2027年要初步建立的“國(guó)家關(guān)鍵語料庫(kù)”是什么 怎么建
“當(dāng)前，隨著新一輪科技革命和產(chǎn)業(yè)變革，大語言模型、人工智能技術(shù)快速發(fā)展，語料庫(kù)的建設(shè)規(guī)模與應(yīng)用范圍也經(jīng)歷了大幅度完善和拓展。”前不久，教育部語言文字信息管理司相關(guān)負(fù)責(zé)人提到，決定實(shí)施國(guó)家關(guān)鍵語料庫(kù)共建共享計(jì)劃，擴(kuò)展關(guān)鍵領(lǐng)域，支持共建共享，推進(jìn)應(yīng)用轉(zhuǎn)化，為全方位釋放語言文字在經(jīng)濟(jì)社會(huì)發(fā)展中的數(shù)據(jù)要素價(jià)值奠定更加寬厚基礎(chǔ)。
近期，教育部、國(guó)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(jiǎn)稱《意見》)。其中提到，到2027年，國(guó)家數(shù)字中文建設(shè)行動(dòng)取得重要成效，語言文字?jǐn)?shù)據(jù)要素價(jià)值有效釋放?；拘纬伞罢鲗?dǎo)、部門協(xié)同、社會(huì)參與、共建共享”的語言文字信息化工作機(jī)制；基本建成國(guó)家語言文字大數(shù)據(jù)中心，初步建成國(guó)家關(guān)鍵語料庫(kù)和國(guó)家戰(zhàn)略語言資源信息庫(kù)；語言文字信息化標(biāo)準(zhǔn)、前沿語言技術(shù)、優(yōu)質(zhì)語言資源、新型語言服務(wù)等基礎(chǔ)支撐能力顯著增強(qiáng)。
“國(guó)家關(guān)鍵語料庫(kù)”是什么
《意見》提出，推動(dòng)基礎(chǔ)性語言資源建設(shè)，實(shí)施國(guó)家關(guān)鍵語料庫(kù)共建共享計(jì)劃，重點(diǎn)支持建設(shè)大規(guī)模中文語料庫(kù)及高質(zhì)量民族語言文字語料庫(kù)、手語盲文語料庫(kù)、行業(yè)領(lǐng)域語料庫(kù)、語言監(jiān)測(cè)動(dòng)態(tài)語料庫(kù)等。
教育部語言文字信息管理司相關(guān)負(fù)責(zé)人在接受中青報(bào)·中青網(wǎng)記者專訪時(shí)提到，語料庫(kù)是自然語言處理、大語言模型、人工智能技術(shù)創(chuàng)新應(yīng)用的重要支撐，是經(jīng)濟(jì)社會(huì)信息化建設(shè)、數(shù)字化賦能和智能化發(fā)展的基礎(chǔ)要素，促進(jìn)語言數(shù)據(jù)賦能信息技術(shù)創(chuàng)新與信息技術(shù)賦能語言文字資源使用的雙向賦能。
以文化傳承領(lǐng)域?yàn)槔?，目前已?jīng)建設(shè)了中華思想文化術(shù)語庫(kù)、中華精品字庫(kù)、甲骨文數(shù)據(jù)庫(kù)、中國(guó)語言資源保護(hù)數(shù)據(jù)庫(kù)等。
其中，中華思想文化術(shù)語庫(kù)包括了中華民族所創(chuàng)造或構(gòu)建，凝聚、濃縮了中華哲學(xué)思想、人文精神、思維方式、價(jià)值觀念，以詞或短語形式固化的概念和核心詞。該語料庫(kù)中包括1200余條思想文化術(shù)語、中醫(yī)文化關(guān)鍵詞、典籍譯本、典籍譯名、博雅雙語詞等。
教育部語言文字信息管理司相關(guān)負(fù)責(zé)人提到，2024年，智能化學(xué)習(xí)工具“AI小語”正式上線?！癆I小語”是以中華思想文化術(shù)語庫(kù)為基礎(chǔ)訓(xùn)練語料、以大語言模型技術(shù)為核心技術(shù)的高交互感智能平臺(tái)，對(duì)賦能中華優(yōu)秀傳統(tǒng)文化對(duì)內(nèi)傳承和對(duì)外傳播具有重要意義。
截至目前，教育部、國(guó)家語委通過組織開發(fā)、集成匯聚、動(dòng)態(tài)更新等方式，組織高校、企業(yè)、科研院所等，建設(shè)大規(guī)模高質(zhì)量語料庫(kù)30余項(xiàng)，相關(guān)語料庫(kù)已廣泛應(yīng)用于經(jīng)濟(jì)社會(huì)發(fā)展的關(guān)鍵領(lǐng)域。
“國(guó)家關(guān)鍵語料庫(kù)”怎么建
“信息技術(shù)深刻融入經(jīng)濟(jì)社會(huì)發(fā)展各領(lǐng)域，需要推動(dòng)語言文字與信息技術(shù)的深度融合，找準(zhǔn)兩者的結(jié)合點(diǎn)、融合點(diǎn)、發(fā)力點(diǎn)。”教育部語言文字信息管理司相關(guān)負(fù)責(zé)人說。
長(zhǎng)期以來，國(guó)家語委會(huì)同有關(guān)部門研制并發(fā)布了《信息技術(shù)中文編碼字符集》等國(guó)家通用語言文字和民族語言文字信息化規(guī)范標(biāo)準(zhǔn)100多項(xiàng)，為自然語言處理技術(shù)在人工智能、數(shù)字產(chǎn)品和信息產(chǎn)業(yè)領(lǐng)域的應(yīng)用創(chuàng)新奠定規(guī)范基礎(chǔ)。
面向人工智能時(shí)代，該負(fù)責(zé)人介紹，要開展語言資源建設(shè)、管理、應(yīng)用、共享標(biāo)準(zhǔn)研究，重點(diǎn)推進(jìn)語料庫(kù)、數(shù)據(jù)標(biāo)注、數(shù)據(jù)評(píng)價(jià)等規(guī)范標(biāo)準(zhǔn)的制訂；服務(wù)教育教學(xué)，研制大語言模型能力素養(yǎng)(師生版)，引導(dǎo)師生有效、安全使用大語言模型等人工智能技術(shù)；助力文化傳承，研制甲骨文數(shù)字化共享技術(shù)標(biāo)準(zhǔn)。
此外，既要支持語言文字信息處理基礎(chǔ)標(biāo)準(zhǔn)研究，也要鼓勵(lì)高校、企業(yè)開展行業(yè)標(biāo)準(zhǔn)、企業(yè)標(biāo)準(zhǔn)研制。加強(qiáng)與工信部、國(guó)家民委、國(guó)家標(biāo)準(zhǔn)委等部門單位合作。推動(dòng)已有語言文字信息化相關(guān)規(guī)范標(biāo)準(zhǔn)的修訂工作，加強(qiáng)已有規(guī)范標(biāo)準(zhǔn)的宣傳推廣等。
在專業(yè)化人才隊(duì)伍培養(yǎng)上，教育部語言文字信息管理司相關(guān)負(fù)責(zé)人提到，推動(dòng)高校增設(shè)語言智能、計(jì)算語言學(xué)等交叉學(xué)科方向，增設(shè)“語言文字+人工智能”核心課程。此外，鼓勵(lì)企業(yè)建設(shè)產(chǎn)教融合實(shí)訓(xùn)基地，開展中文信息處理、多語種機(jī)器翻譯、語料加工處理、數(shù)據(jù)標(biāo)注等技能培訓(xùn)，提升中文專業(yè)以及相關(guān)專業(yè)學(xué)生的職業(yè)技能，擴(kuò)大就業(yè)范圍和就業(yè)渠道。
“今年是落實(shí)《教育強(qiáng)國(guó)建設(shè)規(guī)劃綱要(2024-2035年)》的關(guān)鍵之年，語言文字信息化發(fā)展將展望十年、謀劃五年、立足三年，把握賦能全局高度，加快試點(diǎn)先行進(jìn)度，激發(fā)協(xié)同創(chuàng)新力度，在落實(shí)重點(diǎn)任務(wù)上下功夫、見實(shí)效?！痹谇安痪门e行的教育部新聞發(fā)布會(huì)上，教育部語言文字信息管理司司長(zhǎng)劉培俊說。
中青報(bào)·中青網(wǎng)記者 楊潔來源：中國(guó)青年報(bào)