對語言文字，我們“日學而不察、日用而不覺”。其實，語言文字是國家重要的教育、科技、文化、經濟、安全和戰(zhàn)略資源。近日，為搶抓大語言模型迭代升級新機遇，教育部、國家語委、中央網信辦印發(fā)《關于加強數(shù)字中文建設 推進語言文字信息化發(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)字中文建設作為服務數(shù)字中國建設的重要任務和全面推進語言文字信息化發(fā)展的突出重點，全方位釋放語言文字在經濟社會發(fā)展中的數(shù)據要素價值。在實踐中，既要規(guī)范、有效、批量地將中文資源信息轉化為智能數(shù)據，也要促進中文數(shù)據的規(guī)模生產、優(yōu)質集成、規(guī)范治理和復用增效，實現(xiàn)以數(shù)字化手段構建新型中文服務體系，引領帶動語言文字信息化全面發(fā)展。
為何強調數(shù)字中文？劉培俊表示，中文使命重大，數(shù)字中國建設，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、增進語言文明國際交流互鑒等多項重大任務都更加需要中文數(shù)字化賦能。中文文化內涵豐富，是中國貢獻給世界的重要公共文化產品，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)字化學習。而且，中文數(shù)據價值突出，大規(guī)模、高質量的中文數(shù)據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，未來在技術創(chuàng)新應用上，要發(fā)揮自然語言處理技術支撐人工智能發(fā)展的基礎作用，加快領域大語言模型應用試點，確保規(guī)范安全，示范應用；研制面向人工智能的語言資源建設、管理、應用標準，特別是語料和數(shù)據質量評價標準等。在數(shù)據資源建設上，發(fā)揮語言文字服務國家語言能力建設的戰(zhàn)略作用，實施國家關鍵語料庫建設計劃，建設大規(guī)模中文語料庫等。在關鍵領域賦能上，發(fā)揮信息技術賦能國家語言服務體系構建的全局優(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。
北京大學王選計算機研究所所長湯幟指出，上世紀80年代，激光照排技術的發(fā)明，讓承載中華文化的中文在全球互聯(lián)網空間獲得新生。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，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，進階到當前釋放語言文字數(shù)據要素價值的全方位突破。
湯幟表示，加強數(shù)字中文建設將重塑發(fā)展格局，推動中文信息處理技術發(fā)展進入新階段。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。語言文字還將實現(xiàn)從符號存儲到智能建模的質變，因此，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)據集。
湯幟強調，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，語言文字將實現(xiàn)與信息技術的深度融合，形成“技術突破—場景落地—生態(tài)繁榮”的良性循環(huán)，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。（科技日報北京3月31日電）