數(shù)智時代檔案數(shù)據(jù)的“重做”與“重塑”

摘 要：人工智能時代，AI參與電子文件管理的范圍和深度不斷擴展，電子文件管理不僅要面向各類人群的需要，也要適應(yīng)人工智能的邏輯和需求，由此引發(fā)千百年來為人類保管和提供利用文件檔案的管理體系發(fā)生某些底層邏輯、原理和方法的變化，包括文件檔案數(shù)據(jù)及其治理的內(nèi)涵、收管范圍、分類標(biāo)注等，進(jìn)而引發(fā)有關(guān)理論、方法和技術(shù)的歷史性重塑。

關(guān)鍵詞：電子文件管理；檔案數(shù)據(jù)；人工智能

分類號：G276

今年的電子文件管理年會在合肥召開，我想當(dāng)?shù)氐臋n案工作者應(yīng)該會有一些感慨。中國電子文件管理啟動之初，安徽省檔案館是先頭部隊，當(dāng)時還是副局長的黃玉明借鑒澳大利亞維多利亞州電子文件管理策略（VERS）主持開發(fā)了檔案行業(yè)標(biāo)準(zhǔn)《文書類電子文件元數(shù)據(jù)方案》，并先期啟動安徽省檔案館的電子文件管理系統(tǒng)建設(shè)和管理實踐，最早嘗試用封裝方法保證電子文件的真實、完整、可靠、可用。那時世界各國檔案界的目標(biāo)主要錨定在保存電子文件的原本狀態(tài)存在。不過十幾年時間，電子文件在以非結(jié)構(gòu)化文件為主體的基礎(chǔ)上大范圍接納了各項社會活動中形成的半結(jié)構(gòu)化、結(jié)構(gòu)化數(shù)據(jù)，運用AI進(jìn)行管理的探索不斷涌現(xiàn)，電子文件管理的細(xì)顆粒化和智能化勢頭日益強勁，賦能國家經(jīng)濟(jì)社會發(fā)展的思想也逐漸明朗，表明了電子文件管理理念和思路的時代演變與進(jìn)化。

變化是這個時代的符號，既快又多還激烈，新問題層出不窮，“未來已來”表明預(yù)言轉(zhuǎn)變?yōu)楝F(xiàn)實的節(jié)奏正在加快。去年年會我提出了一些向大家討教的問題，今年還想說3個比較基礎(chǔ)的問題，為大家面向現(xiàn)實和不遠(yuǎn)的未來，面向人群和AI的電子文件管理思想和實踐交流增添一點話題。

1 關(guān)于檔案數(shù)據(jù)治理是什么？

前不久看到代國輝研究員發(fā)布的一則視頻提出這個問題，實質(zhì)上問的是什么是檔案數(shù)據(jù)。他列舉了5種概念，問大家認(rèn)同哪一個：第一種是指檔案業(yè)務(wù)數(shù)據(jù)治理。第二種指數(shù)據(jù)治理延伸到歸檔之后的檔案階段，他認(rèn)為這兩種本質(zhì)上是數(shù)據(jù)治理。第三種是數(shù)據(jù)類檔案，特別是結(jié)構(gòu)化數(shù)據(jù)的治理。第四種是用數(shù)據(jù)治理的方法論優(yōu)化檔案管理，他認(rèn)為這兩條本質(zhì)上是檔案治理。第五種指檔案和數(shù)據(jù)一體化，即結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的融合治理。這是個有趣的問題，值得大家分析琢磨。在我看來，它們各有面向，又交叉重疊，并非非此即彼，這幾種看法讓我們看到了檔案數(shù)據(jù)及其治理的不同側(cè)面或維度，不同切入點和著力點，很有意義。近幾年質(zhì)疑檔案數(shù)據(jù)概念和領(lǐng)域“泛化”的聲音少了，越來越多的檔案人打開大門，接受數(shù)據(jù)的檔案性質(zhì)和廣泛來源，包括來源于不同活動中的不同階段，盡管對其確切內(nèi)涵還有不同認(rèn)知，重要的是用開放思維接納并探討檔案數(shù)據(jù)的文件檔案屬性和管理。

2 我們需要收集歸檔哪些檔案數(shù)據(jù)？

檔案數(shù)據(jù)賦能經(jīng)濟(jì)社會發(fā)展，賦能新質(zhì)生產(chǎn)力，前提是要質(zhì)優(yōu)量足。在智能時代，哪些數(shù)據(jù)值得收集保存很難說清楚。除了人工智能生成數(shù)據(jù)的真實性與價值判定之外，還有不少值得思考的新問題。我看到OpenAI最早的10名員工之一Pieter對于現(xiàn)存數(shù)據(jù)缺陷的一種說法，對于我們認(rèn)識和收集檔案數(shù)據(jù)有啟發(fā)。他說，今天我們用的所有數(shù)據(jù)都是人類寫下來的，但是人類是要先做很多思考才有可能形成一些結(jié)論，AI沒有看到人類的思考過程，只看到了思考結(jié)果，只有人類所有的思考過程都記錄下來或者說出來，這樣AI才能根據(jù)這些數(shù)據(jù)形成真正的推理能力。所以我們的數(shù)據(jù)看上去很大，但是缺失了非常大的一個部分。Pieter從AI科學(xué)家的視角提出的這個問題在我們的數(shù)據(jù)歸檔管理中可以有所思考。什么是結(jié)果數(shù)據(jù)？什么是有價值的過程數(shù)據(jù)？盡管這個說法對于檔案人并非全新，但是搞明白如何判斷和識別卻很不容易，具體到各個機構(gòu)更是十分復(fù)雜和艱難的選擇。

從數(shù)據(jù)內(nèi)容看，AI的飛躍式發(fā)展也提出一些新的方向。比如被稱為AI教母的李飛飛將人類智能歸結(jié)為語言智能和空間智能，她認(rèn)為二者都非常重要，在大語言模型紛紛問世之際，她奮力面向空間智能創(chuàng)建大世界模型，讓AI在3D世界中感知和生成，使人工智能不僅能思考，還能行動。而訓(xùn)練這一類人工智能需要更多圖像和三維數(shù)據(jù)，以便根據(jù)3D時空中物體、位置和交互進(jìn)行推理。目前這類數(shù)據(jù)被納入管理的還很少，需要引起我們的關(guān)注，收入我們的視線和收管范圍。

3 一些管理原理、理念的變化

比如，在信息資源管理中，包括圖書、檔案、數(shù)據(jù)管理等，分類是基礎(chǔ)性工作，以往的分類基本上遵循概念之間的上下位或同位關(guān)系進(jìn)行演繹和歸納，形成邏輯嚴(yán)密的分類體系。現(xiàn)在用于訓(xùn)練 AI 的數(shù)據(jù)也要分類，李飛飛認(rèn)為“視知覺依賴于分類”，但是這個分類的邏輯似乎和我們傳統(tǒng)的信息分類不同，是根據(jù)現(xiàn)象、物體的多重特征劃分和歸類，非常復(fù)雜。她創(chuàng)辦的視覺數(shù)據(jù)庫ImageNet是AI產(chǎn)業(yè)公認(rèn)的重要基礎(chǔ)設(shè)施，初始版本收錄的15，000，000張圖片就涵蓋22000個類別，其類別數(shù)量之多遠(yuǎn)超過去的文本分類體系。我不大清楚她是什么樣的分類標(biāo)準(zhǔn)和方法，只知道她分類的目的是教會AI認(rèn)識各種空間事物，比如什么是一棵樹一條狗。我國檔案數(shù)據(jù)管理也將遇到面向AI的問題，因為社會各領(lǐng)域?qū)⑵毡檠邪l(fā)和使用人工智能，不僅有綜合大模型，也有各個行業(yè)的垂類模型，不僅有語言模型也會做空間模型，盡管歸檔數(shù)據(jù)和AI訓(xùn)練數(shù)據(jù)可能不盡相同，如果一部分檔案數(shù)據(jù)能夠成為便于AI理解和訓(xùn)練的高質(zhì)量基礎(chǔ)數(shù)據(jù)，就能在各行業(yè)智能化進(jìn)程中產(chǎn)生實際賦能。

未來的文件檔案管理不僅要面向人，也要面向AI，有些可能是通過AI來服務(wù)于人，所以，我們不僅要理解各種人群對電子文件/檔案數(shù)據(jù)的需要，也要理解AI邏輯和訓(xùn)練需求，這種新的需要會不會使我們千百年來為人類保管和提供利用而形成的文件檔案管理體系發(fā)生某些底層邏輯、原理和方法的變化呢？這樣的問題已經(jīng)開始不期而至了。前幾天我和一位著名經(jīng)濟(jì)學(xué)家聊天，他說，數(shù)字時代很多經(jīng)濟(jì)學(xué)原理遭遇顛覆性挑戰(zhàn)，一系列新的經(jīng)濟(jì)學(xué)理論將在這個時代出現(xiàn)，我想信息管理、電子文件管理何嘗不是如此？前些年有個說法，所有行業(yè)都可以在互聯(lián)網(wǎng)上重做一遍，現(xiàn)在的說法是所有行業(yè)都可以用AI重做一遍。此話不假，今年的諾貝爾化學(xué)獎和物理學(xué)獎花落AI專家就說明化學(xué)和物理學(xué)已經(jīng)開始重做了，檔案管理、電子文件管理也注定不會例外。“重做”就是“重塑”，這個過程中伴有大量的否定、改變和創(chuàng)新，在座的不少人此生經(jīng)歷了兩次歷史性“重做”，可以說是辛苦并幸運的，這是這一代人的宿命和使命，我們只有勇于面對，在“重做”中書寫文件、檔案、數(shù)據(jù)管理的新篇章。

*此文為作者2024年10月19日在安徽合肥的“第十四屆中國電子文件管理論壇”上的致辭。