坐落在京郊鳳凰嶺腳下的龍泉寺，稱得上全國甚至全球科研實力最強的佛教寺廟。
憑借當年一句「佛教是古老的，但佛教徒是現代的」，推動了龍泉寺裏的高僧們搞科研、寫程式碼，將佛學與新技術結合，將專案大眾化、國際化。成果不斷，屢上熱搜，被外界持續關註。
近期龍泉寺的賢超法師，參加了國內某技術大會，分享了使用人工智能對【大藏經】進行整理和校勘的技術實踐。
佛系 AI 的誕生：讓佛經更易讀
賢超法師原是北京大學物理學院凝聚態物理碩士，2007 年他從北大畢業，2008 年在龍泉寺皈依，此後一直致力於龍泉大藏經的編修與佛學義理研究。
2016 年，AlphaGo 在戰勝李世石的歷史性事件，引起了賢超法師對 AI 的關註。從那時候起，他便開始嘗試將 AI 和自己正在研究的 OCR 技術以及自動標點相結合。
賢超法師在 Techo Park 開發者大會上介紹其研究成果
佛原生 AI 解決古籍經文痛點
龍泉寺在整理和校勘的【大藏經】為佛教經典的總集，也稱為一切經。在漢傳佛教的兩千多年裏，歷朝歷代都對【大藏經】進行了轉譯、增補、修訂。
流傳至今有數十個版本，少的有五千多字，多的有一億兩千萬字。
【乾隆版大藏經】的修訂參與官員、學者、高僧等 60 余人，
刻字、刷印和裝幀等工匠 860 余人，歷時六年完成
（圖為【乾隆版大藏經】雕版）
2012 年，龍泉寺就著手整理【大藏經】，計劃用整整十年的時間完成。因為傳統方法對古籍的整理主要有版本校對、校勘、標點，這些步驟能夠保證當代讀者，也可以盡可能理解晦澀、生僻的經文。
三年後，龍泉寺整理出版了【南山八大部】；再次年，龍泉寺的藏經辦公室成立，旨在探索利用人工智能技術，研發出基於深度學習的單字辨識引擎；
2017年，龍泉寺成立人工智能與資訊科技中心，研發出能辨識各種不同大藏經版本的整列辨識引擎，並成功的將【六十華嚴】的大藏經版本進行電子化。
賢超法師目前擔任藏經辦公室主任，負責【大藏經】的整理工作。
自動標點：OCR +深度學習
為了降低人們閱讀古文典籍的門檻，提高學者的工作效率，在近年來賢超法師團隊，運用了包括深度學習、OCR 在內的技術改變傳統【大藏經】的解讀方式，目前已經取得了頗為驚艷的效果。
現代漢語中，句號、引號、書名號等常用標點近十種，古漢語中僅有的句號、頓號，經文中也很少出現，難以閱讀
賢超法師介紹道，所謂自動標點，是指在沒有人工幹預的前提下，根據演算法給古籍文本自動標註現代中文標點的技術，這主要是為了方便現代讀者閱讀。
此前，已有人工智能為古文加標點的相關研究，不過賢超法師表示，之前基本只是為古文加句號，他認為這個做法「比較保守，比較學術性」。
而他的團隊將深度學習運用到了自動標點上，可以以更高的準確性，給古文添加句號、逗號、問號、感嘆號、冒號、分號和頓號其中標點符號。經過驗證，他們所研發的 Transformer 標註結果，和人類的標註結果「幾乎已經無法區分」。
RNN+LSTM+ResNet 效果全面提升
自動標點，在 NLP 領域來說，就是一個簡單的序列標註問題。解決這類問題的標準方法，就是使用迴圈神經網絡（RNN）。
為了增強 RNN 的效能，在此基礎上又發展出來了雙向 RNN，也就是每一時刻的輸出不僅僅取決於之前時刻的所有輸入，而是同時取決於之前和之後的輸入。之後，賢超法師團隊又將 LSTM 方法引入。
但是此前基於這些技術所實作的自動標點，效果仍不是很令人滿意。賢超法師團隊之所以達到出乎意料的效果，是因為他們在此前的基礎上，引入了 ResNet 殘留誤差網絡（Residual network）。
團隊 2019 年發表論文
【大藏經的組譯：當 AI 遇見佛教】，介紹了其自動標點技術
賢超法師解釋道，以往的神經網絡最多就是十幾層、二十多層的結構，如果層數再多，訓練結果就不太容易收斂了。而殘留誤差網絡動輒幾百層，甚至上千層。更深的網絡有助於捕捉到更深層的語意資訊，這是其大獲成功的關鍵。
團隊也曾嘗試使用摺積神經網絡（CNN），最終效果是，殘留誤差網絡比摺積神經網絡的標點準確率平均高出 20-30% 左右。
AI 自動標點工具效率如何呢？賢超法師用一天時間完成了 2 萬字左右規模的古文標點，按照古籍標點每千字 15 元的一般稿酬水平，相當於一天創造了 300 元的經濟價值。即使自動標點的準確率只按照 60% 來算，其每天也創造了 180 元的價值。
團隊對該自動標點工具也在不斷升級
目前最新一代的準確率達到 93.3%
目前，由於賢超法師團隊的訓練數據多取自佛經，因此其自動標點更適合標點佛教典籍。不過，他表示，未來該技術也將套用在，經史子集等更多領域的古文獻整理工作之中，從而讓學者們擺離線械、重復性的勞動。
今後的古籍點校工作模式有希望改為：AI 先斷句、加標點；專業學者進行後期校對、修改。
賢超法師團隊在 18 年就開源了這一自動標點的線上服務，存取古籍·酷（http://gj.cool）可以試用，還可以申請免費呼叫 API。
辨識、轉譯：AI 成為佛經中文化百寶箱
除了自動標點，賢超法師還將 AI 套用古籍研究的多個方面。
文白對句：對齊 & 轉譯
文白對句，也就是古文到現代文的對齊和轉譯。為了實作 AI 文白對句，賢超法師首先構建了一個文白對齊的語料庫，然後設計了一個對齊演算法，取得了很好的效果。根據相似度和差異度這兩個獨立指標，可以非常容易地定位出對齊錯誤的句子。
將【大藏經】轉譯並單句分離開對齊
有助於人工後期檢索與校對
由於【大藏經】專業名詞眾多，且歷代轉譯著作語料繁雜，因此並非古文相關專業就能搞定。【大藏經】的總字數以億計，如果僅依靠有限的幾位專家，工作量將十分巨大，所以，AI 的介入，為專家們分擔了不少工作量。
基於深度學習的 OCR，辨識古籍文字
目前市面上的 OCR 軟件都是針對印刷體的，因此不能很好地辨識古籍文獻中的字型。
賢超法師及其合作團隊，基於 CNN+LSTM+CTC 框架，開發了新的 OCR 引擎。然後基於【大藏經（高麗版）】的七萬多張整圖，168 萬條文本行影像的數據集進行訓練。
基於弱監督學習的精確文字分割
最終，其開發的 OCR 方法能夠進行古籍的單字辨識、單列辨識和半自動的多列辨識，能夠有效地完成各類古籍的電子化工作。
OCR 軟件辨識古文將其數碼化
科技與佛法：以悲憫為內核的不同外化
佛法與科技，距離並不遙遠。
我們也曾在【本世紀，佛祖派機器人來弘揚佛法】一文中，對佛教與科技融合的趨勢做出過報道，近年來湧現的賢二機器人、機器觀音、智能佛珠等等，早已講科技深刻和諧地融入進佛法。
科技與佛學的融合中佳作頻出，吸引關註
龍泉寺的另一位知名高僧、IT 禪修營的創辦者賢信法師，在一次訪談裏被提問佛法和科技的關系。
他回答：「科技，是追求物質世界的真。佛法，是內心世界的真。很多在科學上做出探索、在技術上做出探索的人，最開始是抱著想為人類做貢獻的心，跟佛教提出最慈悲的追求也是相共的，這就是科技與佛法的共同點。」
參考資料：
賢超小和尚公眾號：【人工智能與中華文明的碰撞交融】
2050 雲棲大會：【賢度法師——龍泉寺的科技實踐】
龍泉寺自動標點工具：http://gj.cool/gjcool/index
