龙泉寺贤超法师：用 AI 为古籍经书识别、断句、翻译

头图 | 视觉中国

坐落在京郊凤凰岭脚下的龙泉寺，称得上全国甚至全球科研实力最强的佛教寺庙。

凭借当年学诚法师的一句「佛教是古老的，但佛教徒是现代的」，推动了龙泉寺里的高僧们搞科研、写代码，将佛学与新技术结合，将项目大众化、国际化。成果不断，屡上热搜，被外界持续关注。

近期龙泉寺的贤超法师，参加了国内某技术大会，分享了使用人工智能对《大藏经》进行整理和校勘的技术实践。

贤超法师原是北京大学物理学院凝聚态物理硕士，2007 年他从北大毕业，2008 年在龙泉寺皈依，此后一直致力于龙泉大藏经的编修与佛学义理研究。

2016 年，AlphaGo 在战胜李世石的历史性事件，引起了贤超法师对 AI 的关注。从那时候起，他便开始尝试将 AI 和自己正在研究的 OCR 技术以及自动标点相结合。

佛原生 AI 解决古籍经文痛点

龙泉寺在整理和校勘的《大藏经》为佛教经典的总集，也称为一切经。在汉传佛教的两千多年里，历朝历代都对《大藏经》进行了翻译、增补、修订。

流传至今有数十个版本，少的有五千多字，多的有一亿两千万字。

现代汉语中，句、引、书名等常用标点近十种，古汉语中仅有的句、顿，经文中也很少出现，难以阅读

贤超法师介绍道，所谓自动标点，是指在没有人工干预的前提下，根据算法给古籍文本自动标注现代中文标点的技术，这主要是为了方便现代读者阅读。

此前，已有人工智能为古文加标点的相关研究，不过贤超法师表示，之前基本只是为古文加句，他认为这个做法「比较保守，比较学术性」。

而他的团队将深度学习运用到了自动标点上，可以以更高的准确性，给古文添加句、逗、问、感叹、冒、分和顿其中标点符。经过验证，他们所研发的 Transformer 标注结果，和人类的标注结果「几乎已经无法区分」。

RNN+LSTM+ResNet 效果全面提升

自动标点，在 NLP 领域来说，就是一个简单的序列标注问题。解决这类问题的标准方法，就是使用循环神经络（RNN）。

为了增强 RNN 的性能，在此基础上又发展出来了双向 RNN，也就是每一时刻的输出不仅仅取决于之前时刻的所有输入，而是同时取决于之前和之后的输入。之后，贤超法师团队又将 LSTM 方法引入。

但是此前基于这些技术所实现的自动标点，效果仍不是很令人满意。贤超法师团队之所以达到出乎意料的效果，是因为他们在此前的基础上，引入了 ResNet 残差络（Residual network）。

团队对该自动标点工具也在不断升级

目前最新一代的准确率达到 93.3%

目前，由于贤超法师团队的训练数据多取自佛经，因此其自动标点更适合标点佛教典籍。不过，他表示，未来该技术也将应用在，经史子集等更多领域的古文献整理工作之中，从而让学者们摆脱机械、重复性的劳动。

贤超法师团队在 18 年就开源了这一自动标点的在线服务，访问古籍·酷（http://gj.cool）可以试用，还可以申请免费调用 API。

将《大藏经》翻译并单句分离开对齐

由于《大藏经》专业名词众多，且历代翻译著作语料繁杂，因此并非古文相关专业就能搞定。《大藏经》的总字数以亿计，如果仅依靠有限的几位专家，工作量将十分巨大，所以，AI 的介入，为专家们分担了不少工作量。

基于深度学习的 OCR，识别古籍文字

目前市面上的 OCR 软件都是针对印刷体的，因此不能很好地识别古籍文献中的字体。

贤超法师及其合作团队，基于 CNN+LSTM+CTC 框架，开发了新的 OCR 引擎。然后基于《大藏经（高丽版）》的七万多张整图，168 万条文本行图像的数据集进行训练。

OCR 软件识别古文将其数字化

科技与佛学的融合中佳作频出，吸引关注

龙泉寺的另一位知名高僧、IT 禅修营的创办者贤信法师，在一次访谈里被提问佛法和科技的关系。

他回答：「科技，是追求物质世界的真。佛法，是内心世界的真。很多在科学上做出探索、在技术上做出探索的人，最开始是抱着想为人类做贡献的心，跟佛教提出最慈悲的追求也是相共的，这就是科技与佛法的共同点。」

参考资料：

2050 云栖大会：《贤度法师——龙泉寺的科技实践》

龙泉寺自动标点工具：http://gj.cool/gjcool/index

文章知识点与官方知识档案匹配，可进一步学习相关知识OpenCV技能树首页概览11583 人正在系统学习中

声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！