业务前沿 | 当文化遗产开始“说机器的语言”：智慧数据如何打开档案的未知世界

大数据常被概括为多个“V”：体量（Volume）、速度（Velocity）、多样性（Variety）、可变性（Variability）、真实性（Veracity）。但这些V最终都指向一个未被言明的V——价值（Value）。

大数据靠规模自上而下地提炼出价值，智慧数据则自下而上地把价值托举出来。它的定义并不依赖体量，而依赖六种品质：可信的、情境化的、相关的、认知的、预测的、可消费的。

日本古籍中的“崩字”与现代日文字形差异很大，字符还可能相互连接、大小不一，并与纸张污渍和印刷纹理混杂。即使完成高清扫描，普通文字识别系统也很难直接处理。

日本人文学开放数据共同利用中心开发的KuroNet，利用人工智能目标检测技术在古籍图像中寻找字符并进行转录。其后推出的“miwo”应用允许使用者用手机拍摄古籍，再由系统把崩字转换为现代字符。当前模型尤其适合江户时代木刻本，也可辅助识别部分手写文献。

与之相似，开源平台eScriptorium提供了从导入图像、划分版面和文字行，到人工转录、训练模型、自动预测、专家校订和数据导出的完整流程。它提醒我们手稿识别并不是按下“OCR”按钮，而是机器处理与人工知识不断往返的过程。

美国康奈尔大学麦考利图书馆收藏来自世界各地的野生动物照片、录音和视频。单独保存一段鸟鸣，只能留下声音；如果把它与物种名称、分类体系、录制时间、地理位置、环境和记录者关联起来，它就成为可以用于科学研究的数据。

项目团队利用经过标注的照片和声音训练机器学习模型，并将成果用于Merlin Bird ID等识别工具。使用者录下一段鸟鸣后，系统可以提供物种预测；新的观察和专家核验又能继续丰富资料库。

这形成了一个循环：档案为AI提供可信训练数据，AI扩大档案的发现与利用范围，公众参与则不断补充新的记录。声音档案由此不再只是等待播放的文件，也成为支持物种识别、科学研究和生物多样性保护的基础设施。

三维文物看似已经包含丰富信息，但一个能够旋转和缩放的模型并不天然就是智慧数据。除了几何结构和表面纹理，还需要记录文物尺寸、采集设备、建模方法、处理软件、精度、文件版本、权利状态，以及哪些部分来自原始测量、哪些部分属于推测性重建。这些关于数字对象形成过程的信息通常被称为“过程数据”或“旁数据”。

欧洲EUreka3D项目建设的数据中心，可以保存三维模型的不同版本和格式，管理访问权限，为模型添加Europeana数据模型兼容的元数据、情境信息和旁数据，并分配持久标识符。经过这些处理，三维模型才有可能被稳定引用，并用于研究、保护、教育、虚拟展览和扩展现实应用。

芬兰WarSampo以人物、部队、地点、时间和事件为共同节点，将伤亡名册、战地日记、历史照片、军事单位、战俘记录、战争墓地和历史地图组织成相互关联的知识网络。

对阵亡者家属而言，这意味着亲人的名字可以从一条冰冷的伤亡记录重新进入具体的时间、地点和社会关系；对历史研究者而言，则可以从个体追踪进一步转向群体比较，研究人员流动、部队经历、地域差异和战争伤亡等问题；对公众而言，战争也不再只是年份、战役和统计数字，而重新显现为无数具体生命共同承受的历史。

WarSampo把原本无法互相说明的材料转化为能够彼此印证的证据网络——让档案利用从“找到一份记录”，进一步走向“理解一个人及其所处的历史”。