第一章：从 punched cards 到云端：数字人文的史诗起源

1946年，一个闷热的意大利午后，耶稣会神父罗伯托·布萨（Roberto Busa, S.J.）坐在阿尔卑斯山麓的昏暗书房里，面对着一座令人窒息的知识山脉——托马斯·阿奎那（Thomas Aquinas）的百万言巨著《神学大全》。这部中世纪经院哲学的基石，词句稠密如织，概念交织成网。布萨的使命是为其创建一个详尽的词语索引，让每个概念、每位人物、每处引用都能被瞬间定位。传统的手工卡片目录？面对约1500万词的文本，这无异于用羽毛笔测绘大西洋。焦虑与机遇在他脑中交战：是承认人力不可及，还是寻找一种全新的“阅读”方式？数月后，他提笔给IBM写了一封信，信中提出了一个在当时看来近乎狂想的请求：能否用机器——这种战后新兴的、用于科学计算的庞然大物——来“阅读”和“分析”神学文本？这封信，无意中叩开了数字人文的大门，开启了一场将持续七十余年、至今仍在重塑人文学科根基的“静默革命”。穿孔卡片哗啦作响的机械声，成了这场革命的第一声号角。

这场革命并非始于宏大的理论宣言，而源于一个具体、琐碎甚至有些卑微的问题：如何高效地索引一部巨著？布萨的困境，恰恰是人文学者在信息爆炸时代共同焦虑的缩影。从古代的手抄本到印刷术，人文学科始终依赖“线性阅读”与“人工归纳”的方法论。但当19世纪历史语言学兴起，学者们开始处理大量文本以追踪词源、语法演变时，人力已渐显疲态。到了20世纪中叶，无论是文学研究者面对莎士比亚全部剧本，还是历史学家梳理数千份档案，都面临同样的方法瓶颈：数据量远超个人处理能力，而归纳过程又极易受主观偏见影响。计算机，这个最初为弹道计算和核物理设计的工具，似乎提供了一个冷酷但诱人的可能：将文本转化为可计数的数据，让机器承担枯燥的统计，从而解放学者去进行更高阶的诠释。布萨与IBM的合作（最终在1950年代使用IBM 705和更晚的IBM 7090大型机），诞生了人类历史上第一套用于人文文本的自动索引系统。这不仅是技术史的奇观，更是一种根本性研究范式的萌芽：文本不再仅仅是意义的载体，它同时是一套可被量化、可被操作、可被可视化的数据对象。这种“双重身份”的认知，正是数字人文的思想种子。

然而，从“人文计算”到“数字人文”的术语演变，远不止一次时髦的改名，它折射出这场运动从技术工具到方法论的深刻自觉。在1960至1980年代，该领域普遍被称为“人文计算”（Humanities Computing）。这个名称直白地反映了其初期形态：人文学者使用计算机作为效率工具，进行词频统计、文本排序、数据库构建等任务。核心是“计算”，计算机是外来的、辅助的引擎，研究问题与方法论仍根植于传统学科。这一时期，先驱者们像布萨一样，更多是“技术移民”——他们首先必须是优秀的神学家、语言学家或历史学家，然后努力学习编程和数据结构。项目的成功往往依赖个人与大型计算中心的偶然联系，如1964年布萨团队在IBM 7090上完成的阿奎那索引，或同期在剑桥大学用计算机分析乔叟作品的尝试。这些工作虽开创先河，但多被视为奇巧淫技，未撼动人文学科的核心范式。

转折点出现在1990年代。随着个人电脑普及、互联网萌芽以及超文本思想的发展，一批学者开始反思：我们是否仅仅在用新瓶装旧酒？计算机能否提供本质性的新视角，而不仅仅是加速旧流程？术语“数字人文”（Digital Humanities）逐渐取代“人文计算”，其内涵发生了三重跃迁：第一，从“工具”到“媒介”——数字技术不仅是分析工具，也是呈现、传播与互动的媒介。文本可以在线发布、被链接、被众包标注，读者变为参与者。第二，从“应用”到“批判”——学者们开始批判性地审视数字技术本身：算法是否隐藏偏见？数据如何被构建？界面如何塑造理解？数字人文由此与媒介理论、科学知识社会学（STS）交融。第三，从“孤立”到“生态”——它不再是一两个学者的个人项目，而需要图书馆员、档案馆员、软件工程师、设计师的跨学科协作，形成新的学术基础设施。2001年，“数字人文”一词在《文学与语言计算》（Literary and Linguistic Computing）杂志的专题中正式确立，标志着学界对这一新范式的集体认同。术语的变迁，实则是身份的重塑：我们不再仅仅是“用电脑的人文学者”，而是“在数字环境中从事人文学科研究的学者”，数字环境本身构成了我们研究问题的一部分。

这场静默革命在不同人文学科中的渗透路径，呈现出鲜明的“问题驱动”特色。计算机并非被强行嫁接，而是被不同学科以独特方式“驯化”，用于解决各自领域最棘手的难题。

文学研究最早拥抱计算，因其核心对象——文本——天然具有离散性（词、句、篇）。1960年代，词频统计（如“莎士比亚是否使用某词？”）和风格分析（如 attribution studies 鉴定匿名作者）成为早期热点。但真正的范式突破来自文本编码。1987年， Text Encoding Initiative（TEI）的创立是里程碑事件。它提供了一套基于XML的标记标准，不仅记录文本表面（如分行、段落），更能深度标注其结构、语义、版本信息、人名地名等。例如，一个《哈姆雷特》的独白，TEI可标记出其中的隐喻、韵律、角色关系、舞台指示。这使文本从“字符串”变为“富含语义的网络”，为大规模比较、可视化、计算分析（如社会网络分析从对话中提取人物关系）奠定了基础。TEI的哲学是：编码即诠释。每一个标记选择，都是一种学术判断。这完美融合了传统人文的细读（close reading）与计算的大规模（distant reading）可能。

历史学则面临数据异构性与时空性的挑战。历史数据不仅是文本，还有表格、地图、图像、实物记录。早期历史数据库（如1980年代“美国建國文獻”数字化项目）将文献转为结构化记录，但很快遇到瓶颈：如何表达模糊日期（“19世纪中叶”）？如何处理多版本档案？地理信息系统（GIS）的引入带来了转机。历史GIS（如“中国历史地理信息系统”CHGIS）将事件、人口、土地置于空间框架，让历史过程“可视化”。学者得以追问：贸易路线如何随气候变化而变迁？城市布局与社会结构有何关联？更进一步，社会网络分析（SNA）被用于挖掘历史人物关系（如“文艺复兴时期佛罗伦萨通信网络”），文本挖掘用于从海量报纸中追踪观念流变。历史学从“叙事”扩展为“建模”，用计算模拟历史动态，检验“反事实”假设。

考古学因其物质性与空间性，与数字技术天然契合。早期，计算机用于类型学统计（如陶器碎片分类）。但激光扫描、摄影测量、无人机航拍等技术的成熟，带来了“数字考古”的爆发。遗址可被毫米级精度记录，生成三维模型，永久保存并用于虚拟重建（如“庞贝古城数字档案”）。空间分析（如 viewshed analysis 分析古代瞭望点）结合GIS，揭示古人空间决策。更深刻的是，数字技术促进了公众参与：3D打印让文物触手可及，在线数据库供全球学者协作，甚至游戏引擎（如Unity）被用于构建沉浸式考古体验，让公众“行走”于古罗马市集。考古学从“挖掘”延伸至“模拟”与“传播”，物质遗产被赋予了新的数字生命。

这些早期实践，如同布萨的穿孔卡片一样，最初多是孤独的先驱者在资源匮乏下的探索。但关键人物与里程碑项目的串联，勾勒出数字人文作为“静默革命”的轮廓：它不喧哗，却通过一代代学者的实践、标准的确立、基础设施的共建，悄然改变了人文学科的生产方式、交流渠道与问题意识。

罗伯托·布萨无疑是“普罗米修斯”，但“盗火”后需要更多的“匠人”来锻造工具。约翰·伯罗斯（John Burrows） 将计算文体学（computational stylistics）推向高峰，其关于简·奥斯汀和简·奥斯汀的统计研究，展示了如何用客观数据区分作者风格，引发了关于“文学性”本质的深刻辩论。威拉德·麦卡蒂（Willard McCarty） 则是方法论的中枢，他创办《人文学科计算机》（Computers and the Humanities）期刊，倡导“建模”（modeling）作为数字人文的核心方法——不是建物理模型，而是为抽象的人文概念（如“叙事结构”、“社会角色”）构建可操作的计算表示。约翰·昂斯沃思（John Unsworth） 作为基础设施的筑路者，参与创建TEI，并领导开发了“NINES”（ Nineteenth-century Electronic Scholarship）平台，率先实践“学术出版的数字化”，预见了开放获取与多媒体学术的潮流。

里程碑项目则是革命的地标。珀尔修斯数字图书馆（Perseus Digital Library，1985启动） 是第一个大规模古典学数字库，不仅提供文本，还整合词典、 morphological analysis（词形分析）、地图、艺术图像，并支持跨语言检索。它证明了“富文本”数字库如何彻底改变古典学教学与研究。坎特伯雷故事项目（The Canterbury Tales Project，1990年代） 则专注于乔叟手稿的比较与可视化，使用高分辨率扫描和计算工具，让学者和学生能“亲手”比较不同抄本差异，将版本批判从书架搬上屏幕。人文 Commons（Humanities Commons） 等平台的出现，标志着数字人文从项目集合走向可持续的学术社区，提供存储、出版、协作的一站式服务。

这些人物与项目共同回答了一个核心问题：为什么人文学者最终大规模拥抱计算机？答案既非纯粹的方法焦虑，也非盲目的技术乐观，而是一种在数字环境中重新发现人文问题的召唤。

方法焦虑是真实的。人文学科的传统核心技能——精细的文本阅读、广博的文献记忆、敏锐的语感——在面对指数级增长的数字化文本（如谷歌图书千亿词库）时，显得力不从心。我们如何发现 trends？如何验证一个关于“现代性观念”的假设，覆盖整个19世纪报纸？传统方法注定是抽样且主观的。计算机提供了处理“巨量”（big）的途径，即使它最初只能处理“小数据”（布萨时代每批处理几百张卡片）。焦虑催生了行动：我们需要新工具来应对新现实。

但更根本的是机遇的召唤。数字环境开启了一系列传统方法几乎无法触及的新问题：宏观分析（macroanalysis）：整个18世纪小说中的情感曲线如何随时间变化？跨文化比较：不同文明神话中的叙事原型能否用计算聚类？交互式诠释：能否让读者在虚拟历史场景中“扮演”角色，体验历史抉择的复杂性？可重复研究：一个文学论断能否通过公开数据与代码被他人复现？这些问题，不是对传统的否定，而是将人文思考推向了新的尺度与维度。计算机不是要取代细读，而是与之形成“远读”（distant reading，佛克马语）与“近读”的辩证。我们开始意识到，人文研究的对象，在数字时代已悄然扩展：它不仅是经典文本，也包括算法、界面、数据集合、数字痕迹（如社交媒体）。研究行为本身，也从孤独的阅读，变为设计、编码、协作、迭代的混合实践。

因此，数字人文的“静默”，在于它没有一场标志性的“革命宣言”，而是通过无数个“布萨时刻”——一个学者为解决具体问题而尝试新技术——的累积，逐渐沉淀为新的学术常识。它是一场基础设施的革命：从穿孔卡片到云端，从孤立终端到全球网络，从个人项目到开源社区。它也是一场认识论的革命：当文本成为数据，当空间成为坐标，当时间成为可查询的字段，我们对“证据”、“诠释”、“知识”的理解，都在发生微妙而深刻的偏移。

本章追溯的，正是这场革命的“史前史”与“童年期”。从布萨在意大利山间与IBM讨价还价，到TEI标准在全球学者间达成共识；从单台大型机嗡嗡作响到云端协同平台无缝连接——技术载体在变，但核心冲动未改：人文学者试图以更系统、更可扩展、更可对话的方式，去理解人类创造的复杂遗产。这种冲动，与文艺复兴时期学者整理古典手稿、启蒙时代编纂百科全书一脉相承，只是工具从羽毛笔、印刷机换成了键盘与算法。

当我们站在2020年代回望，云端的数字人文已蔚为大观：数亿页文献在线，机器学习开始辅助文本分类，虚拟现实重建文明遗址，而关于算法偏见、数据伦理的批判讨论已成为核心议程。但布萨的幽灵从未远去——每一个试图用Python脚本分析一首古诗韵律的学生，每一个在GIS中标注历史事件轨迹的博士，都在重复着那个1946年的问题：面对浩瀚的人类经验记录，我们如何更好地理解？计算机，这个最初被怀疑为“反人文”的冰冷机器，竟成了我们寻求答案的最新伙伴。这或许就是静默革命最深沉的启示：技术从不单向塑造人文；在持续的对话、协商与创造性误用中，人文学科也在重塑技术的意义，将“如何计算”的问题，不断拉回“为何而学”的终极关怀。

> 侧边栏：穿孔卡片：数字时代的“羊皮纸” > > 对于今天习惯了触屏与云端的学生，穿孔卡片（Punched Card）是难以想象的原始媒介。它是一张硬纸卡，通过预先打孔的位置编码数据。IBM在布萨时代提供的805测试仪，本质上是一台机电制表机：卡片穿过读卡器，针触点接触孔洞时形成电路，驱动计数器累加。例如，要统计“阿奎那”一词在文本中出现的次数，需先将每个词转换为一个唯一的孔位组合（早期需人工设计编码），然后让所有卡片通过机器，每当读到该词组合，计数器就加一。整个过程缓慢、嘈杂、极易出错，且修改编码意味着重打所有卡片。但正是这种“刚性”——数据必须严格结构化，机器才能理解——奠定了数字人文最根本的数据思维：人文信息必须先被分解、离散化、标准化，才能被计算。穿孔卡片的物理性（可触摸、可排序、可存储于盒子）也隐喻了数字时代数据的“物性”。布萨时代的学者，既是神学家，也是初代“数据标注员”，他们的汗水与智慧，浇灌出了数字人文的第一株幼苗。

> 侧边栏：术语的张力：“人文计算”还是“数字人文”？ > > 尽管“数字人文”已成为主流术语，但“人文计算”并未消失。在许多欧洲语境（尤其德语区）和特定项目中，它仍被使用，强调计算过程的严谨性。术语之争背后是身份与方向之争：若自称“人文计算”，易被视作方法工具，归属传统学科；若自称“数字人文”，则暗示一个跨学科的独立领域，甚至挑战传统学科边界。2010年代后，随着领域成熟，部分学者呼吁回归“人文计算”，以警惕技术决定论，强调人文学科的主体性。这种张力本身是健康的——它迫使数字人文者不断自省：我们是在用计算机解决人文问题，还是在重新定义什么是“人文问题”？本书将交替使用两词，以反映这种历史流变与内在辩证。

接下来的篇章，我们将深入数字人文的“成年期”：探讨文本挖掘如何挑战文学经典，可视化如何重塑历史叙事，以及当人工智能开始“创作”诗歌时，人文学者该如何自处。但所有这一切，都始于那个意大利神父与IBM工程师共度的黄昏，始于穿孔卡片哗啦作响的机械声中，所孕育的那个简单而伟大的信念：机器可以计数，但意义，永远属于人类。

从穿孔卡片到云端：数字人文的史诗起源

一、普罗米修斯之火：布萨与IBM的世纪合作

1946年的那个意大利午后，罗伯托·布萨神父面临的困境，远不止是索引一部巨著那么简单。他真正面对的是人文学科方法论的一次根本性质询：当知识的载体从羊皮纸卷转向印刷书籍，再即将迈向电子存储时，我们理解、组织和阐释知识的方式，是否也需要一场静默的变革？

托马斯·阿奎那的《神学大全》约1500万字（拉丁原文），包含约34,000个命题和超过4,000个对《圣经》及其他著作的引用。传统索引工作意味着需要人工阅读每一个词，判断其词性、概念归属，并手工制作卡片。按当时的标准速度，完成这样一部巨著的完整索引，可能需要一个团队数十年的工作量。布萨的焦虑是真实的：他担心在有生之年无法完成这项使命，更担心这部塑造了西方思想七百年的人文基石，在信息爆炸的时代变得“不可检索”。

布萨的突破性想法是：将文本转化为可计数、可排序的数据。但这在1949年听起来近乎天方夜谭。当时计算机（ENIAC等）体积庞大如房间，耗电惊人，主要用于军事和科学计算（弹道表、核物理），其核心能力是处理数字，而非符号。布萨需要说服IBM，让这台“科学神器”去处理最“不科学”的文本。

他的信函和拜访，开启了技术与人文一次关键的联姻。IBM当时正寻求计算机的新应用场景，布萨的项目提供了一个绝佳的公关与实验机会。1951年，布萨团队开始试用IBM 805测试仪——一种机电式制表机，而非全电子计算机。其工作原理是：将文本中的每个词预先编码为一组孔洞（例如，“Deus”可能对应卡片第1、5、8列打孔），然后让所有穿孔卡片通过机器。当读卡器的针触点接触孔洞时，形成电路，驱动对应的计数器加一。如此，可快速统计特定词汇的出现频率。

但编码过程本身，就是一场“人文计算”的方法论奠基。布萨团队必须做出无数决定：

• **分词单位**：以词为单位？还是短语？拉丁文的屈折变化（如“amare”, “amavi”）是否应归并？
• **同义词与概念映射**：如何将“caritas”（仁爱）、“amor”（爱）、“dilectio”（慈爱）关联到统一的概念下？这需要深厚的神学训练，而非技术技巧。
• **停用词**：是否排除“et”（和）、“in”（在）等高频但信息量低的词？这直接影响分析结果。

这些决定，奠定了数字人文的核心悖论与魅力：技术实现越自动化，前置的人文判断就越关键。穿孔卡片时代的“数据清洗”与“编码方案设计”，本质上是深度诠释学（hermeneutics）在数据层面的投射。

1959年，布萨团队在IBM 7090大型机上完成了阿奎那著作的完整索引，出版为56卷的《托马斯·阿奎那著作索引》（Index Thomisticus）。这不仅是工程奇迹（处理了约1100万词的文本），更证明了计算机能处理复杂的人文文本。布萨因此被誉为“数字人文之父”。然而，更深刻的影响在于，这个项目在IBM内部催生了“人文计算”的小型研究社群，并证明了跨学科合作的可能性：神学家提供领域知识，工程师提供机器逻辑，双方必须学习对方的语言。

布萨的故事，常被简化为“技术乐观主义”的胜利。但细察之下，它充满了方法的焦虑：人文学者害怕失去对文本的“亲密接触”，害怕量化分析会扼杀诠释的微妙性。布萨本人始终强调，计算机只是“加速器”和“组织者”，诠释的钥匙仍在人脑。这种张力——效率与深度、量化与质化、工具与媒介——贯穿了数字人文此后七十年的全部争论。

二、术语的嬗变：从“计算”到“人文”的身份重塑

从“人文计算”（Humanities Computing）到“数字人文”（Digital Humanities），术语变迁背后，是一场静默的“身份革命”。

第一阶段：工具期（1950s-1980s）——“人文计算”的黄金时代 这一时期，计算机被视为外部工具，核心是“计算”。项目通常由个别“技术先驱”驱动，他们往往是兼具人文素养与数学/工程背景的奇才。典型如：

• **1964年，IBM 7090上的乔叟研究**：哈佛大学与IBM合作，分析《坎特伯雷故事》的词频和韵律，试图客观鉴定作者风格。
• **1970年代，加拿大“词典编纂项目”**：用计算机