人工智能技术与高校档案编研

肖辛格

摘 要：在当前人工智能浪潮下，高校档案编研工作迎来了新的挑战。文章分析了当前人工智能技术的特点，在此基础上探讨了人工智能技术运用于高校档案编研的挑战，并进一步指出要高校档案编研工作需要转变工作思路，才能实现人工智能技术与高校档案编研的有机结合。

关键词：高校档案编研;人工智能;档案资源挖掘;档案工作

在高校档案工作中，档案编研是不可或缺的重要一环。高校档案中往往蕴藏着丰富的校园历史文化信息，对这些信息资源进行挖掘，形成编研成果，可以实现学校档案工作与校园文化建设、大学生素质教育的紧密结合，助力学校文化传承创新。

随着计算机技术的进步，人类社会迎来了新的人工智能浪潮，高校档案编研工作也因此面临着巨大挑战。要在新的环境下做好档案编研工作，就需要充分把握当前人工智能技术的特点，转变工作思路，创新工作内容，以多样化的人工智能手段来展现档案编研成果。

一、当前人工智能技术的特点

1.识别、模拟能力大大增强。以深度学习为代表的人工智能技术取得了重要突破，使得计算机在诸多领域的识别能力、模拟能力均得到了显著提升。比如从2015年起，图像自动分类算法的错误率降至4%以下，已经低于人工标注时5%的错误率。再如，2017年华盛顿大学的人工智能研究团队曾利用深度学习技术分析了大量的奥巴马视频，然后可以利用任何一个人的讲话视频，来生成一段假的奥巴马讲话视频，不论是声音还是影像，几乎很难找出破绽。这些都反映了当前人工智能技术在识别能力、模拟能力上取得的重大突破。

2.依赖海量数据。当前众多人工智能技术能够取得优异成绩的重要原因之一，就是海量数据作为支撑。得益于计算机运算能力的提升和网络技术的发展，网络上的数据量迅猛增加。在海量数据中，一些学者发现了很多原本难以观察到的规律，推动了各自领域的发展，数据的作用开始得到普遍重视，“大数据”这一概念也开始广为人知。当前人工智能技术能取得如此辉煌的成绩，同样离不开“大数据”的支撑。比如一个物体检测模型可能需要有上十万乃至上百万张不同物体的图像才能取得较好的效果。虽然技术进步才是人工智能发展的根本原因，但如果缺少了海量数据，技术也很难发挥其应有的效果。即使确实存在小数据集下训练得到的优质模型，但总体而言，目前仍是数据集越大，模型的效果越好。

3.技术产业化过程加速。相较于此前人工智能浪潮中各项技术的发展，当前人工智能浪潮下的技术，从诞生到实现产业化的进程也大大缩短。比如，2011年，微软邓力团队凭借深度学习技术在语音识别上取得了巨大成功，在此后短短几年内，语音翻译、语音打字等系统被迅速开发出来，并成功投入了商业应用，成为一些即时通讯软件、输入法的基础功能。再如，2012年，基于深度学习的图像识别技术在计算机视觉领域著名比赛ImageNet中取得了优异的成绩，仅仅几年后，依赖图像识别、图像生成技术的程序层出不穷，如自动修图程序、换脸程序、自动生成人脸程序等;刷脸认证技术、无人驾驶技术等也迅速得到了广泛关注，甚至投入了应用。技术快速实现产业化，给社会带来了巨大的经济效益，也为日常生活提供了巨大的便利。

二、人工智能技术运用于高校档案编研的挑战

人工智能技术的迅猛发展让越来越多的行业发生了巨大变革，高校档案编研工作同样应该充分运用先进的人工智能技术，把握住机遇，以适应新的时代发展要求。当然，要使技术的力量得到充分发挥，让人工智能技术与高校档案编研工作能够有机结合，就必须认清当前人工智能技术用于高校档案编研时存在的一些挑战。

1.人工智能技术与档案编研的切合点仍待探索。当前人工智能技术主要在模式识别、检索能力、逻辑处理能力等方面占有明显优势，而高校档案编研工作则重在“编辑”和“研究”，需要一定的挖掘能力、归纳能力和创新意识。人工智能技术所具备的优势和档案编研工作所需要的能力之间不完全匹配。如何将人工智能技术的优势与档案编研工作有机结合，仍需要在具体实践中反复试错、不断探索。

2.档案资源建设程度与人工智能技术不相适应。以往的高校档案编研，主要立足于已有的馆藏档案资源。如果馆藏资源有限，编研工作也会受到严重制约。在当前人工智能浪潮下，深度学习等技术十分依赖于“大数据”，档案编研对档案资源建设的依赖程度更是有增无减。就目前来看，高校档案资源建设依然很难适应“大数据”的要求。所以，要想借力人工智能技术，提升档案编研工作质量，就仍需要进一步加强档案资源建设。

3.档案编研工作者难以应对频繁的技术更新。当前的高校档案编研工作者多为档案学、历史学、文献学等专业出身，对快速涌现的人工智能技术的接纳能力比较有限，运用这些技术来展开编研工作则更为困难。即便有大量技术实现了产业化，可以直接加以利用，但受限于知识背景构成，编研工作者一般也很难将相应的技術与编研工作结合到一起。

三、高校档案编研工作思路的转变

要应对上述挑战，有效发挥人工智能技术的优势，助力档案编研，就需要转变工作思路，让档案编研工作紧跟技术发展水平。转变工作思路，具体可以从以下三个方面展开：

1.充分利用人工智能技术创新工作内容。传统的高校档案编研，一般多集中在参考资料编整、档案文件汇编、校史编修等方面，这些工作中的数据统计与分析——比如历年毕业生人数的统计、开课数量及课时的统计、历年收支状况的统计等等——仍然停留在对信息资源的简单整理、提取和概括上，难以实现更深层次的量化分析。如果要进一步挖掘档案本身所蕴藏的价值，则可以利用一些人工智能技术开展深度档案数据挖掘。

比如，利用情感分析技术来创新高校档案编研。情感分析，其目标一般是从文本中分析出人们的观点、情感、评价、态度和情绪。近年来，情感分析发展十分迅猛，涌现出大量研究成果，应用领域也得到了充分扩展。如运用在商业领域对产品评价进行分析挖掘，运用在教学领域进行教学评价，以及运用在网络舆情监控领域进行舆情事件趋势预测等等。如今，在金融、传媒、旅游、教育、医疗、政治等各种领域都可以看到与情感分析有关的应用或产品。因而，我们同样可以利用情感分析技术，深度挖掘档案资源中的观点、情感、评价等。比如对校报等某些特定档案进行挖掘，可以考察高校媒体舆情的历时变迁情况，反映高校历史发展变化中的社群情绪脉络;对学校特定重大事件的相关档案进行挖掘，可以考察事件前后的舆情变化情况，为学校应对重大事件提供有效参考等。

要依靠人工智能技术实现工作创新，人才队伍培养十分重要。一方面，要培养档案编研工作者的信息化思维和创新意识，并鼓励编研工作者多接触、了解人工智能领域研究进展和新近成果。另一方面，要吸收跨学科、跨专业的人才，特别是与人工智能技术较为密切的相关学科的人才，为档案编研注入新的活力。

2.基础资源建设与档案编研工作并驾齐驱。要适应人工智能技术对“大数据”的需求，就需要充分进行档案资源建设。做好档案资源建设，档案征集和档案数字化是十分重要的工作。档案征集既包括实体档案征集，也包括电子档案征集。为了更好地适应人工智能技术的要求，实体档案就需要进行档案数字化。对于实体档案的数字化，一般局限于纸质档案的数字化。实际上，实体档案的数字化完全可以进一步拓宽思路，比如将3D扫描技术运用到档案数字化工作中，将非纸质的实体档案扫描到电脑中，以3D文件的形式存储下来。在后续编研中，则可以利用相应的人工智能技术和多媒体技术——比如VR虚拟现实设备来呈现这些实体档案。

与此同时，编研工作固然依托于档案资源建设，但也不能完全受制于档案资源建设。一些人工智能技术本身可以为档案编研提供新的手段和方法，如果运用得当，在有限的档案资源下，也可以获得出彩的成果。特别是凭借当前人工智能技术强大的信息资源挖掘能力，仅利用已有档案资源，就可以挖掘出很多有价值的信息，如挖掘校园历史人物关系、挖掘学科发展变化的脉络、挖掘学院发展中重大事件的时间线索等等，这些都可以为校史研究提供有效的参考材料。而且，编研工作也可以成为资源建设的助推器，推动档案资源建设工作的深入。换言之，就是要建立以需求为导向，建立“以用带征”的工作模式：先确定合适的选题，在编研过程中根据需求去征集相应的档案资源，实现以编研促征集。这样，即使档案资源建设滞后，也不会完全限制编研工作的发展。

3.運用多样化的手段丰富呈现形式。高校档案编研工作所面向的群体中，还包括了学生、校友群体。特别是对于学生群体，他们从小接触各类电子移动设备，熟悉各类新型技术，了解丰富的媒体手段。传统形式的文件汇编、校史校志等编研成果表现力十分有限，难以吸引如今的学生群体。所以在高校档案编研工作中，还需要进一步丰富成果的呈现形式。当然，从更高的层面来看，丰富呈现形式也不仅仅是为了适应受众的需要，更是为了适应时代的变化，紧跟时代脚步。

人工智能技术快速的产业化过程，为高校档案编研工作及时运用新技术提供了可能。比如，可以利用计算机视觉领域的人工智能技术，对学校历史老照片进行色彩修复或色彩还原，或是根据学校重要历史人物的声像档案，构造出相应的虚拟人物形象，再运用到纪录片视频中，利用虚拟人物来讲解相应的校园历史故事，增强受众的沉浸感和代入感。此外，甚至可以通过深入挖掘某一历史时期校园场景信息、人物信息等，充分实现场景还原和人物建模，制作VR虚拟现实作品;也可以再以此为基础，选取合适的历史事件和切入角度，编制剧本，开发体验游戏，寓教于乐。当然，要以视频、游戏等手段来呈现编研成果，仅仅依靠档案编研工作者很难完成。因而，高校编研工作还应该加强与传媒专业、计算机专业及信息管理相关专业的合作。

四、结语

如今，我们又一次处在了新的人工智能浪潮之中，各行各业都或多或少地受到了人工智能浪潮的影响，档案工作同样也不例外。高校档案编研对学校文化传承创新职能的实现起到了积极的促进作用。在人工智能浪潮下，只有充分利用人工智能技术，才能有效实现文化兴校、文化育人。

参考文献：

[1]刘 兵.情感分析：观点挖掘、情感和情绪[M].北京：机械工业出版社，2017.

[2]刘 智.课程评论的情感倾向识别与话题挖掘技术研究[D].华中师范大学，2014.

[3]梁晓敏，徐 健.舆情事件中评论对象的情感分析及其关系网络研究[J].情报科学，2018，36（02）