纵观AI发展史，始终存在着AI“狼”性说。在各类科幻作品中，AI或是如《黑客帝国》般统治人类，或是如《X战警》般成为新人类，最终的方向似乎都是吞噬和取代人类。而笔者认为其实有两匹“狼”的存在——既然AI是人类创造的，利用AI的人类本身不也是一匹“狼”吗？而且鹿死谁手还不一定呢！当然本文并非探讨AI与人类如何共存的伦理问题，而是结合笔者这些年在AI+档案应用开发方面的实战经验，提出一个更为现实的问题：“狼”真的来了吗？

AI+档案开放审核作为近几年的研究热点，笔者和小伙伴们对其进行了深入的研究与探索，下面就将整个实践历程分享给大家。

我们的总体思路是这样的：首先使用通用OCR技术提取档案全文，然后使用NLP技术进行语义分析，优化训练一种基于规则和语义驱动的开放审核模型，最后通过机器学习算法实现自主成长。

问题一

但很不幸在第一步就遇到了问题。由于手写体OCR功能不过关，大批上世纪五六十年代的手写体档案扫描图像识别率低下，识别程序只能返回结果但无法判断是否识别准确，直接影响AI对全文内容审核的判断。于是我们寻求国内外专业OCR解决方案的帮助，提升手写体识别能力，效果依然不明显。后来在OCR识别过程中引入语义通顺度模型，实际上是根据档案行业特点引入文本纠错机制，才使手写体OCR识别的准确率得到明显提升。

下表所示为某批样本在OCR识别工具优化前后的识别率统计数据。

从上表中可以看出，虽然优化后识别准确率得到明显提升，但实际上离99%以上的识别准确率还是有较大的提升空间的，目前我们还在努力过程中。

问题二

紧接着就遇到了第二个问题：有的档案部门除了常见的敏感词库之外，还有专家历史经验的积累，已经形成了一定的规则知识；但有的单位并没有将开放审核经验归纳总结为可执行的规则，这将直接影响到冷启动阶段的准确度。所以，采用传统的基于规则的开放审核模型并不能满足要求，需要结合一种基于样本的开放审核模型（即基于历史鉴定成果的样本数据进行训练学习，并通过语义理解与分析生成鉴定结果），形成“规则+样本”双驱动模型，以此来提升AI辅助开放审核的准确度。当然，现阶段AI完全自动开放审核是做不到的，还需要档案业务专家进行复审把关，所以在实际应用中一般采用“AI初审+人工复审”的方式。

下表所示为双驱动模型准确率提升对比表。

由上表可知，双驱动模型的准确度相比于传统规则模型得到大幅度提升，但实际上提升之后的准确度依然没有达到理想要求（考虑到档案数据的敏感性，开放审核准确度要求100%）。这也印证了现阶段为什么要采用“AI初审+人工复审”的方式。

问题三

最后的问题在于：如何实现自主成长型AI，使其在日常训练和用户使用过程中持续学习、自我优化，逐步形成较为通用的计算框架，并且可以针对不同档案内容进行自适应学习的开放审核模型。结合当前GPT-4、文心一言这一类大语言模型（Large Language Model，LLM）的技术原理，我们增加了语境分析模型（Context Analysis Model, CAM），通过正负能量算法来分析档案文本中的语境倾向。在AI技术大牛的指导下，小伙伴们愈战愈勇，自主研发了一种具有深层知识感知能力的迭代学习算法，结合双驱动模型对样本数据、初审结果、复审结果、专家知识信息进行自动分析，在形成通用语言模型的基础上学习本地档案内容数据，最终初步实现可成长的AI开放审核模型。