文献学：ASI与AGI如何让文献学的校勘、辨伪走向全自动？
从AGI到ASI，文献学正在经历一次从"人工逐字校对"到"AI初校—大众粗校—专家精校"三级流水线、从"经验辨伪"到"多模态特征+概率推断"的双重跃迁。这一跃迁最核心的意义是：校勘中那些依赖视力、记忆力与反复翻检的机械化环节——标点、OCR、异文比对、校勘记撰写、缺损补全——第一次能够被机器系统性地加速；辨伪也从单一的目验经验，走向书写特征、材料属性、文本相似度、版本源流多证据融合的计算推断。但文献学作为"底本选定、校改判定、真伪裁定"三位一体的学科，其最终定稿权始终不能让渡给机器——AI给出的，是带概率的候选，而非定论。下面分四层说清楚。一、AGI阶段：校勘全流程已经做成三级流水线传统古籍整理以出版为目的，正确率要求极高，即便古籍专业学生也经常出错，难以独立承担项目——大部分项目都是一个专家负责一种书，从头做到尾，效率很低。AGI阶段的大模型正在系统性地重构这个流程。
📝 环节一：自动标点与结构化
北京大学数字人文中心副主任杨浩做过测试：AI自动标点准确率超90%，翻译古文也达到专家水平。唐宸教授的评价更具标志性："早期用电脑加标点质量确实不行，现在识典古籍运用大模型加标点，水平已经超过硕士生"。
识典古籍平台进一步把版面视觉模型与序列标注模型叠加，能识别页面栏线、插图，乃至自动输出多级目录——传统古籍"有字无篇"，卷、回、段落、标题全靠读者肉眼寻找，翻检效率极低，这一痛点被结构性解决。
🔍 环节二：异文比对与校勘记生成
在文字精校环节，AI可以匹配两套不同的文本；在文字校勘环节，可以比较差异、撰写数字校勘记。科技日报披露的"我是'校书官'"项目，采用AI技术修复上千年前的敦煌古卷《汉书·刑法志》——AI学习了原版古籍的文字、笔画风格和页面纹理，把缺损文字按原来的字体、色彩、背景修复还原；另一个AI项目则补全了残缺的《兰亭序》清晰样貌，其笔画细节遵照王羲之的技巧风格。项目设置了"追溯原本"功能，有疑问的话可以一键找到原文进行人工比对、校准。
🏛️ 环节三：垂直领域模型与"AI太炎"
北京师范大学王立军团队的做法点出了通用大模型的命门：通用大语言模型在标引或释读古汉语文本时，容易出现内容篡改和事实性错误等"幻觉"现象，无法做到对古汉语专业领域知识的准确理解。因此团队从头训练垂直领域模型"AI太炎"，利用大规模、高质量的专业古籍语料来应对通用大语言模型的这一弊端。
"AI太炎"能在短时间内完成一部古籍文本的自动标点、注释生成、文白翻译、典故提取等基础性工作。王立军特别强调："这并不意味着AI将取代学者。恰恰相反，它将我们从大量烦琐、重复的基础劳动中解放出来，使我们能够聚焦于更具深度和创造性的学术探究"。
🌐 环节四：规模化流水线已经跑通
"我用AI校古籍"项目自2024年启动以来，在"识典古籍"智能整理平台支持下，吸引了全国1450余所高校的2万名大学生及1.7万名社会公众志愿者参与，累计完成15亿字的粗校，约覆盖2万部古籍。人民网的数据显示：智能校勘使得古籍整理从"学术生产"转变为"文化体验"，一年时间就可以完成数亿字古籍的图文校对工作。
二、辨伪：从"目验经验"到"多模态概率推断"辨伪比校勘更依赖综合判断，但AGI已经在多个子环节实现突破性辅助。
✍️ 子环节一：书写者识别与笔迹分析
格罗宁根大学对死海古卷的研究是这一方向的标杆：研究者用计算机视觉与模式识别技术，基于字符形状特征，在死海古卷集合中实现了多位作者的高精度识别；进而用BiNet深度神经网络处理多光谱图像，在高度退化的古代手稿二值化上超越传统模型；最终对《大以赛亚卷》的定量分析提出了一个与既定假设相反的假说——该卷可能由两位不同抄写者书写。
类似地，针对西班牙国家博物馆所藏Avila手抄版《圣经》，AI进行了两种尺度的鉴别：一种是根据单个字符特征进行归类，另一种是根据整页文本特征进行归类，两种方式结合使鉴别效果大大提升。
📜 子环节二：贝叶斯年代预测与材料属性推断
格罗宁根大学的Enoch模型——一个基于贝叶斯回归的日期预测模型——将AI与放射性碳定年相结合，提出了一种估算手稿年代的先驱性技术。中国社科网指出，通过碳-14测年、DNA测序、高光谱成像等技术手段与人工智能算法结合，便能分析推断出材料的年代、材质、出土地等方面的属性。
🔤 子环节三：缺损文本补全与上下文还原
DeepMind的Aeneas模型（2025年7月发表于Nature）是这一方向的集大成者：基于包含176,861条铭文的数据集训练，Aeneas可以修复缺失文本、预测文本起源地、估算文本年龄，同时提供数据集中相似铭文的排序列表来支持其答案。
测试结果极具说服力：
普林斯顿大学芭芭拉·格雷西斯团队的研究更早揭示了方法论本质：AI可以通过模拟缺失部分来评估算法的准确性，并通过基于概率的算法，权衡文本的可能性和机器的置信度来检测和纠正错误——但对于纠正抄写方面的错误，评估难度更大。
三、为什么"全自动"在校勘与辨伪上行不通⚠️ 约束一：通用大模型的"幻觉"是结构性问题
王立军团队已经验证：通用大语言模型在标引或释读古汉语文本时，容易出现内容篡改和事实性错误等"幻觉"现象。这决定了通用大模型不能直接用于文献定稿——必须从底层训练垂直领域模型。
⚠️ 约束二：校正抄写错误的评估难度大于缺损补全
普林斯顿团队的判断极为关键：AI在"填补缺失文本"上可以通过模拟来评估算法准确性，但"对于纠正抄写方面的错误，评估难度则更大"。这意味着即便ASI到来，"是否采纳某条校改"的判断，仍必须由具备文献学素养的学者承担。
⚠️ 约束三：文献学要求"底本选定"的方法论决策
古籍整理的第一步是"选定某一个具有代表性的版本为底本"——这是文献学的方法论基石，涉及对版本系统、流传谱系、避讳字、刻工、牌记等综合判断。机器可以辅助版本比对、异文聚类，但底本选定这一根本决策不可自动化。
⚠️ 约束四：辨伪的本质是"多证据综合裁定"
书写特征、材料属性、文本相似度、版本源流——任何单一维度的AI推断都只能提供候选。真正的辨伪需要把这些证据放在一起，由学者综合裁定。AI给出的75%概率"写于1180—1210年"是统计推断而非历史事实。
四、ASI推演：从"单书整理"到"全域文献知识空间"ASI（人工超级智能）尚未到来，但基于现有轨迹可以审慎推演三个方向的质变。
🌐 推演一：全域文献源流图谱的自主构建
当前"AI太炎"、识典古籍、Aeneas等仍是单点工具。ASI若到来，有望自主融合：
由此形成的"中国文献学操作系统"，能让任何一句文本在毫秒级获得全域异文比对、版本源流定位、辨伪证据链生成。
🕸️ 推演二：长时段文本演变与辨伪模型
结合ASI级别的推理能力，文献学第一次可能具备"反事实文本推演"能力：
🔮 推演三：AIGC古籍造假的对抗性识别
这是一个ASI时代全新的文献学前沿。当ChatGPT能生成足以乱真的"先秦佚文"，当古籍拍卖行出现难以界定的"新发现孤本"——传统依赖目验经验、纸张分析、墨迹比对的鉴定手段面临"双重失灵"。古籍AI检测技术正依托多模态人工智能深入文本深层结构，在数字废墟中寻找AI无法完美复制的"破绽"：语义一致性分析、人类写作（尤其古籍）蕴含的深层文化背景逻辑——这将成为文献学在ASI时代最具现实紧迫性的新课题。
但必须清醒：ASI给出的"最可能源流""最可能真伪""最可能年代"，本质上仍是统计推断。普林斯顿团队的警告在ASI时代更加尖锐——"在涉及文本的真实性和可靠性时，这种方法也面临挑战"。
五、不可逾越的边界：文献学的四条底线⚠️ 底线一：底本选定的主体责任不可让渡
"选定某一个具有代表性的版本为底本"是古籍整理的第一步，也是文献学方法论的基石。AI可以呈现所有版本的异文分布，但哪一本作底本的最终决策，必须由具备文献学素养的学者承担。
⚠️ 底线二：校改判定的"阙疑"原则不可让步
传统校勘学要求"孤证不立"、"无征不信"——异文比对中AI标记的3.2万处差异，每一处都需要学者结合音韵、训诂、版本系统综合判断是否需要出校、如何出校。AI生成的数字校勘记是草稿，不是定稿。
⚠️ 底线三：辨伪的多证据综合裁定不可自动化
书写特征、材料属性、文本相似度、版本源流——任何单一维度的AI推断都只是候选。真正的辨伪需要"多重证据综合裁定"，这是学者主体性的核心场域。Aeneas的经验已经证明：专家+Aeneas协作优于任何一方单独工作——这恰是ASI时代文献学的标准工作伦理。
⚠️ 底线四：最终定稿的"学者主导"不可动摇
王立军的判断是根本性的："这并不意味着AI将取代学者。恰恰相反，它将我们从大量烦琐、重复的基础劳动中解放出来，使我们能够聚焦于更具深度和创造性的学术探究"。识典古籍平台的"AI初校—大众粗校—专家精校"三级体系，把"专家精校"作为最后一道关口——这一关口在ASI时代不仅不会消失，反而会因AI输出更具说服力而更加重要。
六、未来文献学者的画像在AGI/ASI时代，文献学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"AI太炎"、识典古籍、Aeneas等工具，让机器处理标点、OCR、异文比对、校勘记初稿、缺损补全、书写特征提取等机械性工作，自己聚焦于底本选定与校改裁定。
2. 多证据融合的辨伪能力
能够在AI给出书写特征匹配、材料属性推断、文本相似度排序、版本源流定位后，结合避讳字、刻工、牌记、流传谱系等证据链进行综合裁定——这是"学者主导定论"的能力基础。
3. 文献学核心方法的坚守能力
在底本选定上坚持版本系统判断、在校改上坚持"阙疑存疑"、在辨伪上拒绝单一证据定案——知道AI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让文献学的校勘在四个环节实现实质性加速——自动标点准确率超90%（识典古籍水平已超过硕士生）；异文比对与数字校勘记自动生成；"AI初校—大众粗校—专家精校"三级流水线让一年完成数亿字校对工作；"AI太炎"垂直模型能完成一部古籍的自动标点、注释生成、文白翻译、典故提取。辨伪则从"目验经验"走向计算推断：格罗宁根大学用BiNet和多光谱图像在死海古卷中识别多位抄写者，Enoch把AI与放射性碳定年结合给出贝叶斯年代预测，Aeneas在拉丁铭文上实现"专家+AI"协作断代误差缩小到14年。ASI推演中的全域文献知识空间，则让文献学从"单书整理"走向"全域源流图谱+反事实文本推演+AIGC古籍造假对抗识别"。
但走向全自动的是流程，不是定稿。AI能给出标点、异文、校勘记初稿、缺损补全、书写特征匹配、年代概率分布；但它不能替我们回答：这部书以哪个版本作底本？这条异文是否出校？这个校改是否采纳？这部"宋椠"是真是伪？——这些判断构成了文献学者的学术尊严，也构成了"学者主导定论"的不可让渡底线。
未来的文献学者，不是被AI替代的"校书官"，而是"人机协同工作流的驾驭者+AI候选输出的验证者+底本选定与真伪裁定的责任人"。
马尔库塞的话放在这里依然有效：在算法的确定性逻辑与文献真实性的开放性之间保持张力。AGI/ASI让文献学"标"更多句读、"比"更多异文、"辨"更多真伪、"复原"更多缺损，但文献背后"底本为何、校改是否成立、真伪如何裁定"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生成的校勘记比人工撰写更工整、当AI伪造的古籍比真古籍更"像"古籍时，守护"底本选定+多证据综合裁定"这一文献学根本方法的责任，就完全落到了人类学者肩上。
"AI辅助考据，学者主导定论"——这十二个字，就是AGI/ASI时代文献学的根本工作伦理。 |
GMT+8, 2026-9-1 13:17 , Processed in 0.036069 second(s), 21 queries .
Powered by Discuz! X3.5
© 2001-2026 Discuz! Team.
