档案学：AGI的智能归档与ASI的长期保存，如何重塑档案学？
从AGI到ASI，档案学正在经历一次从"保管实体"到"管护可信性"、从"被动存储"到"主动可持续保存"的双重跃迁。这一跃迁最核心的意义是：AGI把档案工作者从著录、分类、检索等繁重操作层中解放出来，让他们能聚焦于价值鉴定与意义解读；ASI（若到来）则让数字档案的长期保存从"周期性迁移"走向"自适应可信管护"——但档案学的根本底线来源、真实性、完整性、保密与责任——不仅不会松动，反而会因机器参与的加深而变得更加不可让渡。下面分四层说清楚。一、AGI阶段：智能归档已经在全流程落地传统档案工作的痛点是——档案人员大部分时间耗在"整理"和"检索"上：手动著录、逐字录入、在浩如烟海的档案库里翻找文件。AGI阶段的多模态大模型正在系统性地把这些环节重构。
🗂️ 多模态智能采集
利用AGI的多模态理解处理能力，可实现各类档案资料的智能化采集：对于声像档案，AGI可通过语音识别技术将音频内容转化为文本内容，同时提取说话人、语速、情感等要素；对于影像档案，AGI可通过视频场景理解，提取视频中的关键帧、字幕、主要人物等要素，并分割成语义场景；对于图像档案，AGI可通过图像识别分类技术，分析图片内容特征、场景，识别图像中的文字、人物、物体信息等要素。多模态档案采集后形成的结构化信息，可直接集成到档案管理流程中进行统一管理。
📝 元数据自动抽取与智能编目
利用AGI的知识抽取、语义理解和归纳生成能力，可大幅提升档案整理的智能化水平：首先通过OCR影像识别将纸质档案转化为电子文本，然后利用AGI从档案文本中自动抽取题名、责任者、日期、保管期限等关键档案元数据，并通过知识推理实现档案的分类和排序，对分类结果进行归纳生成档案目录。基于AGI的档案整理可以从海量档案文本中自动学习档案分类和编目的知识，形成档案编目知识图谱，以辅助和规范档案工作人员的整理工作。
🔍 跨模态智能检索
借助AGI的个性化智能和跨模态理解能力，可实现档案的智能化、个性化、跨模态检索。AGI可以打破不同模态档案之间的壁垒，实现跨模态档案资源的关联检索，用户可通过一段文字、一段语音或一张图片检索到相关的其他模态的档案，极大地拓展了档案利用的广度和深度。
🛡️ 智能鉴定与开放审核
引入AGI技术，可辅助档案的价值与开放鉴定。对于档案价值鉴定，AGI系统通过对档案内容的语义分析，自动判定档案的历史、现实、社会等价值，评估档案的重要程度，为档案移交、销毁提供科学依据。对于开放鉴定，AGI系统通过对档案形成背景、内容主题、相关法律法规的综合分析，自动判定档案的开放条件、利用范围、控制措施，形成开放鉴定意见。
二、ASI推演：长期保存从"周期迁移"走向"自适应可信管护"ASI（人工超级智能）尚未到来，但基于数字保存的经典原则与当前AI演进轨迹，可以审慎推演长期保存范式的质变。
🌐 推演一：从"被动迁移"到"预测性迁移"
IASA《数字音频保存指南》早已明确一个前提："没有终极的永久存储介质，在可预见的未来也不会有"。相反，数字档案管理者必须计划实施保存管理系统和存储系统，这些系统旨在支持随着格式、载体或其他技术不可避免的变化而进行的处理。技术变革的速度和方向是档案馆无法控制和影响的事情，数字保存的目标和重点是建立可持续的系统，而不是永久的载体。
在这一前提下，ASI若到来，有望把当前的"周期性迁移"升级为"预测性迁移"——自主监测格式生态、预判某某格式何时进入濒危窗口、在内容仍可无损转换时主动触发迁移，避免"迁移踏车"效应（migration treadmill）带来的损耗累积。
🕸️ 推演二：从"元数据绑定"到"全域血缘管护"
IASA指南强调：技术基础设施必须包括"将元数据可靠地链接到所存数字对象的方法"，大规模操作通常需要建立数字对象管理系统，这些数据对象管理系统与数字海量存储系统相连接，以便应对所涉及的过程范围，并允许更改元数据和工作接口，而不必改变大容量存储。
ASI若到来，有望把这种"元数据—对象"的绑定关系，扩展为全域血缘（provenance）图谱——每一次格式转换、每一次访问控制、每一次AI辅助著录，都被不可篡改地记录到档案的血缘链上。这恰好呼应了OpenAIRE在2026年发布的《AI Preparedness Guidelines for Archivists》所强调的："AI-ready"意味着系统性地评估、记录和准备藏品，使AI系统能够透明且负责任地运行——包括记录完整性和排除的数据、改进条目级和上下文元数据、在保留来源的同时确保连贯的文件结构和格式、定义应用特定的评估指标。
🔐 推演三：从"数字仓储"到"混合可信 Anchor"
这是最具档案学特质的一个推演方向。当生成式AI、自主智能体和合成媒体让"数字档案的真实性"面临结构性危机——即"重要记录的'地面真相'只能由另一种算法验证，从而产生随时间退化的递归循环"——全球研究共识正在形成：纯粹的数字档案在没有模拟锚点的情况下，无法在多世纪保存尺度上独立验证自身的真实性。
德国联邦档案馆（Bundesarchiv）、美国国档案馆（NARA）、印度国家档案馆、日本国立公文书馆、法国Andra、马来西亚Arkib Negara等机构均已保留ISO合规的银盐微缩胶片作为指定保存介质。当前可辩护的重要记录保存标准是混合堆栈：数字用于访问和AI辅助发现；ISO 18901 LE-500银卤化物微缩胶片用于具有法律可采性、抗AI、500年保存期限的保存母版。
三、不可逾越的边界：档案学的五条底线国家档案局2026年意见写得非常明确："不得以人工智能应用替代职责履行，档案业务部门须对应用结果进行审核确认"。这一句话事实上确立了AGI/ASI时代档案学的根本工作伦理。具体展开为五条底线：
⚠️ 底线一：职责履行不可让渡
国家档案局意见的措辞是刚性的——"不得以人工智能应用替代职责履行，档案业务部门须对应用结果进行审核确认"。无论AGI多么智能、ASI多么强大，档案的接收、鉴定、开放审核、销毁决定等职责，必须由具备档案专业素养的人类档案工作者承担。
⚠️ 底线二：来源与真实性不可被"扁平化"
OpenAIRE的FLAME项目指南警告：没有充分准备的AI应用，"可能放大现有偏见，或将不完整的藏品误表示为全面"，更严重的是——"把档案简单地当作数据，会扁平化来源、法律地位和社会意义，破坏档案完整性"。生成式AI的摘要是还原性的（reductive），它会抚平档案中"富有成效的摩擦"——那些有争议的意义和矛盾的陈述，恰恰是历史学家试图揭示的。
⚠️ 底线三：数据安全和保密是不可触碰的红线
国家档案局意见对此有最严格的约束：
⚠️ 底线四：算法风险必须可监控
国家档案局意见充分认识到了人工智能算法可能存在后门攻击、设计缺陷等不确定性风险，要求按照相关部门风险监测和安全预警信息，及时做好算法安全风险排查；加强人工智能算法备案情况审查，做好应用上线前和使用过程中的安全风险评估，防范算法漏洞、数据泄露、数据污染、后门嵌入等风险；防止虚假信息和伪造内容生成。
⚠️ 底线五：长期保存的责任必须"到人"
IASA指南说得很彻底："对于数据的存储和保护，必须责任到人。这是一项技术责任，需要一套特定的技能和知识以及管理专长"。即使是非常小的藏品，也必须配备具备必要专业知识和专门负责该任务的人员。ASI可以提供工具，但"责任到人"这一原则不会因为工具的智能化而失效——相反，工具越智能，责任锚定的重要性越突出。
四、未来档案工作者的画像在AGI/ASI时代，档案工作者需要具备三种复合能力：
1. 人机协同工作流的设计能力
能够运用AGI工具完成多模态采集、元数据自动抽取、智能分类、跨模态检索等操作层工作，自己聚焦于价值鉴定与意义解读。正如国家档案局意见所部署的——档案工作者应"创造条件开展文字、语音、图像识别工作"，"探索开展数据标注"，但始终"对应用结果进行审核确认"。
2. "AI-ready"藏品的建设能力
OpenAIRE指南给出的框架非常具体：档案工作者必须能够系统性地评估、记录和准备藏品——记录完整性和排除的数据、改进条目级和上下文元数据、确保连贯的文件结构和格式、定义应用特定的评估指标。这是一项"干预性的、伦理知情的数据策展工作"，它浮现差距、偏见和局限性。
3. 档案学核心原则的坚守能力
在底本选择、开放鉴定、销毁决定、真实性验证等关键节点，保持档案工作者的主体性。宜昌市档案馆的文章早就预警过：仅追求效率而忽视效益可能导致档案内容误读、鉴定错误等工作风险的发生，进而造成档案质量下降和信息丢失——"当人工智能将档案管理工作从人文理性推向技术理性，档案领域就必须要正视技术与人文之间的矛盾关系"。
回到问题的核心：AGI的智能归档让档案工作从"整理与检索"中解放出来——多模态采集、元数据自动抽取、智能编目、跨模态检索、AI辅助开放鉴定，这些操作层工作正在被系统性重构，国家档案局已正式将其列为优先推进的应用场景。ASI推演中的长期保存，则让档案学从"周期性迁移"走向"预测性迁移+全域血缘管护+混合可信锚点"——但这一切的前提是：档案的"真实性"必须有一个不依赖算法的锚点。
但重塑的是能力，不是权威。AGI能自动抽取题名、责任者、日期、保管期限，并生成档案目录；但它不能替我们回答：这份档案是否应当开放？它是否真实、完整、未被篡改？它的来源链是否清晰？——这些判断构成了档案工作者的职业尊严，也构成了"档案业务部门须对应用结果进行审核确认"的法定责任。
未来的档案工作者，不是被AI替代的"整理员"，而是"人机协同工作流的驾驭者+AI-ready藏品的策展者+档案真实性与来源链的责任人"。正如国家档案局意见所强调的——"不得以人工智能应用替代职责履行"；也正如OpenAIRE指南所揭示的——"AI是支持工具，而非档案劳动的替代品"。
马尔库塞的话放在这里依然有效：在算法的确定性逻辑与档案真实性的开放性之间保持张力。AGI/ASI让档案学"管护"更多的藏品、"维系"更长久的可信性，但档案背后"这份记录是否为它所声称的那样、且未被未经授权地更改过"的终极判断，最终要靠人的档案专业素养来锚定——而这一锚定，在ASI时代比以往任何时候都更关键，因为当生成式AI让"数字档案的真实性"面临结构性危机时，守护真实的责任就完全落到了人类档案工作者肩上。
档案学从"保管实体"走向"管护可信性"——但"管护"的最终意义，是为了让"真实性"在算法时代依然可被独立验证。这不仅是技术命题，更是档案学在智能时代对自身存在理由的重申：档案不是数据，档案是被负责任地管护着的人类记忆。 |
GMT+8, 2026-9-1 13:16 , Processed in 0.049607 second(s), 21 queries .
Powered by Discuz! X3.5
© 2001-2026 Discuz! Team.
