中國(guó)是一個(gè)歷史悠久的多民族國(guó)家，很多民族在不同歷史時(shí)期創(chuàng)制并使用自己的民族文字，形成了數(shù)量巨大、內(nèi)容豐富、各具特色的少數(shù)民族古文字文獻(xiàn)。這些文獻(xiàn)是研究相關(guān)民族的語(yǔ)言文字、歷史文化的最重要的一手資料，承載著各民族獨(dú)特的血脈，更可與漢文典籍相互勘正補(bǔ)充，具有特殊的文化和學(xué)術(shù)價(jià)值；它們可以真實(shí)、全面地揭示各民族關(guān)系史，對(duì)增強(qiáng)民族團(tuán)結(jié)、維護(hù)國(guó)家統(tǒng)一、筑牢中華民族文化共同體具有無(wú)可替代的作用。

(資料圖)

從二十世紀(jì)九十年代至本世紀(jì)初的十余年間，這些珍貴的民族古文字文獻(xiàn)經(jīng)歷了一個(gè)發(fā)掘整理的高潮。大量民族古籍獲得搶救，其中一部分得到整理、譯注與出版，主要表現(xiàn)在滿文、藏文、西夏文、蒙古文、彝文、納西東巴文、水文等文獻(xiàn)的整理刊布上。但已搶救資源的現(xiàn)狀并不樂(lè)觀，突出表現(xiàn)在：已搶救資源因缺少專業(yè)整理而在各機(jī)構(gòu)大量閑置；一部分古籍老化、破損嚴(yán)重，缺少保護(hù)和修復(fù)條件；已出版文獻(xiàn)多采取直接影印形式，搶救大于整理。在傳統(tǒng)模式下，民族古文獻(xiàn)的傳承與開發(fā)已面臨困境。

幸運(yùn)的是，經(jīng)過(guò)近二三十年的發(fā)展，運(yùn)用數(shù)字化、智能識(shí)別手段進(jìn)行民族古文字文獻(xiàn)保護(hù)和開發(fā)已成大勢(shì)，相比傳統(tǒng)模式取得了諸多進(jìn)展。

已有的民族古文字文獻(xiàn)數(shù)字化和智能化建設(shè)情況，可以從四個(gè)方面加以述評(píng)。

一是民族古文獻(xiàn)原貌保真式數(shù)字存儲(chǔ)。即對(duì)民族古文獻(xiàn)進(jìn)行縮微、電子掃描等數(shù)字化制作、存儲(chǔ)，實(shí)現(xiàn)部分民族古文獻(xiàn)原貌的保存，這是當(dāng)前民族古文獻(xiàn)數(shù)字化的主要方式，著重于資源搶救和保護(hù)。

這類成果普遍存在的問(wèn)題是：對(duì)數(shù)字資源缺少系統(tǒng)的整理、校勘與注釋，文獻(xiàn)編目、索引做不到充分匹配，各單位制作的數(shù)字圖像質(zhì)量與整理水平也參差不齊。

二是民族古文字處理系統(tǒng)開發(fā)。包括民族古文字在國(guó)際標(biāo)準(zhǔn)字符集的編碼、字庫(kù)建設(shè)、文字輸入與檢索實(shí)現(xiàn)，以及民族古文字排版系統(tǒng)開發(fā)、字形標(biāo)準(zhǔn)化等，這方面的成果極其豐富。

然而，對(duì)于民族古文字處理系統(tǒng)的研發(fā)，各家都有自己的解決方案，可以滿足一定范圍的使用，但標(biāo)準(zhǔn)不統(tǒng)一、技術(shù)不兼容，難以通用共享。另外，大多數(shù)文字整理是基于字典、辭書等二手資料，忽略了對(duì)面貌復(fù)雜的一手文獻(xiàn)的精細(xì)化整理，導(dǎo)致文字處理系統(tǒng)不能滿足實(shí)際需要。

三是民族古文獻(xiàn)數(shù)據(jù)庫(kù)建設(shè)。其中可以分成三大類：民族古文獻(xiàn)書目數(shù)據(jù)庫(kù)、圖像數(shù)據(jù)庫(kù)和全文數(shù)據(jù)庫(kù)。各機(jī)構(gòu)基本上都是先對(duì)古文獻(xiàn)進(jìn)行編目、掃描整理原文圖像，然后以書目數(shù)據(jù)庫(kù)與原文圖像相掛接的模式實(shí)現(xiàn)數(shù)字化。已有成果集中在材料大宗的藏文、蒙文、西夏文、東巴文、彝文等民族古文獻(xiàn)數(shù)據(jù)庫(kù)建設(shè)上。也有部分民族古文獻(xiàn)建立了全文數(shù)據(jù)庫(kù)，如藏文典籍和滿文檔案。

在數(shù)據(jù)庫(kù)建設(shè)中，普遍存在著著錄標(biāo)準(zhǔn)、書目分類法標(biāo)準(zhǔn)、索引標(biāo)準(zhǔn)不統(tǒng)一的情況；尤其是圖像數(shù)據(jù)，存儲(chǔ)格式標(biāo)準(zhǔn)、數(shù)字化影像標(biāo)準(zhǔn)不兼容等技術(shù)問(wèn)題，嚴(yán)重影響資源的檢索利用和共享。此外，各單位資源重復(fù)建設(shè)、彼此不開放，也是亟待解決的問(wèn)題。

四是民族古文字智能識(shí)別研究。目前多種民族古文字都在積極進(jìn)行文字識(shí)別技術(shù)的探討，各家研究最大的關(guān)注點(diǎn)，是希望利用圖像識(shí)別技術(shù)實(shí)現(xiàn)民族古文獻(xiàn)從數(shù)字圖像自動(dòng)、批量轉(zhuǎn)換為數(shù)字文本，從而大規(guī)模建設(shè)全文數(shù)據(jù)庫(kù)，實(shí)現(xiàn)文獻(xiàn)批量翻譯，滿足共享與開發(fā)需求。比較成功的例子是中國(guó)第一歷史檔案館 2018 年公布的 " 滿文檔案圖像識(shí)別軟件系統(tǒng) "，該系統(tǒng)實(shí)現(xiàn)了手寫體滿文批量識(shí)別。

但目前能夠?qū)崿F(xiàn)規(guī)模化文字圖像識(shí)別的民族古文字極少，文字識(shí)別帶來(lái)的實(shí)際產(chǎn)出也很少。主要問(wèn)題有二：首先，文字識(shí)別的共同思路，是使用計(jì)算機(jī)切分、提取字的特征，使其與機(jī)器中預(yù)先存放的特征集（字庫(kù)）進(jìn)行匹配、判別，從而將字圖自動(dòng)轉(zhuǎn)換成文本代碼。這需要有預(yù)先建立的字庫(kù)作為訓(xùn)練樣本和測(cè)試標(biāo)準(zhǔn)，但識(shí)別技術(shù)研究者所建立的樣本數(shù)據(jù)庫(kù)容量極小、樣本選擇不科學(xué)，相較民族古文獻(xiàn)的實(shí)際復(fù)雜情況和巨大數(shù)量，根本無(wú)法支撐起真實(shí)存在的民族文字材料的識(shí)別。其次，在文字識(shí)別的目標(biāo)上，僅關(guān)注文字釋讀和文獻(xiàn)的批量翻譯，未能充分發(fā)掘文字識(shí)別帶來(lái)的多方面效益。

綜上可見(jiàn)，民族古文獻(xiàn)數(shù)字化建設(shè)具備了一定基礎(chǔ)，但整體而言操作有欠條理，投入與產(chǎn)出不成比例，迄今還集中在資料的搶救、整理、輸入、排印等初級(jí)層面。如何充分借力數(shù)字化和智能化手段推進(jìn)民族古文字相關(guān)研究，仍舊是一個(gè)嚴(yán)峻的課題。今后的努力方向，至少可以包括以下三個(gè)方面。

首先是統(tǒng)一標(biāo)準(zhǔn)，實(shí)現(xiàn)數(shù)字資源共存共享。數(shù)字化建設(shè)在多個(gè)方面需要統(tǒng)一標(biāo)準(zhǔn)。一是文字處理標(biāo)準(zhǔn)的統(tǒng)一。各類民族古文字的字符集，都應(yīng)爭(zhēng)取在國(guó)際字符集標(biāo)準(zhǔn)中編碼，暫時(shí)不能編碼者，應(yīng)盡量使用統(tǒng)一字體，或提供跨字體轉(zhuǎn)換的基礎(chǔ)條件。二是文獻(xiàn)各級(jí)分類標(biāo)準(zhǔn)的統(tǒng)一，包括著錄標(biāo)準(zhǔn)、書目分類法標(biāo)準(zhǔn)、索引標(biāo)準(zhǔn)，以及對(duì)文獻(xiàn)內(nèi)部的字詞意義分類、文獻(xiàn)類型分類標(biāo)準(zhǔn)等。三是語(yǔ)料的同義認(rèn)同。不同種類的民族古文字材料，如要實(shí)現(xiàn)各種內(nèi)在關(guān)聯(lián)，就要在共同的分類框架下，通過(guò)概念層面的意義分類、語(yǔ)言文字層面的同義系聯(lián)，實(shí)現(xiàn)材料的逐級(jí)類聚，使多文種、多類型文獻(xiàn)中的語(yǔ)言文字單位找到彼此的同義對(duì)應(yīng)項(xiàng)，從而貫通各類材料，打通數(shù)據(jù)庫(kù)內(nèi)部所有數(shù)據(jù)的關(guān)聯(lián)。四是數(shù)字化處理程度的統(tǒng)一，統(tǒng)一的標(biāo)準(zhǔn)是就高不就低。做到上述標(biāo)準(zhǔn)統(tǒng)一，是實(shí)現(xiàn)資源共享的基礎(chǔ)。

另外，應(yīng)當(dāng)借助文字智能識(shí)別，打通民族古文字的內(nèi)在關(guān)聯(lián)。民族古文字輸入數(shù)據(jù)庫(kù)有兩種形式，一是文字輸入，二是保真的原文圖像輸入。前者借助電腦字符集的編碼，可被計(jì)算機(jī)自動(dòng)識(shí)別；而圖像載體形式的古文字，目前唯有借助圖像識(shí)別技術(shù)，才能創(chuàng)建計(jì)算機(jī)可以自動(dòng)識(shí)別的信息碼，打通數(shù)據(jù)庫(kù)全部數(shù)據(jù)鏈，進(jìn)而實(shí)現(xiàn)民族文字內(nèi)部數(shù)字資源的徹底關(guān)聯(lián)。

我們以納西族東巴文為例來(lái)做簡(jiǎn)單說(shuō)明。東巴文中表示 " 杉樹 " 的字，其代表性字形有十來(lái)種，可以分為三組：

第一組：

第二組

第三組

三組字形分別出自白地、麗江和魯?shù)槿齻€(gè)地區(qū)的東巴經(jīng)文，呈現(xiàn)出明顯的地域特征；而每一組中的字形，又出自同一地域的不同書手，呈現(xiàn)出不同的風(fēng)格。在對(duì)上述文獻(xiàn)用字進(jìn)行一字一碼的圖像識(shí)別后，每一個(gè)字形所攜帶的地域特征、書手風(fēng)格、文獻(xiàn)類型、語(yǔ)境、字際關(guān)系等都能夠被計(jì)算機(jī)自動(dòng)處理，則所有字形圖像與其他數(shù)字資料的數(shù)據(jù)關(guān)聯(lián)就能夠被打通，智能處理就具有了無(wú)限空間。如此處，即可借助圖像識(shí)別對(duì)東巴經(jīng)文的地域特征、書手特征進(jìn)行譜系分類研究。反過(guò)來(lái)，如果采用以往的識(shí)別思路，最終結(jié)果就是將上述八個(gè)字形歸屬于 " 杉樹 " 這一抽象的文字單位，識(shí)別的意義就只能是局限在經(jīng)文的解讀對(duì)譯上。

再及，智能化的助力，可以推動(dòng)大中華文化視野下的多民族文字綜合研究。我國(guó)的民族古文字，多數(shù)是在以漢字文化為基石的中華民族多元文化融合的歷史環(huán)境中發(fā)生、發(fā)展、演變的。這也就意味著，只有將民族古文字相關(guān)研究置于中華民族多元文化融合之系統(tǒng)中展開，才能揭示其全貌，也才能在彼此觀照中獲得對(duì)自身更深入的理解。

知識(shí)系統(tǒng)的充分系聯(lián)與普及，同樣要仰賴數(shù)字化與智能識(shí)別手段。可舉一例來(lái)說(shuō)明。水書是水族民間選擇時(shí)日、擇吉避兇的查閱用手抄本，其占卜擇日的概念、原理、體系、表達(dá)程式等多數(shù)來(lái)自漢族通書，而漢族通書的源頭，可以上溯到先秦日書，如楚簡(jiǎn)、秦簡(jiǎn)日書。這是縱向的觀察。橫向來(lái)看，漢族通書明清時(shí)期曾在南方少數(shù)民族地區(qū)廣泛傳播，水、侗、彝、布依等多個(gè)民族的古文獻(xiàn)中，都出現(xiàn)通書內(nèi)容，它們都來(lái)自漢文化，并形成了各自的擇吉特點(diǎn)。如果我們按前文所說(shuō)，以統(tǒng)一的標(biāo)準(zhǔn)完成了這些古文字材料的意義逐級(jí)分類系聯(lián)，并實(shí)現(xiàn)材料的圖像智能識(shí)別，那么就可以通過(guò)其中任何一種材料的圖像識(shí)別，實(shí)現(xiàn)相同義類的多種古文字材料的系聯(lián)呈現(xiàn)。

如水書 " 赤口時(shí) " 篇（圖 1），識(shí)別出對(duì)應(yīng)文字為：" 春三月辰午時(shí)，夏三月午時(shí)，秋三月戌時(shí)，冬三月丑午時(shí)兇，口舌。" 意為：新娘忌在這些時(shí)辰進(jìn)親入宅，犯之則有口舌紛爭(zhēng)。該識(shí)別結(jié)果又可自動(dòng)關(guān)聯(lián)涉及婚嫁宜忌的其他古文字材料，如睡虎地秦簡(jiǎn)甲種日書 96-101 簡(jiǎn)內(nèi)容：" 春三月辰，夏三月未，秋三月戌，冬三月丑……不可以取婦、家（嫁）女…… "；彝文日書《運(yùn)尼司波》（圖 2）內(nèi)容：" 冬三月那一季，屬牛這天不吉 "。這樣，不同民族、不同時(shí)空的擇日條例反映出大體相通的內(nèi)涵——冬季三個(gè)月的丑日婚嫁不吉。這些材料的類比呈現(xiàn)，對(duì)于梳理多民族日書的傳承流變，其價(jià)值是不言而喻的。

圖 1 水書 " 赤口時(shí) " 篇

圖 2 彝文日書《運(yùn)尼司波》

* * *

民族古文字研究的數(shù)字化，需要有支持文字識(shí)別的大數(shù)據(jù)平臺(tái)提供后臺(tái)支撐，為機(jī)器學(xué)習(xí)與迭代升級(jí)不斷提供豐富素材；而大數(shù)據(jù)建設(shè)的成果，需借力各種智能化方式，充分開發(fā)利用，才能被全面盤活，二者是相互促進(jìn)、彼此支撐的。在此平臺(tái)之上，中華民族多元文化融合視野下的民族古文字研究，定將得到長(zhǎng)足的發(fā)展。

本文為上海哲社規(guī)劃 " 冷門、絕學(xué)和國(guó)別史等研究專項(xiàng) " 課題 " 水族水書智能識(shí)別系統(tǒng)建設(shè)與研究 "（2019ZJX001）

作者：劉凌、劉志基 華東師范大學(xué)中國(guó)文字研究與應(yīng)用中心

編輯：陳韶旭