三個維度重塑發展格局，推動中文信息處理技術發展進入新階段：即從重要資源轉化到數據要素價值；從廣泛存在聚焦到關鍵領域應用；從基礎支撐提高到賦能全局發展。

湯幟表示，新形勢下，語言文字將實現從“靜態符號”向“動態數字資產”，從“信息載體”向“生產要素”的轉型，要重點推動語料庫、數據標注與評價等標準的研制，支持文本生成與理解、語言翻譯、情感分析等各種任務。

語言文字“日學而不察、日用而不覺”，廣泛存在于社會生產各個方面。新形勢下，語言文字將實現從符號存儲到智能建模的質變，要聚焦關鍵垂直領域建設語料基礎設施，構建支持大模型訓練的高質量中文數據集。

當前，人工智能技術發展迅速，語言文字信息處理技術創新應用正經歷從“GB2312字符集”到“萬億參數大語言模型”的范式變革。湯幟強調，新形勢下，語言文字將實現與信息技術的深度融合，要形成“技術突破—場景落地—生態繁榮”的良性循環，打造數字化引領品牌，有力服務教育發展、助力科技創新、賦能文化傳承、推動產業升級、促進社會進步。

編審：張艷玲 王月博