当代码遇见诗句：数字人文的诞生

当代码遇见诗句：数字人文的诞生

1954年的一个冬日，在意大利卢戈（Lugo）的一座修道院里，一位身穿黑色修士袍的神父正俯身于一堆泛黄的手稿之前。他的目光在密密麻麻的拉丁文与一串串打孔卡片之间来回移动，偶尔抬头望向窗外亚平宁山脉上覆着的薄雪，又迅速低下头去，继续他那看似永无止境的抄写与核对工作。这位神父名叫罗伯托·布萨（Roberto Busa），他是天主教圣言会（Societas Verbi Divini）的成员，专攻中世纪经院哲学，特别是托马斯·阿奎那（Thomas Aquinas）的神学著作。

布萨神父正在从事一项在他之前从未有人完成过的任务：为托马斯·阿奎那的全部作品编制一部完整的词索引（concordance）。这是一项令人望而生畏的工程。阿奎那一生著述极丰，卷帙浩繁，仅《神学大全》（Summa Theologiae）一部巨著就包含超过百万字的拉丁文文本，更遑论他数量众多的论文、评注与讲义。在布萨神父着手这项工作的年代，学者们只能依靠人工阅读、摘录与编目，一部可靠的词索引往往需要数十年的集体努力才能完成。布萨神父预计，如果仅凭人力，他可能需要工作数百年才能将阿奎那的全部作品编成索引。

然而，命运在这一年向布萨神父露出了微笑。一个偶然的机会，他读到了一篇关于IBM公司新型计算机的报道。这台被称为"电子顺序演算计算机"（Electronic Sequential Operational Calculator）的机器，据说能够以极高的速度处理和检索大量信息。布萨神父敏锐地意识到，如果能够将阿奎那的文本转换为计算机能够读取的格式，那么这部耗时数百年的词索引或许在有生之年便能完成。

就这样，一个来自意大利小镇的年轻修士，带着他对于托马斯·阿奎那神学的深厚造诣，带着他近乎偏执的学术热情，带着他对于前沿科技的好奇与开放，踏上了一段将彻底改变人文学科面貌的旅程。他的故事，正是数字人文（Digital Humanities）这门方兴未艾的学科的起点。

一、IBM的访客：一段改变历史的会面

要理解布萨神父的选择，我们需要将时钟拨回到二十世纪中叶的美国。1946年，世界上第一台通用电子计算机ENIAC在宾夕法尼亚大学诞生，标志着人类正式进入了计算机时代。此后短短数年间，IBM公司迅速崛起为这一新兴领域的领军企业，其掌门人托马斯·沃森（Thomas J. Watson）敏锐地预见到，计算机将不仅服务于科学与工程领域，更有望在商业和社会管理的广阔天地中发挥效用。

1954年是IBM公司历史上具有里程碑意义的一年。这一年，IBM推出了其划时代的704型电子计算机，这是世界上第一台大规模生产的商用科学计算机，配备了磁芯存储器与浮点运算单元，能够以每秒数千次的速度执行复杂的数学运算。IBM的销售团队开始四处奔波，向各大企业、研究机构和政府部门推介这一革命性产品。与此同时，IBM也在积极探索计算机在传统领域中的应用可能，希望通过成功案例来证明计算机的价值，从而进一步打开市场。

就是在这样的背景下，1954年的一天，IBM公司位于纽约州阿蒙克（Armonk）的总部迎来了一位特殊的访客。这位访客既不是西装革履的企业高管，也不是神情严肃的军方代表，而是一位穿着修士袍、操着浓重意大利口音的神父。他就是罗伯托·布萨。

布萨神父向IBM的技术人员阐述了他的宏大计划：为托马斯·阿奎那的全部作品编制电子索引。这项计划的核心并不复杂：将阿奎那的拉丁文文本逐词输入计算机，然后利用程序自动检索、排序并输出每个词在文本中出现的所有位置。然而，对于当时的大多数人文学者而言，这套听起来简单的流程无异于天方夜谭。计算机是用于计算的工具，是工程师和科学家的专属领地，与神学、文学、历史这些看似与数字毫无关系的学科能有什么交集？

但布萨神父不这么看。他深知，阿奎那的作品虽然以神学和哲学内容为主，但其本质上是由语言构成的文本，而语言，无论是拉丁文、希腊文还是任何其他语言，都遵循着可以被系统化和模式化的规律。计算机最擅长的恰恰就是处理这类规则明确、重复性高的任务。如果能够将语言文本转化为计算机可以处理的数据形式，那么对于文本的分析、检索和统计都将变得前所未有的高效和精确。

IBM的管理层对布萨神父的计划表现出了浓厚的兴趣。尽管当时的计算机主要用于科学计算和商业数据处理，但IBM的高管们已经意识到，如果能够展示计算机在人文学科中的应用潜力，那将开辟一个全新的市场空间。经过初步评估，IBM决定与布萨神父合作，为他提供计算机使用权限和技术支持。作为交换，布萨神父将成为IBM计算机人文学科应用的先驱者和代言人。

就这样，1954年，布萨神父成为了世界上第一位使用计算机进行人文研究的人文学者，而他与IBM的合作，也为日后数字人文作为一个学科领域的诞生播下了种子。

二、词索引的诞生：人文计算的开创性实践

1954年至1956年间，布萨神父在IBM位于纽约的研发中心度过了相当长的时间。在那里，他与IBM的程序员们密切合作，学习计算机编程的基础知识，同时着手将托马斯·阿奎那的作品转换为机器可读的格式。

这并非一项简单的工作。首先面临的是文本输入的问题。当时的计算机还没有配备我们今天习以为常的键盘和显示器，所有的数据输入都必须通过打孔卡片来完成。每张卡片上可以容纳80列字符，学者们需要先将文本逐字逐句地打在卡片上，然后再将卡片送入计算机进行处理。对于一部包含数百万词的作品而言，这意味着需要制作数十万张打孔卡片，其工作量之大可想而知。

布萨神父雇佣了一支由数十人组成的团队来负责文本录入工作。这些录入员大多是年轻的女性，她们接受专门的培训，学习如何准确地将拉丁文文本转录到打孔卡片上。每一张卡片在录入完成后，都需要经过人工校对，以确保转录的准确性。据布萨神父后来回忆，整个项目仅文本录入阶段就耗费了数年时间，消耗的打孔卡片堆叠起来的高度远超他的身高。

比文本输入更加棘手的是拉丁文文本的特殊性。阿奎那的作品不仅包含标准拉丁文，还夹杂着大量希腊文和希伯来文的引文，以及中世纪特有的缩写形式和拼写变体。如何在保留这些语言特征的同时，又能够建立一套统一的编码规则，使计算机能够准确识别和处理文本中的每一个词，这成为布萨神父和IBM程序员们必须解决的技术难题。

此外，还有一个更为根本的挑战：拉丁文是一种高度屈折的语言，名词、形容词和动词会根据语法功能而在词尾发生变化。例如，"amor"（爱）这个词可以有"amoris"（爱的，属格）、"amori"（爱的，与格）、"amorem"（爱，宾格）等多种形式。在传统的手工编制索引中，编目者需要根据词根来判断一个词的不同形式是否应该归入同一条目。但在计算机处理中，如果严格按照字面形式来统计，那么"amo"、"amas"、"amat"这些动词的不同人称形式就会被当作完全不同的词来处理，从而失去统计的意义。

为了解决这个问题，布萨神父和IBM的程序员们设计了一套复杂的词形还原（lemmatization）规则。他们为阿奎那作品中出现的每一个拉丁词都建立了词条卡片，标明该词的标准形式（lemma）、语法属性（词性、变格或变位类型）以及所有可能的屈折形式。当计算机处理文本时，它会首先将每个遇到的词与词条卡片进行匹配，然后根据预设的规则将其还原为标准形式，再进行统计和排序。这套规则后来成为计算机处理古典语言文本的基础框架，影响了此后数十年间人文学者与计算机交互的方式。

经过近三年的艰苦工作，1974年，布萨神父与IBM合作的成果终于面世：一部名为《托马斯·阿奎那拉丁语词索引》（Thomisticae Scripta Noster Index Santorum Thomae）的大型工具书正式出版。这部索引包含阿奎那全部已知作品中的约一千万词次，涵盖了每一个拉丁词在文本中出现的位置、上下文以及语法分析。对于中世纪神学、哲学和拉丁语研究领域而言，这无疑是一部里程碑式的著作。

然而，布萨神父的贡献远不止于这部具体的工具书。通过这一项目，他向世人证明了一个重要的事实：计算机并不仅仅是科学家和工程师的工具，它同样可以服务于人文研究，为学者们提供全新的研究手段和视角。布萨神父的工作开创了一个新的学科方向——人文计算（Humanities Computing），后来更广泛地被称作数字人文。

三、父亲的遗产：罗伯托·布萨的学术遗产

为了表彰罗伯托·布萨神父在人文计算领域的开创性贡献，学界将他尊称为"人文计算之父"（Father of Humanities Computing）。这一称号不仅是对他个人学术成就的肯定，更是对他在推动人文学科与计算机技术融合方面所发挥的先驱作用的认可。

布萨神父本人对于这一称号保持着谦虚而清醒的认识。他曾在多次接受采访时表示，他的工作并非出于对技术的迷恋，而是源于一位人文学者对于研究工具的迫切需求。在他的自述中，他反复强调，他的根本身份是一位神学家和经院哲学研究者，计算机只是他手中的一件工具，就像显微镜之于生物学家，望远镜之于天文学家一样。工具本身并不重要，重要的是它能够帮助学者更好地回答学术问题。

然而，正是这种对于工具的开放态度，使布萨神父能够超越同时代大多数人文主义者的偏见与抵制。当时，许多人文学者对于计算机持怀疑甚至敌视的态度，认为这是对人文精神的亵渎，是将活生生的文化现象简化为冰冷的数据点。在他们看来，文学、哲学、历史、艺术这些学科的核心价值在于理解人类经验的丰富性与复杂性，而计算机只能处理机械的、量化的信息，无法触及人文研究真正关心的意义与价值。

面对这些质疑，布萨神父从未试图用技术来压制人文学者的担忧。他承认计算机的局限性，承认在许多重要的学术问题上，机器无法替代人的判断和思考。但他同时指出，人文学科中存在着大量重复性、低层次的工作——比如文本检索、词汇统计、版本校勘等——这些工作既耗时又容易出错，却往往是人文学术研究不可或缺的基础。如果能够借助计算机来高效准确地完成这些任务，学者们就能将更多的时间和精力投入到更具创造性的思考工作中。

布萨神父的这种务实态度，为数字人文此后的发展定下了基调。数字人文从来不是要用人造的数字来取代活生生的人文，更不是要用技术的逻辑来压制文化的逻辑。它所追求的，是为传统的人文研究提供新的工具、新的方法和新的可能性，使学者们能够以前所未有的深度和广度来探索人类文化遗产。

布萨神父的学术遗产是丰富而持久的。1987年，他在美国加州大学伯克利分校创立了"人文计算研究中心"（Center for Humanities Computing），这是世界上最早的人文计算专门研究机构之一。该中心在此后的二十余年间培养了大批人文计算领域的专业人才，开发了众多被广泛使用的数字人文工具和平台，并成为这一新兴学科在北美乃至全球发展的核心推动力量。

此外，布萨神父还积极参与数字人文领域的国际合作与标准制定工作。他发起了"文本编码与检索标准"（Text Encoding and Interchange）项目，推动建立了适用于人文文本数字化和交换的通用编码规范。这套标准后来演变为著名的"TEI指南"（TEI Guidelines），至今仍是数字人文领域最具影响力的文本编码标准，被全球数千个数字图书馆和人文研究项目所采用。

2011年4月9日，罗伯托·布萨神父在意大利卢戈的修道院中安详离世，享年97岁。尽管他已经离开了我们，但他的学术遗产仍在深刻地影响着当代人文研究的面貌。从某种意义上说，每一位今天使用数字化工具进行研究的人文学者，都在延续着布萨神父在上个世纪五十年代开创的事业。

四、从工具到范式：数字人文的学科化进程

布萨神父的工作开启了计算机在人文学科中应用的先河，但在最初的几十年里，这种应用主要停留在工具层面。人文计算被视为一种辅助性的技术手段，而非一种独立的学科范式。大多数传统人文学者仍然将计算机视为一种高效的打字机和检索工具，而非理解文化现象的新途径。

这种状况在二十世纪末开始发生根本性的转变。随着计算机技术的飞速发展，特别是互联网的普及和多媒体技术的成熟，数字人文逐渐从边缘走向主流，从一种技术工具演变为一种研究范式，从少数先驱者的个人实践发展为有组织的学科建制。

这一转变的标志性事件之一，是"数字人文"（Digital Humanities）这一术语的正式确立。尽管"人文计算"一词早在二十世纪五六十年代就已经出现，但"数字人文"作为一个广泛接受的学科名称，却是直到本世纪初才逐渐定型的。2004年，美国学者苏珊·施赖布曼（Susan Schreibman）、雷·西门子（Ray Siemens）和约翰·安斯康（John Unsworth）主编的《数字人文读本》（A Companion to Digital Humanities）出版，这是第一部以"数字人文"命名的学科指南，标志着这一领域作为独立学科的身份得到了学界的正式认可。

与此同时，数字人文的机构化建设也在加速推进。2005年，美国现代语言协会（MLA）下属的"数字人文委员会"正式成立，负责协调和推动该协会在数字人文领域的各项工作。2006年，国际数字人文组织联盟（Alliance of Digital Humanities Organizations，ADHO）成立，这是数字人文领域的首个全球性学术组织，下设多个专业SIG（Special Interest Groups），涵盖文本编码、文学计算、地理信息系统、文化遗产数字化等众多子领域。

在大学层面，越来越多的高校设立了数字人文的本科专业、硕士项目或博士培养方向。据美国数字人文中心联盟（Center for Digital Humanities）的不完全统计，截至2020年，全球已有超过500所高校开设了与数字人文相关的课程或项目，其中不乏哈佛大学、牛津大学、斯坦福大学、密歇根大学这样的顶尖学府。在一些高校，数字人文已经从边缘性的交叉学科成长为具有独立院系建制的主流学科。

然而，数字人文的学科化进程并非一帆风顺。一个核心的争议在于：数字人文究竟是一门独立的学科，还是一种跨学科的研究方法？这一争议至今仍在持续。

一种观点认为，数字人文是一个独立的研究领域，它有其独特的理论框架、方法论体系和问题域。就像语言学是文学研究的基础、数学是物理学的基础一样，计算方法也应该被视为人文研究的基础设施，为各种具体的人文问题提供分析工具和平台。从这种观点来看，数字人文与其他人文分支学科的关系应该是横向的、互补的，而非纵向的、从属的。

另一种观点则认为，数字人文本质上是人文研究的一种新方法，它并不能脱离具体的人文议题而独立存在。一位研究文艺复兴文学的学者，无论他使用多么先进的数字工具，其研究的根本目的仍然是理解文艺复兴时期的文学传统和文化现象。在这个意义上，数字人文更像是文学研究的一个分支方向，而非一个独立的学科。

这两种观点各有其合理性，也各有其局限。在当前的学术实践中，数字人文呈现出高度的多样性和异质性：有的学者将数字人文视为一种技术手段，专注于开发和应用各种数字化工具；有的学者则将数字人文视为一种理论视角，关注数字技术如何重塑人文知识的生产方式和传播方式；还有的学者试图在技术应用与理论研究之间寻找平衡，力图在实践操作中检验和发展数字人文的理论基础。

无论采取何种立场，一个不争的事实是，数字人文已经深刻地改变了人文研究的格局和面貌。它不仅为学者们提供了新的研究工具，更激发了新的学术问题，开辟了新的研究领域，甚至重塑了人文学科的整体架构。

五、方法论的革新：从文本分析到数据驱动

数字人文对人文研究最深远的影响，在于它所带来的方法论革新。传统的人文学科主要依赖文本细读（close reading）和定性分析作为其核心方法。学者们通过对个案的深入解读来揭示文本的意义，再通过对多个个案的比较和综合来建构更大的理论框架。这种方法在人文研究中具有悠久的历史和深厚的传统，被视为人文研究区别于社会科学和自然科学的根本特征之一。

然而，文本细读也有其固有的局限性。首先，人脑的处理能力是有限的，一位学者穷其一生能够细读的文本数量终归是有限的。其次，细读的方法在很大程度上依赖于学者的个人直觉和主观判断，不同的学者对同一文本可能得出截然不同的解读。第三，对于那些规模超大、来源复杂、形式多样的文本集合——比如一部数百万字的文学全集、一个跨越数百年的历史档案库、一批数以百万计的网页文本——传统的细读方法几乎束手无策。

数字人文为我们提供了一种互补的研究路径：远读（distant reading）或曰大规模文本分析。远读的概念由美国学者弗朗哥·莫雷蒂（Franco Moretti）在2000年前后提出，其核心理念是：与其对少量文本进行深入细读，不如借助计算机的力量对大量文本进行系统分析，从中提取模式和趋势，再将这些模式与传统的细读经验相结合，以获得对文学和文化的宏观理解。

远读的典型应用之一是文学史的量化研究。例如，学者们可以构建一个包含数千部小说的语料库，然后利用词频统计、主题建模、情感分析等方法，系统地考察这些小说在叙事结构、人物塑造、语言风格等方面的历时变化。通过这种大规模的分析，研究者可以发现仅凭个案研究所无法触及的文学演变规律，从而为文学史的书写提供新的证据和视角。

远读的另一个重要应用是社会文化网络的分析。借助计算机对大规模文本数据的处理能力，学者们可以提取文本中的人物关系、事件关联、概念网络等结构信息，进而运用社会网络分析、图论等工具来研究文化现象的传播与演变。例如，通过分析19世纪英国文学作品中的人物互动网络，研究者可以量化地考察不同社会阶层之间的交往模式及其在不同时期的变化。

除了远读之外，数字人文还推动了人文学科中其他一些重要方法论革新。空间分析（spatial analysis）借助地理信息系统（GIS）技术，将人文数据与地理信息相关联，使学者们能够直观地考察文化现象的空间分布与演变。文本编码（text encoding）通过建立标准化的元数据和语义标记体系，使文本信息能够被计算机系统地处理和交换，促进了数字资源的共享与互操作。数字文本学（digital textology）则关注数字技术对文本概念本身的影响，探讨电子文本、超文本、多媒体文本等新型文本形式对传统文本理论提出的挑战。

这些方法论革新并不意味着要取代传统的文本细读。事实上，大多数数字人文研究者都认为，远读与细读、量化分析与定性解读之间应该是互补而非替代的关系。远读可以帮助学者发现值得关注的问题和模式，引导细读的方向；而细读则可以对远读发现的结果进行验证和深化，赋予抽象的数据以具体的意义。

正如莫雷蒂所言，远读的目的不是要消灭细读，而是要为细读腾出空间。通过将大量文本的初步分析交给计算机来完成，学者们可以将有限的时间和精力集中于那些最有价值的个案，进行更加深入和细致的解读。这是一种劳动分工，也是一种研究策略的优化。

六、机构之变：数字时代的人文学科布局

数字人文的兴起不仅在学术研究层面引发了深刻的变化，更在制度层面重塑了大学人文学科的整体布局。这种变化体现在课程设置、师资配置、研究组织、学生培养等多个方面。

在课程设置方面，越来越多的高校在人文学科中开设了数字方法相关的必修或选修课程。这些课程的内容涵盖数据库设计、文本编码、统计分析、可视化技术、编