TMT观察网_独特视角观察TMT行业

祝大家端午節快樂，我們今天要聊的…..什么？不能說快樂了？顯得沒文化？

哦，那祝大家端午節安康，咱們今天……什么？端午節安康都是一群營銷號瞎忽悠的，相信他們還是沒文化？

到底還能不能好好說話了？要不我干脆祝大家端午節多吃月餅得了？

放眼望去，這個折騰了幾年，某種程度上近乎于鬧劇的“端午節安康”問題，在今年非但沒有停下來的意思，反而矛盾愈演愈烈，一時間好不熱鬧。也不知道是不是已經有了“安康快樂對罵群”，反正整體上是感覺這事挺耽誤大家吃粽子的時間的。

在我們這行業看來，當然是一切能動科技的都別瞎吵吵。既然到了相持不下的境地，是不是可以考慮用相對公允的方式來解決無止境的爭論呢？畢竟安康派和保快樂黨都說自己是傳統文化，既然是傳統總歸是有據可循的。

今天是個思古的日子，不妨讓我們從安康和快樂的問題開始，來聊聊AI+考據的“懷古之思”。

到底爭的是什么？

安康派之所以誕生，是因為前兩年突然朋友圈里有這么個說法火了：端午節是紀念屈原，或者紀念伍子胥、紀念曹娥的。總之這是個祭祀和哀傷的日子，不能說快樂。這個說法很快流行起來，比如今天大部分明星發的端午節微博，似乎“安康”已經成了標準說法。

根據凡事必有反轉的互聯網定律，隨后也有人認為這種說法純屬無稽之談。端午節快樂說了那么多年，我想快樂就快樂還用你批準？于是，爭論最終很自然地變成了爭吵，兩邊都覺得自己是更符合傳統文化的一方。

首先筆者非常想要感慨的是，整個話題中最大成分只是營銷號惡意蹭流量，以及廣大網友們進行喜聞樂見的“抬杠運動”，真沒什么意思。

而實事求是地說，現在能找到最早過端午節傳統的記載，是唐代《藝文類聚》保留《續齊諧志》中南朝時期的民間節日風俗，在端午這天為紀念屈原而系五彩繩、包粽子。換言之端午節最早出現在可追溯的歷史文本中，它就是以一個有吃有玩的節日出現的。而早期文本，比如出現屈原其人其事的《史記》，據說為屈原創作的《楚辭》，都沒有過任何五月初五相關的記載。

作為一個節日的端午，自然也承擔著一個節日的氣氛和話語定位。唐宋時對端午節、端陽節的記載，也基本是把酒言歡為主。當然這是個追懷的日子，但也沒見過一定要在這個日子肅穆莊嚴的記載。很多歷史學教授專家，也對安康說不屑一顧。

話說回來，重陽是避災躲難的，那也有“佳節又重陽”。而今天肯定沒有人祝鄰居“清明節快樂”，但在古人來看清明本就是郊游玩賞值得開心的日子。程顥《郊行即事》是這么說的，“莫辭盞酒十分勸，只恐風花一片飛。況是清明好天氣，不妨游衍莫忘歸”。

或許可以這么說，所謂的中華傳統，遠比我們今天的互聯網氛圍寬懷大度的多。

好吧，一不小心暴露了立場。但是我們還是要強行回歸中立客觀：既然你有你的道理，我有我的道理，那到底怎么能彼此不抬杠呢？

或許AI可以在這里刷一個助攻。既然整個安康和快樂之爭，爭論的核心是：固定文本環境中（代表中國歷史傳統的文本數據，包括但不限于經史古籍），某種涵指解讀（端午節到底是不是值得慶祝的）的正確性。

那么用把所有相關數據都找出來，判斷一下古人到底能不能在這天快樂，似乎就是解決方案了。

AI搞清“端午到底快不快樂”

實現方法

或許有人會說，這事好像用不著AI，把古籍數據里的端午節記載都搜出來。一看不就知道了嗎？

想法固然是好的，但現實從來都很骨感。首先中國古籍系統當中，《四庫全書》所代表的經史系統其實只是很小一部分。各種文書、檔案、民間文本、吉金、出土資料，加在一起汗牛充棟都不止。假如只是用關鍵詞搜索，或者只是用部分古籍庫來完成文本方式，那么肯定無法完成完全的數據統計，從而得到的結果當然也就片面。

假如我們搜找了100個“端午快樂”的數據源，但是安康派認為還有200個反例沒找到，那豈不是白忙？

而假如面對全部古籍數據（包括未電子化數據），來進行一個問題的全面求證。那么人力是完全無法負擔的，而且也一定會有大量紕漏。比如說有些小眾的端午節說法、隱晦的端午節記載描述難以被人發現。而且群體工作也很難形成對端午節到底是不是端康的準確標準。

假如讓AI進場，至少可以解決這樣幾個問題：

1、確定我們要分辨的問題“端午節到底是值得慶祝的，還是反之”以后，我們可以用機器學習的方式輸入大量雙方觀點，來形成對端午節到底應該怎么過的標準化描述。基于文本來抽取關鍵節點，從而準確判斷一條古人過端午的記載到底是快樂的還是不能快樂。

2、非標準文本的識別。如今OCR等識別技術，已經廣泛被應用到金石資料、敦煌文獻、手寫文檔的識別中。如果我們想最大程度搞定到底端午是否快樂，就無法離開對非標準文本的識別工作，傳統的文本錄入方式完全是基于手工大字。早期很多中文古籍庫還是以眾包的方式交給本科生來錄入，造成訛誤百出。AI來做這些，顯然在效率和準確度上都已經有了技術保障。

3、彈性判斷相關數據。人工判斷端文本特征的時候，很可能會漏掉一些不常見描述，很多時候這不是因為研究人員不知道這件事，而是由于大腦的選擇性記憶誤差，天然會漏掉不那么敏感的說法。而AI的優點是可以彈性判斷相關數據，比如不說端午節，而是端陽，午日，重五，女兒節，浴蘭，地臘等字眼，或者非關鍵詞的描述形式，都可以有效處理。

4、綜合感知，判斷“良品率”。工業互聯網技術中，一個很常見的方式是機器視覺加傳感器，來綜合判斷出產品的質量。通過復雜的算法模型，最終得出是否良品的確定性標準。在文本溫習中，類似使用GAN等算法來進行語義分析，判斷一個語句含義歸屬的方式，顯然也是可行的。比如上文中“喜逢佳節，端午良辰”，這個說法顯然就是“端午快樂”。

其實吧，以上只是個例子，也沒有誰會較真到去大張旗鼓統計端午到底快不快樂。這些技術的真正內涵，是一個人文學術與AI的交叉點：AI考據。

比抬杠重要：

AI帶給文本考據的機會與挑戰

AI與考據的結合，顯然比端午節問候的抬杠重要很多。這項技術在今天世界范圍內還屬于剛剛起步的階段，但絕對不是無中生有。

在AI考據之前，是很多人熟悉的“E考據”概念。這個解決方案是以互聯網和大數據為基礎，從古籍電子化開始，用相對人力更有效率的方式來透視人文文本，甚至得出不一樣的結論與分析邏輯。這個領域的代表人物，可以說是臺灣的黃一農院士，其用《紅樓夢》相關文獻與清史文本結合，得到的成果令人耳目一新。

但E考據的局限性，在于它僅僅解決了考據第一步的問題：數據龐大。而面對龐大的數據和不同層次的文本，能否用技術取代進一步的人工，則成了考據學發展中的下一個話題。

考據的本質是什么？乾嘉學派代表人物王引之，在評價其父王念孫的治經之道時，總結為“諸說并列，則求其是，字有假借，則改其讀”，充分體現了考居家的工作依據：音、形、義之間的轉換與互通。

讓智能體實現對語境的理解和跳出跳入，顯然是僅僅依靠數據技術所無法達到的。那么AI技術也就成為了接下來文獻學與歷史學發展中，可以相互融合的技術手段。

馬創新等所著的《中文古籍數字化的開發層次和發展趨勢》中，談到下一步電子考據與古籍開發的任務，是解決古籍內容的深層語義標注和知識檢索方法。那么其能憑借的核心，似乎也僅僅是AI而已。

在電子文本分析中，AI可以讓嘗試，至少是幫助研究者擺脫對關鍵詞考據的依賴，實現主動對文本含義的辨別、搜求，與多重內涵確認。這是其他技術所無法復制的。

當然即使這項技術很有用。擺在今天人文科學，尤其是文獻學研究面前的挑戰也非常艱巨：想要讓AI技術、硬件環境與人文素養與研究能力結合，今天似乎很難有這樣的跨學科人才與研究環境。而且即使是技術相對簡單，效果很清晰的E考據，在傳統人文研究領域面前，走的也是舉步維艱。

更多現實應用場景

上面這些考據學的相關內容，可能相對有點生澀。那么最后我們不妨看看幾個AI+文本考據可能帶給大眾的能力釋放：

1、文本溯源。其實相比于端午安康的合理性，我更好奇的是這個說法是誰編出來的。而今天顯然經常有這樣的問題，謠言、不實信息這類的有害信息。或者一個精彩段子，一個奇思妙想的真正作者；一個文本如何被改的面目全非；一篇報道有沒有斷章取義，這些場景都會讓我們想要溯源文本，看看最初的文本模樣。這就需要成熟的AI文本考據來實現，至少是作為輔助文本溯源的方案之一。

2、問答式搜索。今天搜索引擎已經有了問答式搜索的功能，但很顯然，這還僅僅是個雛形。因為大量垂直問題和具體問題，是搜索引擎的知識圖譜技術無法偵測到的。而發展AI文本考據技術，可以讓算法主動連接海量文本，去識別深處歸納出答案，這對于知識的傳播價值巨大。

3、過往文本加鏈。區塊鏈很火爆的時候，一個被提及的重要場景是電子合約與文本著作權保護。但加鏈技術僅僅能保存新文本。如果我們想對過往文本，比如說以某人的聊天信息、某個網站發布的謠言等等進行加鏈，保留不可更改的證據邏輯時，就需要涉及到對過往文本的識別與分析處理。這也是AI與區塊鏈相結合的一個可能性。

說了不少，其實我們是想借端午安康這個梗，來談一個平時談比較晦澀，但其實十分重要的AI技術類別。說到底，安康還是快樂，又有什么關系呢？最好的端午節解釋，當然是聞一多先生說的那樣：只要屈原的精神在就行了。

而在筆者這樣的吃貨看來，只要粽子是甜的就行了……