帮更多人与更多知识相遇
  现在，回到开始那个“是不是AI写的”问题。二十万字的词条当然不是让AI从无到有生成的——那样出来的东西，看着流畅，却经不起推敲。哪些信息值得写进去，哪些说法需要存疑，哪些考古发现足以修正传统认知……这些判断仍然是人在做。

  比如书中全部点位数据以杨廷福先生的《玄奘年谱》为骨架。这本年谱在整个网站的搭建过程中，起到了决定性的作用——耳边响起意大利学者艾柯的话：别想摆脱书。但AI确实深度参与了整个过程。比如词条写作采用了“年谱定位→原典叙事→今日遗址”的三层叙述结构，体例的制定、今日遗址考古信息的挖掘，都是AI帮助去繁就简、翻译整理。于是，人机协作的每一个词条下，古今叠映，让阅读经典不再是单纯的复古，而是成为一场跨越时空的对照。

  论及AI对阅读的影响，争议从未停过。一种常见的焦虑是：如果AI能帮你总结一本书，你还会去读原著吗？

  我的经验恰好相反。在做玄奘项目的过程中，我就反复地比对查看《大唐西域记》《慈恩传》《玄奘年谱》以及大量学术作品，每个缝隙都不错过。同时我坚信，这样的热情应该也能感染部分看这个可视化站的读者，就像我书中序言说的，最终是鼓励大家“上楼抽梯”，去对确实不太好读的原著发生兴趣。

  而在全球范围内，AI与阅读的结合正在加速，形成了几条清晰的路径。

  比如谷歌的NotebookLM允许用户把PDF、网页、音频等各种格式的资料上传，形成一个私人的“数字大脑”，然后与之对话——它甚至能把你上传的论文自动生成一期播客节目，两个AI主持人有来有回地讨论你的资料。这对学术阅读的效率提升是显而易见的。

  在古典文献领域，神经网络成功破译2000年前烧焦的卷轴，这个新闻让人震惊之余，谷歌DeepMind与牛津大学等机构合作的Ithaca项目又取得了令人瞩目的成果：这套AI系统能修复残损的古希腊铭文、判断铭文的产地和年代。单独使用时准确率为62%，但当历史学家与Ithaca协作时，准确率从25%跃升至72%——这可能是“人机协作”最有说服力的案例之一。

  纽约大都会艺术博物馆与OpenAI合作，创造了一个“生活在20世纪30年代的女性”AI角色，用那个年代的语言和观念为参观者讲解馆藏。

  这些项目的共同特点是：AI没有取消阅读，而是降低了进入的门槛、丰富了阅读的形态。不管是用自然语言检索古籍，还是与历史人物“聊天”，技术做的事情始终是同一件——帮助更多人与更多知识相遇。