龍泉寺賢超法師：用 AI 為古籍經書識別、斷句、翻譯

By 超神經

內容提要：來自最強科研寺廟龍泉寺的賢超法師，近年來一直在研究人工智能與文獻古籍的融合，目前，他已帶領的《大藏經》團隊實作 AI 自動標點、文白翻譯、古籍文字識別等技術實踐，

關鍵詞：NLP，LSTM，自動標點

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，

憑借當年學誠法師的一句「佛教是古老的，但佛教徒是現代的」，推動了龍泉寺里的高僧們搞科研、寫代碼，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，被外界持續關注，

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，此后一直致力于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 的關注，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里，歷朝歷代都對《大藏經》進行了翻譯、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，

三年后，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，研發出基于深度學習的單字識別引擎；

2017年，龍泉寺成立人工智能與資訊技術中心，研發出能識別各種不同大藏經版本的整列識別引擎，并成功的將《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》的整理作業，

自動標點：OCR +深度學習

為了降低人們閱讀古文典籍的門檻，提高學者的作業效率，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，是指在沒有人工干預的前提下，根據演算法給古籍文本自動標注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 標注結果，和人類的標注結果「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注問題，解決這類問題的標準方法，就是使用回圈神經網路（RNN），

為了增強 RNN 的性能，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于之前時刻的所有輸入，而是同時取決于之前和之后的輸入，之后，賢超法師團隊又將 LSTM 方法引入，

但是此前基于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 殘差網路（Residual network），

團隊 2019 年發表論文

《大藏經的匯編：當 AI 遇見佛教》，介紹了其自動標點技術

賢超法師解釋道，以往的神經網路最多就是十幾層、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，而殘差網路動輒幾百層，甚至上千層，更深的網路有助于捕捉到更深層的語意資訊，這是其大獲成功的關鍵，

團隊也曾嘗試使用卷積神經網路（CNN），最終效果是，殘差網路比卷積神經網路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，相當于一天創造了 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，由于賢超法師團隊的訓練資料多取自佛經，因此其自動標點更適合標點佛教典籍，不過，他表示，未來該技術也將應用在，經史子集等更多領域的古文獻整理作業之中，從而讓學者們擺脫機械、重復性的勞動，

今后的古籍點校作業模式有希望改為：AI 先斷句、加標點；專業學者進行后期校對、修改，

賢超法師團隊在 18 年就開源了這一自動標點的在線服務，訪問古籍·酷（http://gj.cool）可以試用，還可以申請免費呼叫 API，

識別、翻譯：AI 成為佛經漢化百寶箱

除了自動標點，賢超法師還將 AI 應用古籍研究的多個方面，

文白對句：對齊 & 翻譯

文白對句，也就是古文到現代文的對齊和翻譯，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，然后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》翻譯并單句分離開對齊

有助于人工后期檢索與校對

由于《大藏經》專業名詞眾多，且歷代翻譯著作語料繁雜，因此并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，作業量將十分巨大，所以，AI 的介入，為專家們分擔了不少作業量，

基于深度學習的 OCR，識別古籍文字

目前市面上的 OCR 軟體都是針對印刷體的，因此不能很好地識別古籍文獻中的字體，

賢超法師及其合作團隊，基于 CNN+LSTM+CTC 框架，開發了新的 OCR 引擎，然后基于《大藏經（高麗版）》的七萬多張整圖，168 萬條文本行影像的資料集進行訓練，

基于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識別、單列識別和半自動的多列識別，能夠有效地完成各類古籍的電子化作業，

OCR 軟體識別古文將其數字化

賢超法師還在其公眾號「賢超小和尚」（微信號：xianchaofashi）中，分享了更多專案實踐和學佛感悟，感興趣的朋友可以關注，

科技與佛法：以悲憫為內核的不同外化

佛法與科技，距離并不遙遠，

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，近年來涌現的賢二機器人、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，吸引關注

龍泉寺的另一位知名高僧、IT 禪修營的創辦者賢信法師，在一次訪談里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 云棲大會：《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

—— 完 ——

掃描二維碼，加入討論群

獲得更多優質資料集

了解人工智能落地應用

關注頂會&論文

回復「讀者」了解詳情

更多精彩內容（點擊圖片閱讀）