四川话百科：“打胡乱说”就是胡说八道

中国网4月1日讯（记者 刘佳）20世纪中文信息处理技术解决了汉字进电脑、上网络的历史性问题，迎来从“铅与火”到“光与电”的革命。时至今日，人工智能技术快速发展，中国如何加强数字中文建设，从而推动中文信息处理技术创新发展？

在教育部3月31日举行的新闻发布会上，中国网记者就此提问北京大学王选计算机研究所所长汤帜。他认为，要聚焦关键垂直领域建设语料基础设施，构建支持大模型训练的高质量中文数据集，同时形成“技术突破—场景落地—生态繁荣”的良性循环。

中国网记者现场提问。中国教育报记者 张劲松/摄

20世纪80年代，王选院士的团队发明激光照排技术，并结合汉字的编码标准，突破了中文数字化的空间限制，让承载中华文化的中文在全球互联网空间获得新生。当前，大语言模型技术对大规模高质量语料提出前所未有的需求，赋予了数据中文化新的历史内涵和使命任务。中文信息处理技术的发展从以往解决汉字输入输出的基础性问题，进阶到当先释放语言文字数据要素价值的全方位突破。

汤帜认为，加强数字中文建设需从三个维度重塑发展格局，推动中文信息处理技术发展进入新阶段：即从重要资源转化到数据要素价值；从广泛存在聚焦到关键领域应用；从基础支撑提高到赋能全局发展。

汤帜表示，新形势下，语言文字将实现从“静态符号”向“动态数字资产”，从“信息载体”向“生产要素”的转型，要重点推动语料库、数据标注与评价等标准的研制，支持文本生成与理解、语言翻译、情感分析等各种任务。

语言文字“日学而不察、日用而不觉”，广泛存在于社会生产各个方面。新形势下，语言文字将实现从符号存储到智能建模的质变，要聚焦关键垂直领域建设语料基础设施，构建支持大模型训练的高质量中文数据集。

当前，人工智能技术发展迅速，语言文字信息处理技术创新应用正经历从“GB2312字符集”到“万亿参数大语言模型”的范式变革。汤帜强调，新形势下，语言文字将实现与信息技术的深度融合，要形成“技术突破—场景落地—生态繁荣”的良性循环，打造数字化引领品牌，有力服务教育发展、助力科技创新、赋能文化传承、推动产业升级、促进社会进步。

编审：张艳玲 王月博