“或许还是需要进行人工干预，但是工作强度已经大大降低，我们可以通过拍照，扫描等方式，将生僻字的图片扫入计算机，让程序去分析它，最后得到标准点阵字，编码之后加入到字库当中，对字库进行扩充。”


    “要实现这个功能需要有几个前提，第一就是字库当中要有足够的样本，这个我们已经已经完成，因为我们现在已经有了四万个标准点阵字的字稿。”


    “还是拿《康熙字典》来举例，我们先将《康熙字典》上每一个单字的扫描图扫入文字识别系统，然后提取其字体参数特征，再将这些参数赋给已有的标准点阵字，让系统计算出根据这些参数产生的‘系统字’。”


    “再拿这些生成的‘系统字’，与‘扫描字’进行校验，通过四万个标准字生成的‘系统字’，去验证参数的代表性，最后将参数调整到最佳。”


    “得到参数体系之后，我们就能够将它套在扫描进来的生字上，最终得到《康熙字典》全部近六万个单字的标准点阵字，字库就从四万扩充到六万了。”


    “这个思路倒是新颖，然而却也是可行的。”麦明川点头：“不过还是有问题，就是存储和运算。”


    “我也拿《康熙字典》来举例，近六万个单字，就是近六万张图片，我们就拿一张图片五兆来计算，这就是300g的空间，这也太可怕了。”


    “那王院长觉得，这个系统多大的图片存储容量，可以被接受呢？”


    “一个g，”麦明川脱口而出，想了想觉得实在是有点欺负人：“最多最多，两个g。”


    1g是1024m，两百张5m的图片，两g就是400张。


    “也就是说，如果按照这个标准，这个系统能够一次同时完成四百个字的扫描分析和成字入库的工作？”


    “那还得分串行并行。”李红江已经上套，开始思索程序的工作方式了：“涉及到时间成本，学校也不可能将有限的计算资源全拿来做这事儿。”


    “那我们可不可以像上级求助呢？”周至问道：“我们先把基础工作做好，然后申请国家级的运算资源来完成它，有没有机会呢？”


    “国家资源那更紧张，全国无数单位排队呢。”麦明川苦笑着摇头。


    辜老说道：“那干脆这样，我们将工作再做细一点，肘子说的这个文字识别反向推算点阵字的程序咱们先缓一缓，第一步先集中精力把标准定出来。”


    “与此同时，我们这边，再把现在的四万字稿扩到七万。”


    “小李那边，抓紧先开发出读字稿的程序，咱们先把七万字稿的数字化工作完成。”


    “之后再拿着这七万汉字的数字化成就，去跟那个统一码联盟谈判，并且要留够下一步继续拓展的空间，力争让我们的大字库成为全球统一标准。”


    “有了这个大字库，咱们再制定出几个子集，满足国内国际不同应用场景的需求。到此我们的第一步工作是不是就算完成了？”


    “至于肘子说的文字识别，那也相当重要。”辜振铎补充道：“这个可是我们下一步搞典籍数字化的神器啊！”


    辜老不由得叹了一口气：“这不是资源有限，怕排不上嘛？”


    “那也不一定。”周至说道：“咱们大可以将这些思路都给一股脑儿报上去，咱漫天要价，在等着部委落地还钱，取乎其上，得乎其中嘛！”


    大老们都哄笑起来，这肘子是懂部委的，要人家不拿捏你，百分之百满足你的要求，几乎都是不可能的，能够满足你五成那都是开恩了。


    因此不妨将饼子划大一点，最后哪怕给砍掉一半，落个小饼子也差不多够吃。


    今天只是一个务虚会，算是统合一下思路，研究一下文理跨学科合作的可能性，现在能够得到一个较为统一的意见，就已经算是超出会议预期了。


    这里边主要功劳，还是周至已经完成的前期工作。


    李红江就握着周至的手，热切地道：“要不再多修一个信息工程学位吧？我看肘子你虽然是文科生，但信息技术的基础这么好，多修个学位一点问题都没有的。”


    “精力实在是太有限了。”周至只能婉拒李红江的好意：“不过那个文字识别系统我是非常有兴趣的，李教授要是有兴趣，我也可以参与研究。”


    “你对编程熟悉不？basic或者pascal。”到现在李开江绝不相信周至会是外行。


    “我更熟悉c语言。”周至回忆起当年被代码支配的恐惧。


    “c？”李红江感觉自己好像捡到宝了：“那unix呢？”


    “unix也还行。”周至问道：“学校这是有新引进的小型机了？可以运行ansic的那种？”


    对于多数人来说，两人的对话好比天书。


    计算机语言最基本当然就是直接对芯片操作的指令集，例如最早的打孔纸带，直接就是零和一的组合。


    这种语言对计算机来说最直接，但是对人来说最不友好。


    于是人们就发明了一套基于芯片的“基本指令集”，这就是汇编语言。


    汇编语言同样还是针对芯片，但是至少可以让专业人士读懂这程序是要让机器干什么的了。


    但是汇编语言有个问题，那就是无法移植，因为它是针对某一类芯片开发的，换到另一类芯片上，另一类芯片就看不懂。


    于是人类又想出一种办法，设计出编译库概念和更高一级的程序，这就是面向过程的编程语言，c语言就是其中的佼佼者。


    c语言很难，原因就在于它具备汇编语言简洁高效的特征，因此工作迅速，代码紧凑，可读性比汇编语言好，最关键是容易调试，修改和移植。


    程序员只负责写代码，代码写好之后对其进行编译，就能够转化为能让计算机读懂的二进制代码，称为“应用程序”。


    针对不同的芯片类型，编译库中有不同的编译方式，可以将c语言编写的程序编译成能够在不同系统上运行的程序。


    这就解决了程序的移植问题，让同一个程序，既可以在dos系统里运用，也可以在苹果系统里运用，还可以在unix系统里运用，不用分别编写三套。