有时候，拿起一本经典我常忍不住感慨，这些文字是如何穿越两三千年的时空，来到我的书桌上的。这中间历经了多少天灾人祸，更重要的是今天的我们还能读懂它，并继续从中汲取力量，想一想这简直就是一个奇迹。这样的奇迹，背后是一代一代人，为接续民族文化香火，而付出的巨大牺牲。古人说书有四劫：水火兵虫。近代以来中国处于“三千年未有之大变局”，众多古籍又面临流散海外的新问题。据不完全估计，散居海外的中国古籍超过40万部、400万册，包括甲骨简牍、敦煌遗书、宋元善本、明清精椠、拓本舆图、少数民族文献等等。5月18日，在“汉典重光”海外古籍数字化回归发布会上，一批珍藏于加州大学伯克利分校的中文古籍善本，终于以数字化方式回归故土。
首批数字化的古籍共20万页，包含40余种珍贵宋元善本。这些善本中光宋版书就好几套，如宋刻本《後村居士集》、北宋《金粟山大藏经》写本、苏轼文集的残页，此外还有清文澜阁四库全书本《宋百家诗存四十卷》、清末第一批近代思想家王韬的稿本《瀛壖杂志》等。懂得版本学的人，不难理解这些书有多么珍贵，尤其是王韬稿本是通过这次整理才首次发现其存世的。
古籍回归，殊非易事。2019年，阿里巴巴和四川大学提出“数字化回归”设想，四川大学历史文化学院王果副院长与该院教授、中央文史研究馆馆员陈力牵线搭桥，沟通北美、欧洲、日韩等地藏书机构，最后获得加州大学伯克利分校支持，达成共识，将伯克利东亚图书馆的中文古籍善本逐步数字化。
古籍善本数字化回归，这是什么意思呢？就是由伯克利提供古籍的扫描图片和编目数据，阿里巴巴达摩院将其全部文字化。阿里巴巴达摩院院长张建锋表示，阿里计划将这套技术工具连同古籍数字化平台一并捐赠，交由权威公共机构长期运营，最终将成为一个开放的网络平台，供大众检索学习。研究人文学科的人可能知道，我们的古籍有一些已经有影印本或扫描图片，在一些网络平台上也能看到其真容。但问题是这些图片只能阅读浏览，却无法以数字化的方式搜索识别。古籍数字化后，能减少研究者对真本的翻阅损坏，还会给学术研究插上翅膀。比如台湾有学者利用大数据研究《红楼梦》，通过对全书字频词频、语言习惯的分析，认为后四十回大部分都是曹雪芹本人写的。书中一些历来被认为是杜撰的药方，其实在古医书中都有原型。古籍数字化能力提高后，学术研究可能会带给我们更多的惊喜。但这件事有多难呢？首先难在古籍卷帙浩繁，如果靠人工录入，仅一部《四库全书》就要耗尽许多人一生之力。很多人都会想到AI识别，但是中国古籍有大量的异体字、生僻字，绝大部分不仅没被现代字库收录，也几乎找不到样本供AI学习，这成了古籍数字化领域的技术瓶颈。达摩院技术团队与四川大学专家“文理联合”，研发了一套全新的古籍识别系统，利用单字检测、无监督单字聚类、小样本学习、主动学习等机器学习方法，构造了一套边识别古籍、边训练模型的系统，以97.5%的准确率完成对20万页古籍的整体识别。这一系统现能批量识别百本古籍，并沉淀覆盖3万多字的古籍字典。比起专家录入，这套人机交互的识别系统将效率提升了近30倍。
这件事的意义不仅在于实现海外古籍的数字化回归，这套识别系统其实更像是一种“基础设施”，将来系统更加成熟之后，国内外浩如烟海的古籍都有了数字化的可能性。比如将来在平台上输入“达摩”，古籍中所有关于达摩的记述都会被检索出来，古人皓首穷经一辈子都做不到的事，每一个普通人将都能做到。而那时候书写在古籍里的文字，也许就真的活起来了。
文明的传承，要有背诵出《尚书》的伏生、守护天一阁的范氏家族所具有的那种精神力量，也要靠文化载体的不断演进。我们的文明从刻在甲骨上，到铸在青铜器上，到镌刻在竹简、碑石上，再到书写在纸张上，总是跟随时代的发展不断进步，从不固步自封。如今时代走到了数字化的今天，如何使我们的古老文明再一次拥抱新的载体，是我们这一代人的责任。我们常说，中华文明是古代文明中唯一一个延续至今没有中断的。对典籍近乎执着的传承，正是我们的文明绵绵不绝的强大动力。从这个角度上说，古籍数字化只是一小步尝试，但它对于绵延文化“香火”的意义，或许是划时代的。
