中國網(wǎng)4月1日訊（記者 劉佳）20世紀中文信息處理技術(shù)解決了漢字進(jìn)電腦、上網(wǎng)絡(luò )的歷史性問(wèn)題，迎來(lái)從“鉛與火”到“光與電”的革命。時(shí)至今日，人工智能技術(shù)快速發(fā)展，中國如何加強數字中文建設，從而推動(dòng)中文信息處理技術(shù)創(chuàng )新發(fā)展？

在教育部3月31日舉行的新聞發(fā)布會(huì )上，中國網(wǎng)記者就此提問(wèn)北京大學(xué)王選計算機研究所所長(cháng)湯幟。他認為，要聚焦關(guān)鍵垂直領(lǐng)域建設語(yǔ)料基礎設施，構建支持大模型訓練的高質(zhì)量中文數據集，同時(shí)形成“技術(shù)突破—場(chǎng)景落地—生態(tài)繁榮”的良性循環(huán)。

中國網(wǎng)記者現場(chǎng)提問(wèn)。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(fā)明激光照排技術(shù)，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(lián)網(wǎng)空間獲得新生。當前，大語(yǔ)言模型技術(shù)對大規模高質(zhì)量語(yǔ)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(wù)。中文信息處理技術(shù)的發(fā)展從以往解決漢字輸入輸出的基礎性問(wèn)題，進(jìn)階到當先釋放語(yǔ)言文字數據要素價(jià)值的全方位突破。

湯幟認為，加強數字中文建設需從三個(gè)維度重塑發(fā)展格局，推動(dòng)中文信息處理技術(shù)發(fā)展進(jìn)入新階段：即從重要資源轉化到數據要素價(jià)值；從廣泛存在聚焦到關(guān)鍵領(lǐng)域應用；從基礎支撐提高到賦能全局發(fā)展。

湯幟表示，新形勢下，語(yǔ)言文字將實(shí)現從“靜態(tài)符號”向“動(dòng)態(tài)數字資產(chǎn)”，從“信息載體”向“生產(chǎn)要素”的轉型，要重點(diǎn)推動(dòng)語(yǔ)料庫、數據標注與評價(jià)等標準的研制，支持文本生成與理解、語(yǔ)言翻譯、情感分析等各種任務(wù)。

語(yǔ)言文字“日學(xué)而不察、日用而不覺(jué)”，廣泛存在于社會(huì )生產(chǎn)各個(gè)方面。新形勢下，語(yǔ)言文字將實(shí)現從符號存儲到智能建模的質(zhì)變，要聚焦關(guān)鍵垂直領(lǐng)域建設語(yǔ)料基礎設施，構建支持大模型訓練的高質(zhì)量中文數據集。

當前，人工智能技術(shù)發(fā)展迅速，語(yǔ)言文字信息處理技術(shù)創(chuàng )新應用正經(jīng)歷從“GB2312字符集”到“萬(wàn)億參數大語(yǔ)言模型”的范式變革。湯幟強調，新形勢下，語(yǔ)言文字將實(shí)現與信息技術(shù)的深度融合，要形成“技術(shù)突破—場(chǎng)景落地—生態(tài)繁榮”的良性循環(huán)，打造數字化引領(lǐng)品牌，有力服務(wù)教育發(fā)展、助力科技創(chuàng )新、賦能文化傳承、推動(dòng)產(chǎn)業(yè)升級、促進(jìn)社會(huì )進(jìn)步。

編審：張艷玲 王月博