龙泉寺贤超法师：用 AI 为古籍经书识别、断句、翻译

贤超法师原是北京大学物理学院凝聚态物理硕士，2007 年他从北大毕业，2008 年在龙泉寺皈依，此后一直致力于龙泉大藏经的编修与佛学义理研究。

2016 年，AlphaGo 在战胜李世石的历史性事件，引起了贤超法师对 AI 的关注。从那时候起，他便开始尝试将 AI 和自己正在研究的 OCR 技术以及自动标点相结合。

贤超法师在 Techo Park 开发者大会上介绍其研究成果

佛原生 AI 解决古籍经文痛点 

龙泉寺在整理和校勘的《大藏经》为佛教经典的总集，也称为一切经。在汉传佛教的两千多年里，历朝历代都对《大藏经》进行了翻译、增补、修订。

流传至今有数十个版本，少的有五千多字，多的有一亿两千万字。

《乾隆版大藏经》的修订参与官员、学者、高僧等 60 余人，

刻字、刷印和装帧等工匠 860 余人，历时六年完成

（图为《乾隆版大藏经》雕版）

2012 年，龙泉寺就着手整理《大藏经》， 计划用整整十年的时间完成。因为传统方法对古籍的整理主要有版本校对、校勘、标点 ，这些步骤能够保证当代读者，也可以尽可能理解晦涩、生僻的经文。

三年后，龙泉寺整理出版了《南山八大部》；再次年，龙泉寺的藏经办公室成立，旨在探索利用人工智能技术，研发出基于深度学习的单字识别引擎；

2017年，龙泉寺成立人工智能与信息技术中心，研发出能识别各种不同大藏经版本的整列识别引擎，并成功的将《六十华严》的大藏经版本进行电子化。

贤超法师目前担任藏经办公室主任，负责《大藏经》的整理工作。

自动标点：OCR +深度学习 

为了降低人们阅读古文典籍的门槛，提高学者的工作效率，在近年来贤超法师团队， 运用了包括深度学习、OCR 在内的技术改变传统《大藏经》的解读方式，目前已经取得了颇为惊艳的效果。

现代汉语中，句号、引号、书名号等常用标点近十种，

古汉语中仅有的句号、顿号，经文中也很少出现，难以阅读

贤超法师介绍道， 所谓自动标点，是指在没有人工干预的前提下，根据算法给古籍文本自动标注现代中文标点的技术， 这主要是为了方便现代读者阅读。

此前，已有人工智能为古文加标点的相关研究，不过贤超法师表示，之前基本只是为古文加句号，他认为这个做法「比较保守，比较学术性」。

而他的团队将深度学习运用到了自动标点上， 可以以更高的准确性，给古文添加句号、逗号、问号、感叹号、冒号、分号和顿号其中标点符号。 经过验证，他们所研发的 Transformer 标注结果，和人类的标注结果「几乎已经无法区分」。

RNN+LSTM+ResNet 效果全面提升 

自动标点，在 NLP 领域来说，就是一个简单的序列标注问题。解决这类问题的标准方法，就是使用循环神经网络（RNN）。

为了增强 RNN 的性能，在此基础上又发展出来了双向 RNN，也就是每一时刻的输出不仅仅取决于之前时刻的所有输入，而是同时取决于之前和之后的输入。之后，贤超法师团队又将 LSTM 方法引入。

但是此前基于这些技术所实现的自动标点，效果仍不是很令人满意。贤超法师团队之所以 达到出乎意料的效果，是因为他们 在此前的基础上，引入了 ResNet 残差网络（Residual network）。

团队 2019 年发表论文

《大藏经的汇编：当 AI 遇见佛教》， 介绍了其自动标点技术

贤超法师解释道，以往的神经网络最多就是十几层、二十多层的结构，如果层数再多，训练结果就不太容易收敛了。 而残差网络动辄几百层，甚至上千层。更深的网络有助于捕捉到更深层的语义信息，这是其大获成功的关键。

团队也曾尝试使用卷积神经网络（CNN），最终效果是，残差网络比卷积神经网络的标点准确率平均高出 20-30% 左右。

AI 自动标点工具效率如何呢？ 贤超法师用一天时间完成了 2 万字左右规模的古文标点，按照古籍标点每千字 15 元的一般稿酬水平，相当于一天创造了 300 元的经济价值。 即使自动标点的准确率只按照 60% 来算，其每天也创造了 180 元的价值。

团队对该自动标点工具也在不断升级

目前最新一代的准确率达到 93.3%

目前，由于贤超法师团队的训练数据多取自佛经，因此其自动标点更适合标点佛教典籍。不过，他表示， 未来该技术也将应用在，经史子集等更多领域的古文献整理工作之中，从而让学者们摆脱机械、重复性的劳动。

今后的古籍点校工作模式有希望改为：AI 先断句、加标点；专业学者进行后期校对、修改。

贤超法师团队在 18 年就开源了这一自动标点的在线服务， 访问古籍·酷（http://gj.cool）可以试用，还可以申请免费调用 API。