中國網(wǎng)4月1日訊（記者 劉佳）20世紀中文信息處理技術解決了漢字進電腦、上網(wǎng)絡的歷史性問題，迎來從“鉛與火”到“光與電”的革命。時至今日，人工智能技術快速發(fā)展，中國如何加強數(shù)字中文建設，從而推動中文信息處理技術創(chuàng)新發(fā)展？

在教育部3月31日舉行的新聞發(fā)布會上，中國網(wǎng)記者就此提問北京大學王選計算機研究所所長湯幟。他認為，要聚焦關鍵垂直領域建設語料基礎設施，構建支持大模型訓練的高質量中文數(shù)據(jù)集，同時形成“技術突破—場景落地—生態(tài)繁榮”的良性循環(huán)。

中國網(wǎng)記者現(xiàn)場提問。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，并結合漢字的編碼標準，突破了中文數(shù)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，大語言模型技術對大規(guī)模高質量語料提出前所未有的需求，賦予了數(shù)據(jù)中文化新的歷史內涵和使命任務。中文信息處理技術的發(fā)展從以往解決漢字輸入輸出的基礎性問題，進階到當先釋放語言文字數(shù)據(jù)要素價值的全方位突破。

湯幟認為，加強數(shù)字中文建設需從三個維度重塑發(fā)展格局，推動中文信息處理技術發(fā)展進入新階段：即從重要資源轉化到數(shù)據(jù)要素價值；從廣泛存在聚焦到關鍵領域應用；從基礎支撐提高到賦能全局發(fā)展。

湯幟表示，新形勢下，語言文字將實現(xiàn)從“靜態(tài)符號”向“動態(tài)數(shù)字資產”，從“信息載體”向“生產要素”的轉型，要重點推動語料庫、數(shù)據(jù)標注與評價等標準的研制，支持文本生成與理解、語言翻譯、情感分析等各種任務。

語言文字“日學而不察、日用而不覺”，廣泛存在于社會生產各個方面。新形勢下，語言文字將實現(xiàn)從符號存儲到智能建模的質變，要聚焦關鍵垂直領域建設語料基礎設施，構建支持大模型訓練的高質量中文數(shù)據(jù)集。

當前，人工智能技術發(fā)展迅速，語言文字信息處理技術創(chuàng)新應用正經歷從“GB2312字符集”到“萬億參數(shù)大語言模型”的范式變革。湯幟強調，新形勢下，語言文字將實現(xiàn)與信息技術的深度融合，要形成“技術突破—場景落地—生態(tài)繁榮”的良性循環(huán)，打造數(shù)字化引領品牌，有力服務教育發(fā)展、助力科技創(chuàng)新、賦能文化傳承、推動產業(yè)升級、促進社會進步。

編審：張艷玲 王月博