大讲堂
封皮掉了半块的那本《现代汉语词典》就躺在最上面。1998年版的，藏蓝色封皮，书脊磨得发毛，外面缠的透明胶被太阳晒得发脆，一摸就掉碎渣。
贴满透明胶的词典
我蹲在地上拍灰，从词典夹层掉出来三张叠得整整齐齐的便签，还有一沓压得平平整整的旧地铁票。
是外婆的字。钢笔写的，横平竖直，她以前当小学语文老师的时候，板书就是这个样子。最上面那张便签写着“1999年7月，南大分词培训，带词典”。
我之前完全不知道有这回事。
外婆2019年走的，之前她从来没跟我提过什么分词，什么计算机培训。我只记得她晚年总抱着这本词典查字，有时候看电视剧碰到不认的演员名字，也要翻半天。
我随手翻了两页，空白处密密麻麻全是铅笔写的小字。
文印室的夜灯
后来我翻了家里存的旧档案，才把那些碎片拼起来。
90年代末，街道要编白下区的街巷志，所有条目要录进新配的大屁股电脑，做检索用。那时候哪有现在这么现成的分词模型啊，中文不像英文，单词之间本来就有空格，没有空格的中文对刚接触中文信息处理的人来说，简直是天书。
街道找了南大计算机系的几个学生来帮忙，每周二、周四晚上在文印室上课，教他们怎么给电脑喂词表，怎么把容易切错的词单独拎出来。外婆那时候在文印室管打字，自然要跟着去学。
说实话，那时候的分词全靠人工标。
比如街巷志里的“三七八巷”，电脑第一次跑的时候，切成了“三/七八/巷”，有人搜“三七八”，能跳出来一堆完全不相关的内容；还有“大香炉”，有时候切成“大香/炉”，把找老店铺的人引到卖香烛的摊子上去；最搞笑的是“鸭血粉丝汤”，有一次切成了“鸭/血粉丝/汤”，系统把所有带“血粉丝”的条目都捞了出来，把当时来上课的老师笑的直拍桌子，你说离谱不离谱。
外婆说，那时候他们几个值班的人，每天晚上要留到十点多，对着电脑屏幕一个词一个词的校。碰到拿不准的，就翻这本词典，把本地专有名词、老南京的口头语、经常被切错的短语，全抄到词典的空白页上。后来那台大屁股电脑硬盘坏过一次，录好的条目丢了小半，外婆难过了快半个月，说早知道就多打几份纸质备份。
我翻到“评”字那一页，空白处写着“评事街，勿切为评/事街”，旁边还画了个小小的感叹号；“游”字那页写着“游府西街，勿切为游府/西/街”；甚至“鸭”字那页，还标了“鸭血粉丝汤，固定词，勿拆”。
那些字有的被茶水晕开了边，有的被后来粘的透明胶盖住了半行，凑起来刚好是外婆熬的那些个夜晚。她那时候连代码是什么都不知道，就拿着一支铅笔，认认真真给每个容易被机器拆碎的词打了个结，怕一不留神，那些承载着老南京记忆的地名，就成了没意义的碎块。
夹在词典里的地铁票我数了数，一共七张，都是1999年夏天的，小行到迈皋桥的旧票，票角已经黄得发脆。刚好是七次培训，她每次上完课，就把票根夹在词典里，怕丢。
音箱里的老卤面
不过话说回来，我之前真没把这些事当回事。
直到上个月，我对着家里的智能音箱喊“帮我搜评事街老卤面的外卖”，它转了两圈，给我跳出来三家在江宁的店，招牌上连个“卤”字都没有。
我愣了半天。
那时候我突然想起外婆词典里的批注。哦，原来都过去二十多年了，分词还是会错啊。
后来我跟做算法的朋友吃饭，聊起这事。他说现在的分词早就不是以前那种靠人工塞词表的规则匹配了，模型读了几亿页的书，准确率比那时候高了不知道多少。但架不住中文的歧义实在太多了，就像那个经典的歧义短语“咬死了猎人的狗”，你没给上下文，谁知道是咬死了猎人的那只狗，还是把猎人的狗咬死了？
朋友说，哪怕模型再聪明，碰到这种没头没尾的短语，还是会拿不准。就像人有时候看字也会串行，没什么稀奇的。
我突然就笑了。
原来二十多年前外婆拿着铅笔在词典上写的那些批注，和现在几千块GPU跑出来的大模型，本质上是在干同一件事——把那些连在一起的、没有空格的汉字，拆成大家能看懂的、有意义的块。
只是那时候外婆的工具是铅笔，词典，和每晚十点才灭的文印室的灯；现在的工具是显卡，是数据集，是跑在云端的模型。
上周我把那本旧词典搬到了现在的书架上，旁边放着我平时用的电子阅读器。有时候我写东西碰到拿不准的词，还是会翻这本词典，翻着翻着就看到那些歪歪扭扭的铅笔字。
风从阳台吹过来，纸页哗啦响。
我以前总觉得，技术是很远的东西，是实验室里的服务器，是新闻里的大模型，是和普通人没关系的事。可现在看着这本词典上的批注，突然就反应过来，哪里有什么天上掉下来的技术啊。
我们这一辈子，其实都在做分词。
把连在一起的日子拆开，把缠成一团的记忆拼起来，哪些是要连在一起的，哪些是要分开的，哪些是不能被随便拆碎的，全是我们自己拿着笔，一笔一笔标出来的。
作者|大讲堂
排版|大讲堂
审核|安然