版本学：AGI的逐字比对与ASI的源流推演，如何革新版本学？
从AGI到ASI，版本学正在经历一次从"逐字折校"到"异文全覆盖"、从"单书考镜"到"宏观谱系推演"的双重跃迁。这一跃迁的核心不是让机器替学者"判定版本"，而是把版本学中机械、繁重、依赖记忆的操作层交给机器，让学者把判断力投向机器无法抵达的源流与价值层面。AGI已经在《儒藏》编纂、古籍自动校勘等场景中将"OCR校对+多版本校勘"做成成熟工作流；ASI（若到来）则有望把孤立的版本关系推演为融合时间、空间、文本多重关联的全局源流网络。但版本鉴定的核心——底本选择、异文取舍、版本真伪判断——始终不能让渡给机器。下面分四层说清楚。一、AGI阶段：逐字比对已经做成成熟工作流传统版本学的校勘是"校书如扫落叶，旋扫旋生"——学者需要手工比对宋黄善夫本、明汲古阁本、清武英殿本等数十种版本，逐字标记异文，写成完备的校勘记往往耗费数年心血。AGI阶段的AI正在系统性地把这个过程重构。
🔍 多版本异文的瞬时定位
以《儒藏》编纂为标志性案例。整个《儒藏》团队已在使用识典古籍整理平台，工作流分为四步：建立条目并上传影印底本→OCR自动识别并高亮存疑字→AI自动提取标题、标点、命名实体识别、分段→多版本校勘环节。在AI辅助下，"版本之间的差异可以被瞬间定位，研究者省去了对比不同版本来找出异文的时间，直接进入对异文进行判断、取舍和校正文本、撰写校勘记的环节"。
识典古籍带来的最大帮助正是OCR校对和多版本校勘："以前古籍要达到出版级别，要一竖排一竖排做折校，每个字都要一一对应。现在识典古籍整理平台能够提供与折校相同的视觉效果，而且可以随意放大，事实上更加方便了，同时还通过标记不同颜色提示出置信率较低的文字，使异文不易被遗漏"。
📊 效率的数量级跃升
字节跳动2026年在豆包大模型支持下，AI已能覆盖古籍整理全流程。一位北大《儒藏》工程专家分享：一部10000字的稿子，用识典古籍平台，差不多两天就能完成OCR校对和多版本校勘；要是在纸质时代，同等的工作量可能需要10天左右。上线三年来，识典古籍已上线近6万部古籍，5000多个团队在平台开展工作。
📝 结构化校勘记的自动生成
以《史记》为例，借助文本相似度算法自动对比多个版本的文字内容，并初步过滤讹字、异体字等，可以大幅度减少人工干预。借助智能技术生成结构化的校勘记，能清晰展示《史记》不同版本的差异，辅助学者发现关键异文，同时依据这些异文的分布模式，深入分析版本源流和演变脉络。
二、AGI的天花板：机器能发现差异，不等于能判断差异但AGI的能力边界同样清晰，且在版本学这种"无一字无来历"的学科里显得尤为尖锐。
⚠️ 天花板一：通顺≠准确，晚出本≠近祖本
数字人文港的一篇分析戳中了要害：AI能发现差异，不等于能判断差异。举例说，某部书有一个早出的刻本文字残缺较多，另有一个晚出的重刻本文字比较完整——机器很容易倾向于完整的一方，因为它读起来顺。但古籍整理不能简单把顺的一方当作对的一方。晚出的版本可能经过后人改动，语句更顺，反而离原貌更远；早本虽然残缺，却可能保存了更古的文字面貌。底本选哪一个、异文采哪一个，需要整理者了解版本源流，而不是只看语言概率。
⚠️ 天花板二：幻觉即"作伪"
武汉大学王晓光教授的核心判断是："现阶段，AI在古籍整理中的角色只能是'副驾驶'，绝对不可以让它坐上'飞行员'的位置。它可以为你生成初稿、提示线索、枚举可能性，但最终核查每一个字、每一条出处的责任，必须由人来承担。"
这一判断背后是惨痛的教训：复旦大学出版社一位资深编辑披露，某高校研究生利用ChatGPT辅助《文苑英华》选篇的注释整理，模型"创造"出了一条子虚乌有的卷次引文，不仅伪造了宋代刻本的行格信息，还凭空捏造了清人劳格的考证文字。中国人民大学国学院一位教授测试某商用大模型对《尚书·禹贡》的分析能力，模型引用了三位清代朴学巨擘的考辨，姓名、书名、卷数一应俱全，但细查内容竟是机器自行拼凑的伪托文字。这种"虚构引用"在AI术语里叫"幻觉"，在文献学的传统话语里有一个更为严厉的定性——作伪。
⚠️ 天花板三：异体字、通假字、版刻特征的识别偏差
古籍中大量异体字、通假字易被误判（如将"説"误认作"說"），导致语义理解出现偏差。版面分析层面，双行夹注与正文的混淆、版刻字体特征提取等仍是技术瓶颈。这意味着机器的"逐字比对"在字符层面仍有漏校风险，必须配以人工校验。
三、ASI推演：从"单书考镜"到"宏观谱系与源流推演"ASI（人工超级智能）尚未到来，但基于现有的数字目录学进展，可以清晰看到版本学向"全局源流推演"演进的方法论框架。
🌐 历代目录可视化与分类变迁回溯
中国社科网2026年8月文章披露的"经籍指掌"系统是标志性实践：孙显斌主持的该系统选取纵贯两千年的多部史志目录为样本，采用人机协同模式构建了历代古籍目录可视化分析平台。该系统依托多维度统计与图形化展示，能够精准回溯单部典籍的分类变迁轨迹及类目演化规律。
🕸️ 时间轴知识图谱：时空文本多重关联融合
清华大学数字人文团队正着力研发时间轴知识图谱平台，引入多元算法与模型消歧技术，深度融合时间、空间与文本等多重关联维度，有望为核心历史事件与各类文化知识的源流考证提供一个前瞻性的智能化基础设施。
📜 版本谱系与传播路径的动态可视化
在ASI推演的视野下，版本源流研究将突破单书边界：
🔮 ASI级别的推演潜力
DeepMind 2026年《From AGI to ASI》报告描绘了ASI的可能形态——系统在"有效算力"每年约10倍增长的驱动下，通过持续扩展、算法突破、递归自我改进和多智能体集体智能四条路径，达到"超越大型协同人类组织的认知能力"。若ASI到来，版本学的源流推演有望实现：
但必须清醒：这种推演的价值不在"还原真实"，而在生成可供检验的研究假设。ASI给出的"最可能版本谱系"，必须由人类版本学家判断它是否符合已知的版刻特征、流传语境和学术逻辑。
四、方法论升级：版本学的"副驾驶—飞行员"新范式综合上述进展，AGI/ASI对版本学的升级可以概括为四个维度的范式转换：
华中师范大学张三夕教授的评价颇为精准："工具的迭代会倒逼我们重新定义'研究'。当事实性知识机器都能替你梳理清楚，学者的核心使命就应该向机器无法触及的层面转移——文学感受、历史解释、思想评判，这些才是人之为人的学术尊严。"
五、不可逾越的边界：版本学的三条底线⚠️ 底线一：底本选择与异文取舍的判断权不可让渡
机器倾向于"通顺方"，但版本学的核心方法论是"存古方"——早本虽残缺，却可能保存更古的文字面貌。底本选哪一个、异文采哪一个，必须由具备版本学素养的学者判断，这是"飞行员"的职责，不能被"副驾驶"替代。
⚠️ 底线二：版本真伪与年代鉴定的责任不可让渡
AI可以通过OCR与NLP技术自动识别古籍的版本、作者等信息，辅助完成古籍普查的著录工作。但版本真伪的最终鉴定结论、刻本年代的最终判定，必须由人类学者承担学术责任。当AI给出的版本归属与版刻特征、纸张墨色、讳字等证据链不符时，学者必须能够识别并纠正。
⚠️ 底线三：校勘记的学术规范性不可让步
AI生成的校勘记初稿必须经过学者核查——每一个字、每一条出处的责任必须由人来承担。武汉大学王晓光"副驾驶—飞行员"的定位，正是这一底线的理论表达。
六、未来版本学家的画像在AGI/ASI时代，版本学家需要具备三种复合能力：
1. 人机协同工作流的设计能力
能够熟练运用识典古籍这类平台，将OCR校对、多版本校勘、实体识别等环节高效组织起来，让机器处理机械比对，自己聚焦于判断取舍。
2. 宏观谱系的推演与验证能力
能够利用"经籍指掌"、时间轴知识图谱等工具，回溯典籍分类变迁轨迹、可视化版本源流脉络，同时对AI生成的谱系推演进行学术验证。
3. 版本学核心判断的坚守能力
在底本选择、异文取舍、版本真伪鉴定等关键节点，保持学者的主体性——知道机器会出错，且能够在具体情境中识别具体错误。
回到问题的核心：AGI的逐字比对让版本学从"逐字折校"走向"异文全覆盖"——《儒藏》团队用识典古籍平台，10000字稿子的OCR校对和多版本校勘从10天压缩到2天，异文不易被遗漏，校勘记初稿自动生成。ASI推演中的全局图谱则让版本学从"单书考镜"走向"宏观谱系推演"——"经籍指掌"系统回溯两千年典籍分类变迁，清华时间轴知识图谱融合时空文本多重关联，版本谱系与传播路径实现动态可视化。
但升级的是能力，不是权威。机器能发现甲本作"天下"、乙本作"大下"、丙本作"天下"，并提示"大下"很可能是形近而误；但它不能替我们回答：底本选哪一个？晚出本虽通顺但是否离原貌更远？某条异文反映的是版本传承关系还是后人臆改？——这些判断构成了版本学家的学术尊严，也构成了研究者主体性不可让渡的底线。
未来的版本学家，不是被AI替代的"折校者"，而是"人机协同工作流的驾驭者+AI输出的验证者+版本真伪与源流结论的责任人"。正如王晓光所言，AI只能是"副驾驶"，"飞行员"的位置永远属于那些愿意为一字一句之取舍承担学术责任的版本学家。
马尔库塞的话放在这里依然有效：在算法的确定性逻辑与版本真实性的开放性之间保持张力。AGI/ASI让版本学"看清"更多异文、"看见"更宏大的谱系，但版本背后"哪一版最近祖本"的终极判断，最终要靠人的文献学素养来锚定——而这一锚定，在ASI时代比以往任何时候都更关键，因为当AI生成的版本谱系比真实传承更具视觉冲击力时，守护真实的责任就完全落到了人类学者肩上。 |
GMT+8, 2026-9-1 13:16 , Processed in 0.047088 second(s), 21 queries .
Powered by Discuz! X3.5
© 2001-2026 Discuz! Team.
