全方位釋放語言文字的數(shù)據(jù)要素價值

對語言文字，我們“日學(xué)而不察、日用而不覺”。其實，語言文字是國家重要的教育、科技、文化、經(jīng)濟(jì)、安全和戰(zhàn)略資源。近日，為搶抓大語言模型迭代升級新機(jī)遇，教育部、國家語委、中央網(wǎng)信辦印發(fā)《關(guān)于加強(qiáng)數(shù)字中文建設(shè) 推進(jìn)語言文字信息化發(fā)展的意見》（以下簡稱《意見》）。3月31日，教育部舉行新聞發(fā)布會，專門對《意見》進(jìn)行全面解讀。

教育部語言文字信息管理司司長劉培俊介紹，《意見》明確提出，將數(shù)字中文建設(shè)作為服務(wù)數(shù)字中國建設(shè)的重要任務(wù)和全面推進(jìn)語言文字信息化發(fā)展的突出重點(diǎn)，全方位釋放語言文字在經(jīng)濟(jì)社會發(fā)展中的數(shù)據(jù)要素價值。在實踐中，既要規(guī)范、有效、批量地將中文資源信息轉(zhuǎn)化為智能數(shù)據(jù)，也要促進(jìn)中文數(shù)據(jù)的規(guī)模生產(chǎn)、優(yōu)質(zhì)集成、規(guī)范治理和復(fù)用增效，實現(xiàn)以數(shù)字化手段構(gòu)建新型中文服務(wù)體系，引領(lǐng)帶動語言文字信息化全面發(fā)展。

為何強(qiáng)調(diào)數(shù)字中文？劉培俊表示，中文使命重大，數(shù)字中國建設(shè)，加大國家通用語言文字推廣力度、深化中華優(yōu)秀語言文化傳承、增進(jìn)語言文明國際交流互鑒等多項重大任務(wù)都更加需要中文數(shù)字化賦能。中文文化內(nèi)涵豐富，是中國貢獻(xiàn)給世界的重要公共文化產(chǎn)品，更加需要中文數(shù)字化傳播。中文使用范圍廣泛，更加需要中文數(shù)字化學(xué)習(xí)。而且，中文數(shù)據(jù)價值突出，大規(guī)模、高質(zhì)量的中文數(shù)據(jù)有利于推動中國特色大語言模型創(chuàng)新發(fā)展，更加需要中文數(shù)字化支撐。

劉培俊介紹，未來在技術(shù)創(chuàng)新應(yīng)用上，要發(fā)揮自然語言處理技術(shù)支撐人工智能發(fā)展的基礎(chǔ)作用，加快領(lǐng)域大語言模型應(yīng)用試點(diǎn)，確保規(guī)范安全，示范應(yīng)用；研制面向人工智能的語言資源建設(shè)、管理、應(yīng)用標(biāo)準(zhǔn)，特別是語料和數(shù)據(jù)質(zhì)量評價標(biāo)準(zhǔn)等。在數(shù)據(jù)資源建設(shè)上，發(fā)揮語言文字服務(wù)國家語言能力建設(shè)的戰(zhàn)略作用，實施國家關(guān)鍵語料庫建設(shè)計劃，建設(shè)大規(guī)模中文語料庫等。在關(guān)鍵領(lǐng)域賦能上，發(fā)揮信息技術(shù)賦能國家語言服務(wù)體系構(gòu)建的全局優(yōu)勢，研制大語言模型能力素養(yǎng)框架（師生版），推進(jìn)甲骨文數(shù)字化共享，實施中華文化優(yōu)秀課程多語種數(shù)字化傳播計劃等。

北京大學(xué)王選計算機(jī)研究所所長湯幟指出，上世紀(jì)80年代，激光照排技術(shù)的發(fā)明，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(dāng)前，大語言模型技術(shù)對大規(guī)模高質(zhì)量語料提出前所未有的需求，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(chǔ)性問題，進(jìn)階到當(dāng)前釋放語言文字?jǐn)?shù)據(jù)要素價值的全方位突破。

湯幟表示，加強(qiáng)數(shù)字中文建設(shè)將重塑發(fā)展格局，推動中文信息處理技術(shù)發(fā)展進(jìn)入新階段。語言文字將實現(xiàn)從“靜態(tài)符號”向“動態(tài)數(shù)字資產(chǎn)”、從“信息載體”向“生產(chǎn)要素”的轉(zhuǎn)型，要重點(diǎn)推動語料庫、數(shù)據(jù)標(biāo)注與評價等標(biāo)準(zhǔn)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(wù)。語言文字還將實現(xiàn)從符號存儲到智能建模的質(zhì)變，因此，要聚焦關(guān)鍵垂直領(lǐng)域建設(shè)語料基礎(chǔ)設(shè)施，構(gòu)建支持大模型訓(xùn)練的高質(zhì)量中文數(shù)據(jù)集。

湯幟強(qiáng)調(diào)，語言文字還會起到賦能全局發(fā)展的作用。新形勢下，語言文字信息處理技術(shù)創(chuàng)新應(yīng)用正經(jīng)歷從“GB2312字符集”到“萬億參數(shù)大語言模型”的范式變革，語言文字將實現(xiàn)與信息技術(shù)的深度融合，形成“技術(shù)突破—場景落地—生態(tài)繁榮”的良性循環(huán)，服務(wù)教育發(fā)展，助力科技創(chuàng)新，賦能文化傳承，推動產(chǎn)業(yè)升級，促進(jìn)社會進(jìn)步。（記者 張蓋倫）