数智时代与中国古典诗词注释

　　【数智时代与古代文学】　　

　　古典诗词是中华优秀传统文化的重要载体，而字词训诂则是进入其审美世界、把握其思想内涵的关键路径。长期以来，古典诗词的笺注释义，主要依赖学者的学术积累与案头考证。进入数智时代，数字化与人工智能技术正逐步介入古典诗词的整理、检索及阐释环节，为这一传统领域带来技术与方法上的革新。当下数字化及人工智能技术对诗词注释的赋能，主要体现在以下三个方面。

　　首先，基于大规模预训练语言模型的直接注释，已成为当前十分常见的应用方式。当前的AI模型，依托海量文本训练，获得了丰富的语言知识和一定的文本解读能力，能够对古典诗词进行字词解释、句意串讲甚至主题概括，生成具有一定参考价值的文本。以尚未见前人注释的沈约《棋品序》为例，深度求索（DeepSeek）不仅能够逐字逐句释义、溯源典故，还总结文章主旨，称沈约有意将“围棋提升至与道、艺相通的境界”。且相较于传统人工查阅与注释，这类模型在信息产出速度及便捷程度上具有明显优势，能够适用于初步释读、教学辅助与普及传播等场景。

　　其次，基于语料数据库的语义计算与义项判断，为诗词的训诂提供数据与材料支持。依托大数据语料库，系统可借助词嵌入等分布式语义表示技术，计算古汉语词汇在不同语境中的语义相似度，并在此基础上通过聚类分析和频次统计，呈现其常见义项与特殊用法，从而为训诂判断提供支持。例如，《诗经》中不少字词兼有多重含义，历来存在歧解，而这些分歧又直接关乎对全篇诗旨的理解与判断。对此，我们可尝试利用中国基本古籍库、北京大学中国语言学研究中心CCL语料库等，检索这些字词的先秦用例；并借助AntConc等生成索引行，考察被检索字词的句法位置与共现词语的类型；再通过GuwenBERT等以古代汉语语料构建的预训练语言模型，提取字词在各用例中的语境化向量，以层次聚类考察其义项分布；最后结合训诂材料与具体语境加以核验，以助词义之判定。

　　此外，借用知识图谱推动跨文本与深度阐释工作。诗词的理解往往需要调用大量知识，包括典故、地理、职官、作者生平、创作背景等。在知识图谱的实际应用中，系统可自动识别诗词中的人名、地名、官职等词，并将这些知识要素结构化、关系化、可计算化，进而建立链接，进而推演出诗句中未被直接言明的历史文化背景，辅助深层阐释。例如，王维“西出阳关无故人”中的“阳关”，作为具有明确地理与文化指向的词语，可在知识图谱中进一步关联唐代边塞地理信息及“阳关”在唐诗中常见的送别语境等。由此，系统不仅能够帮助读者理解表层语义，还可提示这一意象在文学传统中的情感功能与文化积淀。

　　需要指出的是，人工智能技术辅助古典诗词注释的同时，也存在若干不容忽视的陷阱与短板，需要我们审慎甄别与应用。其一，当前AI模型训练数据良莠不齐，容易出现生僻字识别错误、典故溯源偏差、古今词义混淆等问题，导致内容讹误。且与传统笺注多征引文献的做法不同，直接借助AI模型生成的注释内容多止于疏通词义，常缺乏文献材料支撑，或无法准确溯源，故不易辨析词句间的互文关系。其二，有些古典诗词中的词义、主旨尚无统一定论，但部分AI模型倾向于输出单一、绝对化的标准答案，掩盖学界多元研究视角，遮蔽已有的分歧与讨论。其三，古诗词注释不仅是字词解读，更是意境、情感的传承。当前人工智能主要擅长表层语义匹配，尚未真正进入诗词深层的艺术结构与精神世界。其四，对智能工具的过度依赖可能削弱读者或研究者的文本精读与人文思辨能力，背离了旨在培养人文素养这一研读古典诗词的根本初衷。

　　因此，立足数智时代，古典诗词注释的未来发展还需坚守“人文为本、技术为用”的核心原则。一方面，深耕垂直领域智能模型，优化数据模型。依托版本可靠的古籍、权威专著及注本建构专业化诗词知识库，优化算法语义解析能力，强化对典故、语境及情感的深度解读功能，从源头提升AI注释的精准度与专业性。另一方面，建立人机协同工作模式，明确技术与人文的分工。让AI承担海量文献检索、版本对比、字词初译、数据整理等基础工作，让学者专注于疑难考据、主旨辨析、艺术阐释等核心人文工作，实现技术效率与人文深度的有机融合。除此之外，还应完善审核机制，坚守文化传承底线，对于AI诗词注释成果，应依托古典文学专家团队核校内容，纠正算法偏差并解读谬误，杜绝传播错误文化。同时，引导大众理性使用智能工具，在精读、体悟与思辨中寻求技术便利与人文涵养的平衡。

　　总之，数智技术虽为中国古代诗词注释注入了全新活力，但技术终究只是工具，不能取代人的判断、体悟与阐释。唯有以人文内核引领技术应用，以智能技术赋能文化传承，扬长避短、守正创新，方能推动古典诗词在数智时代焕发新生，让中华优秀传统文化生生不息。

　　（作者：刘雯，系西南交通大学人文学院讲师）