智檔之路：二十五載人工智能技術(shù)與檔案事業(yè)交融發(fā)展綜述

當(dāng)今時(shí)代，人工智能作為炙手可熱的前沿技術(shù)，其演進(jìn)軌跡與檔案管理領(lǐng)域“收、管、存、用”的核心業(yè)務(wù)形成了復(fù)雜的互動(dòng)關(guān)系。本文根據(jù)近25年人工智能發(fā)展的關(guān)鍵節(jié)點(diǎn)，結(jié)合檔案收集、整理、著錄、檢索利用的實(shí)際需求，通過回顧和展望相結(jié)合的形式，系統(tǒng)梳理人工智能技術(shù)在檔案管理領(lǐng)域的發(fā)展脈絡(luò)，為檔案事業(yè)的優(yōu)化發(fā)展提供有益參考。

一、第一階段：初步應(yīng)用與基礎(chǔ)技術(shù)的發(fā)展（2000-2010年）

千禧年以來，計(jì)算機(jī)技術(shù)的廣泛應(yīng)用推動(dòng)了各行各業(yè)的信息化進(jìn)程。然而，檔案領(lǐng)域的信息化與其他行業(yè)相比，具有其特殊性。由于檔案涉及歷史資料的完整保管和利用，無法簡單構(gòu)造新的管理模式，即數(shù)據(jù)無法直接以新的形態(tài)進(jìn)行供給和利用。這一階段的主要任務(wù)是解決檔案文檔的數(shù)字化問題，以實(shí)現(xiàn)高效檢索、保存、備份和利用。與此同時(shí)，人工智能技術(shù)進(jìn)入穩(wěn)步發(fā)展階段，但大眾對(duì)其認(rèn)知尚淺，人工智能技術(shù)對(duì)檔案領(lǐng)域的貢獻(xiàn)主要包括以下幾個(gè)方面：

（一）檔案數(shù)字化

這一階段，人工智能開始在電子化檔案的管理中發(fā)揮作用，部分檔案的數(shù)字化與分類開始依賴人工智能技術(shù)，OCR（光學(xué)字符識(shí)別）技術(shù)的引人，極大提高了紙質(zhì)檔案數(shù)字化的效率。這一時(shí)期機(jī)器學(xué)習(xí)中支持向量機(jī)（SVM）技術(shù)的興起，提升了字符識(shí)別的能力，然而SVM最適用的是二分類問題，對(duì)上萬的中文檔案的字符識(shí)別，需要復(fù)雜的設(shè)計(jì)和訓(xùn)練。同時(shí)，作為機(jī)器學(xué)習(xí)最依賴的訓(xùn)練數(shù)據(jù)，這個(gè)時(shí)期也還非常缺乏。所以，這個(gè)時(shí)期的檔案數(shù)字化主要將OCR技術(shù)應(yīng)用到較為規(guī)范的打印字體中，并且需要大量的人工校對(duì)工作。盡管如此，OCR技術(shù)仍有效提升了檔案的數(shù)字化速度，但識(shí)別精度尚有很大提升空間，尤其是在處理復(fù)雜布局或殘損檔案時(shí)效果較差。

（二）檔案分類與檢索

基于文本內(nèi)容的檔案分類，首先需要解決文檔的分詞、命名實(shí)體識(shí)別等問題。這時(shí)期的分詞技術(shù)和命名實(shí)體識(shí)別技術(shù)，已經(jīng)從早期的詞典知識(shí)和人工規(guī)則方法，發(fā)展到基于詞頻的統(tǒng)計(jì)、基于統(tǒng)計(jì)的自然語言處理模型（n-gram）和隱馬爾科夫模型。條件隨機(jī)場也開始用于中文分詞任務(wù)，這種方法在處理序列標(biāo)注問題時(shí)表現(xiàn)出色，提高了分詞的準(zhǔn)確性。然而，對(duì)長序列文本包含的語義信息，其處理能力仍顯不足。

在智能文檔分類方面，開始使用詞袋模型（BOW）和基于單詞在單篇文檔中出現(xiàn)的頻數(shù)和在訓(xùn)練樣本中出現(xiàn)的頻率進(jìn)行對(duì)比的詞頻－逆文檔頻率（TF-IDF）方法。這一方法能夠較好地利用詞語詞頻所攜帶的信息量來預(yù)測文檔的類型。其缺點(diǎn)在于未對(duì)語言文字本身的語義進(jìn)行理解，僅是一種能夠高概率正確工作的方法。

在檢索領(lǐng)域，谷歌推出的倒排索引、頁面排名算法，在互聯(lián)網(wǎng)的網(wǎng)頁檢索中已經(jīng)非常成熟，但應(yīng)用到檔案領(lǐng)域有幾方面難點(diǎn)：首先，檔案文檔不是已經(jīng)數(shù)字化的互聯(lián)網(wǎng)網(wǎng)頁，大量內(nèi)容還未被識(shí)別，所以無法基于文本分詞和檢索技術(shù)進(jìn)行高性能檢索。其次谷歌等的檢索方案是為了滿足對(duì)海量資源的實(shí)時(shí)檢索需求，對(duì)存儲(chǔ)和計(jì)算資源需求非常巨大，其開銷也非中小型部門所能夠負(fù)擔(dān)。此外，從檔案利用需求端來說，此時(shí)《關(guān)于加強(qiáng)和改進(jìn)新形勢下檔案工作的意見》還未印發(fā)和執(zhí)行，包括高校檔案館等在內(nèi)的網(wǎng)上查詢利用檔案的業(yè)務(wù)需求還不突顯，導(dǎo)致這一時(shí)期的人工智能搜索技術(shù)也未在檔案領(lǐng)域獲得推廣。

二、第二階段：深度學(xué)習(xí)與大數(shù)據(jù)時(shí)代的到來（2010-2021年）

2010年后，隨著深度學(xué)習(xí)技術(shù)的突破，尤其是卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在圖像和文本處理領(lǐng)域的應(yīng)用取得了顯著進(jìn)展。檔案的數(shù)字化和檢索利用上了一個(gè)新臺(tái)階。同時(shí)，谷歌工程師提出的Transformer模型基礎(chǔ)算法，為當(dāng)前最強(qiáng)大的人工智能模型——大語言模型的發(fā)展奠定了基礎(chǔ)。

（一）采用深度學(xué)習(xí)的檔案數(shù)字化（2012-2018年）

計(jì)算機(jī)視覺領(lǐng)域的突破為檔案數(shù)字化帶來了革命性的變化。2012年AlexNet對(duì)卷積神經(jīng)網(wǎng)的合理利用，在ImageNet競賽中，以遠(yuǎn)超使用傳統(tǒng)方法的第二名的成績奪冠，引發(fā)了深度學(xué)習(xí)的持續(xù)火熱。此后，殘差網(wǎng)絡(luò)ResNet、VGG等模型的相繼問世對(duì)手寫字體的檔案文字0CR識(shí)別產(chǎn)生極大的幫助。如2013年的ICDAR手寫漢字比賽中，富士通公司團(tuán)隊(duì)采用改進(jìn)的CNN網(wǎng)絡(luò)，獲得了脫機(jī)手寫漢字識(shí)別的第一名，識(shí)別率達(dá)到 94.77% 。又如安徽省檔案館和訊飛智元信息科技有限公司共同研發(fā)了歷史檔案OCR識(shí)別引擎，采用基于深度神經(jīng)網(wǎng)絡(luò)模型的端到端文字識(shí)別技術(shù)，實(shí)現(xiàn)了對(duì)不同時(shí)期、不同內(nèi)容、不同版本的歷史檔案內(nèi)容的高效識(shí)別。

（二）采用深度學(xué)習(xí)的檔案修復(fù)和增強(qiáng)

深度學(xué)習(xí)技術(shù)不但能夠識(shí)別自然圖像和掃描的檔案圖像，也能對(duì)老舊檔案圖像進(jìn)行修復(fù)，此外，還能生成基于樣本學(xué)習(xí)的高清檔案圖像。如2020年，上?；ヂ?lián)網(wǎng)軟件集團(tuán)有限公司開發(fā)了一項(xiàng)基于AI多特征融合的超分辨率重建影像檔案修復(fù)系統(tǒng)。該系統(tǒng)利用AI技術(shù)實(shí)現(xiàn)了損毀影像檔案的智能補(bǔ)幀、超分辨率重建和上色。又如湖北省檔案服務(wù)行業(yè)協(xié)會(huì)開展了關(guān)于基于人工智能的超分辨率SR技術(shù)在照片檔案修復(fù)中的應(yīng)用研究。該技術(shù)能夠快速大批量處理照片，降低修復(fù)成本，為照片檔案的修復(fù)和利用提供新的技術(shù)路線。

（三）采用深度學(xué)習(xí)的偽造檔案鑒別

抗生成網(wǎng)絡(luò)GAN的設(shè)計(jì)思想為偽造檔案的鑒別提供了新的思路，GAN由一個(gè)生成器模仿偽造者和一個(gè)判別器模仿鑒別者組成，相互對(duì)抗、相互提升。如湖北檔案館參與的國家檔案局科技計(jì)劃項(xiàng)目，采用了基于級(jí)聯(lián)深度卷積神經(jīng)網(wǎng)絡(luò)的檔案圖像真?zhèn)舞b別算法，能夠檢測檔案圖像中的復(fù)制粘貼、扭曲變形的修改痕跡，有效提高了偽造檔案的鑒別能力[3]。

（四）采用知識(shí)圖譜技術(shù)的檔案檢索利用

知識(shí)圖譜技術(shù)最早由谷歌公司在2012年提出，旨在提升搜索引擎的性能和用戶體驗(yàn)。知識(shí)圖譜通過結(jié)構(gòu)化數(shù)據(jù)的形式，將實(shí)體、關(guān)系及其屬性相互關(guān)聯(lián)，形成一個(gè)全局的數(shù)據(jù)庫。這一技術(shù)不僅應(yīng)用于互聯(lián)網(wǎng)搜索引擎，也被應(yīng)用于檔案領(lǐng)域。如西北民族大學(xué)的研究團(tuán)隊(duì)提出了一種基于知識(shí)圖譜的自動(dòng)問答系統(tǒng)，利用自然語義處理技術(shù)對(duì)文書檔案數(shù)據(jù)進(jìn)行實(shí)體識(shí)別和關(guān)系抽取，從而提高了檔案數(shù)據(jù)的利用率和用戶的檢索效率。又如Neo4j等圖數(shù)據(jù)庫的普及，結(jié)合BiLSTM-CRF模型，實(shí)現(xiàn)檔案實(shí)體關(guān)系抽取（如人物－事件－地點(diǎn)關(guān)聯(lián)），推動(dòng)了《中國抗日戰(zhàn)爭檔案目錄》等專題知識(shí)庫構(gòu)建。

然而，本階段也存在一些不足：一是深度學(xué)習(xí)模型的訓(xùn)練需要大量的標(biāo)注數(shù)據(jù)，不同領(lǐng)域的檔案需專門設(shè)計(jì)訓(xùn)練集，這增加了模型應(yīng)用的難度和成本。二是隱私與安全問題開始凸顯。隨著電子檔案數(shù)據(jù)量的增加，同時(shí)大眾對(duì)檔案網(wǎng)絡(luò)查詢檢索的便捷需求性提高，如何確保檔案信息的隱私和安全成為新的挑戰(zhàn)。

三、第三階段：大語言模型與集成化應(yīng)用（2022年至今）

2022年，OpenAI公司的生成式ChatGPT-3.5在繼AlphaGo之后，再度引發(fā)了全世界對(duì)人工智能的關(guān)注。其強(qiáng)大的文本數(shù)據(jù)學(xué)習(xí)、理解和表達(dá)能力，遠(yuǎn)遠(yuǎn)超越了上一個(gè)階段，對(duì)檔案領(lǐng)域也產(chǎn)生了更大的震動(dòng)。

（一）基于語言和語音理解的高效檔案交互

由于大模型超強(qiáng)的語言理解能力，能夠接受人類語言的各種表達(dá)形式，不再要求必須按照某種固定格式的查詢語言，如SQL語言、正則表達(dá)式、檔案查詢系統(tǒng)的查詢條件組合框，就能實(shí)現(xiàn)語音、語言的交互。并且在這一階段，人工智能具備了連續(xù)和長上下文的交流能力，無須重復(fù)輸人查詢表達(dá)語言，就能對(duì)已有的不完整表達(dá)進(jìn)行反復(fù)補(bǔ)充修正，以獲取檔案查詢結(jié)果。這些特性都能極大地提升檔案查詢利用的效率和準(zhǔn)確度。

（二）基于生成式AI的內(nèi)容生成服務(wù)

AI技術(shù)不僅提高了檔案的數(shù)字化處理效率，還在檔案的利用階段提供了智能檢索、報(bào)告生成等支持，極大提高了檔案數(shù)據(jù)的價(jià)值。比如，某檔案館通過集成AI與大數(shù)據(jù)技術(shù)，建立智能檔案管理平臺(tái)，實(shí)現(xiàn)自動(dòng)化檔案整理與智能檢索；同時(shí)，利用生成式AI（如LLaMa、千問、DeepSeek等開源大模型）對(duì)檔案進(jìn)行自動(dòng)摘要和報(bào)告生成，使得檔案利用效率得到大幅提升。

但是，本階段依舊存在不足之處：一是缺乏復(fù)合型人才。雖然人工智能技術(shù)的使用門檻越來越低，但專門的檔案管理人員中，具備人工智能技術(shù)背景的復(fù)合型人才仍然匱乏，沒有專業(yè)的檔案收集、管理、利用人才對(duì)人工智能技術(shù)的深刻把握，就無法保證檔案工作的可靠開展。二是大語言模型因其基于概率推導(dǎo)和吸納廣泛的世界知識(shí)的原因，對(duì)具體的領(lǐng)域，容易產(chǎn)生知識(shí)幻覺，這導(dǎo)致檔案的分類、摘要、推薦等任務(wù)中可能出現(xiàn)一些看似言之鑿鑿，實(shí)則查無此據(jù)的內(nèi)容。這個(gè)問題，無論是對(duì)于國外率先領(lǐng)跑的OpenAI，還是對(duì)于國內(nèi)有超越之勢的后起之秀DeepSeek，都大量存在，廣被病。三是大模型因?yàn)橛?xùn)練和推理需要巨大的算力和能源，而檔案數(shù)據(jù)又不能輕易存儲(chǔ)于云端，各地各級(jí)中小型檔案館部署、訓(xùn)練、運(yùn)維本地化大模型就會(huì)面臨高昂的成本投人。如何在所有檔案館中普及和實(shí)現(xiàn)高效應(yīng)用仍面臨成本和技術(shù)適配的問題。

四、未來展望：人工智能與檔案管理的深度融合

未來，隨著生成式AI、量子計(jì)算、區(qū)塊鏈等新興技術(shù)的加入，人工智能與檔案管理的融合將進(jìn)一步深化，檔案專業(yè)人才對(duì)人工智能技術(shù)的更多學(xué)習(xí)掌握，將會(huì)推動(dòng)檔案管理進(jìn)人更加智能化和自適應(yīng)的時(shí)代。具體來看，將呈現(xiàn)六大趨勢。

（一）檔案管理系統(tǒng)的自學(xué)習(xí)與自優(yōu)化

隨著大語言模型的幻覺問題被定位和徹底解決。檔案管理對(duì)AI技術(shù)的利用將會(huì)更加全面深人，檔案管理系統(tǒng)將具備自學(xué)習(xí)與自優(yōu)化能力，能夠根據(jù)用戶的行為和反饋不斷優(yōu)化模型參數(shù)和算法，提高檔案管理的智能化水平。這將推動(dòng)文檔管理的完全智能化，實(shí)現(xiàn)檔案的自動(dòng)分類、自動(dòng)摘要、自動(dòng)推薦等功能。

（二）本地化大語言模型的定制與優(yōu)化

針對(duì)大語言模型在檔案領(lǐng)域應(yīng)用的算力與成本問題，未來將有更多針對(duì)檔案領(lǐng)域的本地化大語言模型被定制和優(yōu)化。這些模型將結(jié)合檔案數(shù)據(jù)的特殊性，進(jìn)行輕量化設(shè)計(jì)，以降低對(duì)算力和存儲(chǔ)資源的需求。同時(shí)，通過持續(xù)學(xué)習(xí)和更新，本地化模型將更好地適應(yīng)檔案管理的實(shí)際需求，提高處理效率和準(zhǔn)確性。

（三）跨模態(tài)檔案信息的智能融合

隨著多媒體技術(shù)的快速發(fā)展，檔案形式不再局限于傳統(tǒng)的紙質(zhì)文檔，而是涵蓋了圖像、音頻、視頻等多種模態(tài)。未來，人工智能技術(shù)將實(shí)現(xiàn)跨模態(tài)檔案信息的智能融合，通過多模態(tài)學(xué)習(xí)技術(shù)，將不同形式的檔案信息進(jìn)行有效整合和關(guān)聯(lián)，為用戶提供更加全面、豐富的檔案檢索和利用體驗(yàn)。

（四）檔案智能安全與隱私保護(hù)

隨著檔案信息化程度的提高，檔案安全和隱私保護(hù)問題日益凸顯。未來，人工智能技術(shù)將在檔案智能安全與隱私保護(hù)方面發(fā)揮重要作用。通過深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)，可以實(shí)現(xiàn)對(duì)檔案數(shù)據(jù)的實(shí)時(shí)監(jiān)測和預(yù)警，及時(shí)發(fā)現(xiàn)并防范應(yīng)對(duì)潛在的安全風(fēng)險(xiǎn)。同時(shí)，結(jié)合區(qū)塊鏈等分布式賬本技術(shù)，可以確保檔案數(shù)據(jù)的不可篡改性和可追溯性，進(jìn)一步保障檔案的安全和隱私。

（五）智能檔案服務(wù)與創(chuàng)新應(yīng)用

人工智能技術(shù)將推動(dòng)檔案服務(wù)模式的創(chuàng)新和發(fā)展。未來，智能檔案服務(wù)將更加注重用戶體驗(yàn)和個(gè)性化需求，通過智能推薦、智能問答等技術(shù)，為用戶提供更加便捷、高效的檔案檢索和利用服務(wù)。同時(shí)，結(jié)合虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等新技術(shù)，可以打造沉浸式的檔案體驗(yàn)環(huán)境，讓用戶身臨其境地感受歷史文化的魅力。

此外，人工智能技術(shù)還將在檔案編研、檔案展覽、檔案教育等方面發(fā)揮重要作用。通過智能編研技術(shù)，可以實(shí)現(xiàn)對(duì)檔案數(shù)據(jù)的深度挖掘和分析，為歷史研究提供有力支持。通過智能展覽技術(shù)，可以打造數(shù)字化的檔案展覽平臺(tái)，讓更多人了解檔案文化的價(jià)值。通過智能教育技術(shù)，可以將檔案知識(shí)融入課堂教學(xué)，培養(yǎng)學(xué)生的歷史素養(yǎng)和文化自信。

（六）檔案人才與智能技術(shù)的融合培養(yǎng)

未來，檔案領(lǐng)域?qū)⒏幼⒅厝瞬排c智能技術(shù)的融合培養(yǎng)。一方面，將加強(qiáng)對(duì)檔案管理人員的智能技術(shù)培訓(xùn)，提高他們的技術(shù)素養(yǎng)和創(chuàng)新能力。另一方面，將鼓勵(lì)檔案專業(yè)人才與人工智能技術(shù)專家進(jìn)行跨領(lǐng)域合作，共同推動(dòng)檔案管理與人工智能技術(shù)的深度融合和發(fā)展。

近二十五年來，人工智能技術(shù)在檔案領(lǐng)域的應(yīng)用取得了顯著成效，推動(dòng)了檔案管理的自動(dòng)化、智能化變革。從初步應(yīng)用與基礎(chǔ)技術(shù)的發(fā)展，到深度學(xué)習(xí)與大數(shù)據(jù)時(shí)代的到來，再到如今大語言模型與集成化應(yīng)用的興起，人工智能技術(shù)不斷為檔案管理帶來新的機(jī)遇和挑戰(zhàn)。未來，隨著生成式AI、量子計(jì)算、區(qū)塊鏈等新興技術(shù)的加入，人工智能與檔案管理的融合將進(jìn)一步深化，并推動(dòng)檔案管理進(jìn)入更加智能化、自適應(yīng)的時(shí)代。同時(shí)，我們也需要關(guān)注人工智能技術(shù)在檔案領(lǐng)域應(yīng)用中的倫理、法律和安全等問題，確保檔案事業(yè)的健康、可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]劉云霞.淺談檔案管理的數(shù)字化]科技情報(bào)開發(fā)與經(jīng)濟(jì)，2011（2）：140-141.

[2]楊巍.基于人工智能的超分辨率SR技術(shù)在照片檔案修復(fù)中的應(yīng)用探究[].中國檔案，2023（9）：60-62.

[3]陳佳，史愛武，姬鳳英.基于級(jí)聯(lián)深度卷積神經(jīng)網(wǎng)絡(luò)的檔案圖像真?zhèn)舞b別算法.蘭臺(tái)世界，2018（6）：46-48.

[4]王建林，陳萌萌，冶存花，等．基于知識(shí)圖譜的檔案領(lǐng)域問答系統(tǒng)研究與應(yīng)用.軟件工程與應(yīng)用，2024（2）：190-198.

[5]房開乾，王鑫鑫，歐葉玉．基于深度學(xué)習(xí)的檔案輔助分類應(yīng)用研究機(jī)電兵船檔案，2024（3）：86-90.

[6]岳蓓.大數(shù)據(jù)時(shí)代背景下高校檔案管理模式的變革和優(yōu)化].中國新通信，2022（14）：37-39.

基金項(xiàng)目：中國高等教育學(xué)會(huì)檔案工作分會(huì)2020年基金項(xiàng)目“數(shù)字生態(tài)視聞下的高校檔案制度建設(shè)研究—以西南地區(qū)為例”（項(xiàng)目編號(hào)：ZGD-ZC-2020-08）階段性研究成果之一