当古籍遇见代码：数字人文的诞生

当古籍遇见代码：数字人文的诞生

文明的两种记忆方式

在人类历史的长河中，文明的传承与延续始终依赖于两种核心媒介：文字与物质遗存。古代文明的典籍承载着人类的思想、情感与智慧，从美索不达米亚的楔形文字泥板到埃及的莎草纸文献，从中国的甲骨文到玛雅文明的象形文字抄本，这些文本构成了人类认识自身历史的重要窗口。与此同时，图书馆作为保存和传播知识的机构，从亚历山大图书馆的浩瀚藏书到中世纪修道院的抄写室，再到文艺复兴时期的私人藏书楼，始终扮演着文明守护者的角色。

然而，进入工业时代和信息时代之后，人类社会积累的知识量呈现指数级增长。传统的文本保存、整理与研究方法面临着前所未有的挑战。据统计，全球范围内现存的古代文献数量以亿计，仅中国国家图书馆收藏的古籍就超过两百万册，而全球各地博物馆、图书馆和档案馆中收藏的手稿、典籍更是难以精确统计。面对如此海量的文化遗产，传统的依赖人力的研究方式显得力不从心。

就在这个时候，另一股力量悄然兴起——计算技术。从1946年世界上第一台通用电子计算机ENIAC诞生开始，计算机技术就以惊人的速度发展着。最初，计算机主要用于军事和科学计算，但很快就有一些具有远见卓识的学者开始思考：这些能够快速处理大量数据的机器，是否也能用于人文研究？

这个问题看似简单，却开启了一个全新的学科领域——数字人文（Digital Humanities）。数字人文并非简单地将人文研究“数字化”，而是一场深刻的学术范式变革，它重新定义了人文学者与文本、技术与知识之间的关系。在数字人文的视野中，计算机不仅是工具，更是理解人类文化和历史的全新视角；文本不仅是研究对象，更是可以用全新方法分析的“大数据”。

两个开创性的尝试

追溯数字人文的起源，我们需要将目光投向19世纪中叶的英国和20世纪中叶的梵蒂冈。这两个看似毫无关联的时空节点，却诞生了数字人文的两个开创性尝试，它们以惊人的相似性预见了后来数字人文发展的核心思想。

1853年，一位英国学者在《文学文摘》杂志上发表了一篇在当时看来颇为奇特的论文。这位学者没有采用传统的神学或历史学方法来分析《圣经》文本，而是引入了一种在当时主要用于人口统计和保险精算的数学方法——词频统计分析（stylometry）。他仔细统计了《圣经·以赛亚书》中各种词汇的使用频率，并与《圣经·耶利米书》进行对比，试图通过这种方法确定这两卷书是否出自同一位作者之手。

这位学者的方法在今天看来或许显得简单粗糙，但在当时却具有开创性的意义。他首次将文学作品视为可以用数学方法分析的“数据”，首次将统计思维引入文本研究的核心问题——作者身份认定。这篇论文发表后，虽然在宗教界引起了争议，但其在方法论上的创新价值很快得到了学界的认可。在接下来的几十年里，这种基于词频统计的方法被不断完善和发展，逐渐成为文学研究、语言学研究乃至情报学领域的重要工具。

更令人惊叹的是，这位英国学者的开创性工作比电子计算机的发明早了将近一个世纪。在没有计算机的条件下，他完全是依靠手工统计和计算完成了这项研究。据记载，他和他的助手们花费了数月时间，逐字逐句地统计和记录《圣经》各卷中的词汇使用情况。这种学术勇气和执着精神，为后来的数字人文研究树立了典范。

如果说1853年的英国学者开创了用统计方法分析文本的传统，那么1949年罗马的一位天主教神父则迈出了更具革命性的一步——他首次尝试用计算机来处理人文研究材料。这位神父名叫罗伯特·巴希斯特（Roberto Busa），是托马斯·阿奎那（Thomas Aquinas）研究的权威学者。托马斯·阿奎那是中世纪最重要的神学家和哲学家之一，其著作卷帙浩繁，仅正式出版的作品就超过八百万字，此外还有大量书信、讲稿和注释。

巴希斯特神父面临着一个巨大的学术挑战：如何编制一部完整、准确的托马斯·阿奎那著作索引？对于传统方法而言，这是一项可能需要数十年甚至上百年才能完成的工作。然而，1949年的一次经历改变了一切。这一年，巴希斯特神父拜访了IBM公司位于纽约的总部，在那里他第一次见到了电子计算机。IBM公司的工程师向他展示了计算机如何快速处理和检索大量数据，这位神父当即意识到，这项技术可能是解决他学术难题的钥匙。

IBM公司的创始人托马斯·沃森（Thomas Watson）对巴希斯特神父的项目表现出了浓厚兴趣，当即表示愿意提供支持。就这样，一个在今天看来不可思议的学术项目启动了：神父与计算机的跨界合作，目标是用计算机编制托马斯·阿奎那著作索引。这个项目最终历时三十年，累计处理了数百万条数据，最终成果是闻名世界的《托马斯·阿奎那著作索引》（Index Thomisticus），这是人类历史上第一部完全由计算机辅助编制的大型学术索引。

巴希斯特神父的项目在当时引起了巨大轰动，它不仅解决了具体的学术问题，更重要的是，它向世人证明：计算机技术完全可以应用于人文研究，而且能够完成传统方法无法企及的工作。这一项目的成功，标志着数字人文作为一个学科领域的诞生，巴希斯特神父也因此被誉为“数字人文之父”。

值得注意的是，巴希斯特神父在项目中展现出的远见远远超出了他的时代。他不仅将计算机视为处理数据的工具，更深入思考了人机协作的最佳模式。他曾说过一句著名的话：“机器不会取代人，机器会使人更像人。”在他看来，计算机的价值不在于替代人文学者的工作，而在于把人文学者从繁琐的重复性劳动中解放出来，让他们能够专注于更需要智慧和创造力的工作。这一理念在今天仍然具有深刻的启发意义。

从机械化到数字化：漫长的探索之路

1853年的统计分析和1949年的计算机索引编制，虽然具有开创性，但毕竟是孤立的个案。在20世纪60年代之前，数字人文还谈不上作为一个学科领域存在。那么，是什么因素推动了数字人文从个人尝试发展为一种学术运动呢？答案在于60年代出现的一系列具有里程碑意义的项目和机构。

1963年，美国密歇根大学成立了“人文计算中心”（Center for Humanistic Computation），这是世界上第一个专门从事数字人文研究的高校机构。该中心由古典学教授弗朗西斯·艾布拉姆斯（Francis Abrams）发起，致力于将计算机技术引入古典文献的研究与教学。在艾布拉姆斯的推动下，密歇根大学率先开展了多项人文计算项目，包括古希腊悲剧作品数据库建设、拉丁文学文本的计算机分析等。

与此同时，在大西洋彼岸的英国，牛津大学和剑桥大学也开始了类似的人文计算探索。1966年，牛津大学词典编纂部门开始尝试使用计算机处理《牛津英语词典》的编纂工作，这项合作最终促成了《牛津英语词典》在线版本的诞生。在语言学研究领域，机器翻译（Machine Translation）成为这一时期的研究热点，美国、苏联、英国等国纷纷投入大量资源开展相关研究。

这一时期最具标志性的项目，当属1964年启动的“希腊文本档案库”（Thesaurus Linguae Graecae）项目。该项目由加州大学欧文分校的玛丽·拉斯克（Mary Lasock）教授发起，旨在建立一个完整的古希腊文献电子数据库。经过数十年的建设，该数据库最终收录了从公元前8世纪到公元15世纪约一亿两千万字的古希腊文献，成为古典学研究最重要的数字资源之一。

```mermaid graph TB A[20世纪60年代：机械化与计算中心] --> B[文学与语言学机械化项目] A --> C[人文计算中心成立] A --> D[希腊文本档案库启动] B --> E[语料库语言学诞生] C --> E D --> F[数字图书馆雏形] E --> G[数字人文作为一个研究领域] F --> G ```

然而，早期的数字人文研究面临着巨大的技术和资源障碍。60年代的计算机体积庞大、价格昂贵，操作复杂，普通人根本无从使用。据统计，当时一台中等规模的计算机价格高达数十万美元，而使用一小时的费用也相当于普通人几个月的工资。人文学者要使用计算机，必须向专门的计算中心提交申请，由专业人员代为操作。这种“批处理”模式严重阻碍了人文学者与计算机的亲密接触。

70年代微型计算机的出现，为数字人文带来了新的契机。1975年，世界上第一台个人电脑Altair 8800诞生，随后苹果公司的Apple II（1977年）和IBM的个人电脑（1981年）相继问世，计算机开始走下神坛，走入普通人的书房和工作室。人文学者终于可以亲自动手操作计算机，进行文本输入、数据分析和文献检索。

这一时期，一批专门服务于人文研究的软件工具相继问世。1978年，剑桥大学的语言学家主持开发了“斯帕克斯”（SPARK）文本分析系统，这是最早的古英语文献计算机分析工具之一。1981年，荷兰莱顿大学的学者推出了“TACT”（Text Analysis Computing Tools）系统，成为文本分析领域的重要工具。此外，各种语料库如雨后春笋般涌现，如布朗语料库（Brown Corpus，1964年）、伦敦-隆德语料库（London-Lund Corpus，1970年代）等，这些语料库为语言学研究提供了宝贵的数字资源。

数字图书馆的兴起与21世纪的爆发

如果说80年代是个人计算机时代，那么90年代则是互联网时代。万维网（World Wide Web）的诞生和普及，为数字人文带来了前所未有的发展机遇。1991年，欧洲核子研究组织（CERN）的科学家蒂姆·伯纳斯-李（Tim Berners-Lee）发明了万维网，这一发明彻底改变了人类获取和分享信息的方式。

在数字人文领域，万维网的出现带来了三个深刻变化。首先是资源的共享化。过去，数字人文项目的研究成果往往只能被项目成员或少数合作机构使用，万维网使得任何人、在任何地方都可以免费访问这些资源。其次是协作的全球化。万维网突破了地理界限，使得世界各地的学者可以围绕同一个项目开展合作，共享数据和成果。第三是参与的民主化。万维网使得普通公众也可以参与到人文研究项目中来，成为“公民科学家”（Citizen Scientists）。

1993年，美国国会图书馆启动了“美国记忆”（American Memory）计划，这是世界上最早的大型数字化图书馆项目之一。该项目旨在将美国历史上重要的文献、照片、录音和视频资料数字化并在网上发布，供公众免费使用。这一项目不仅为数字人文研究提供了丰富的素材，更重要的是，它开创了文化遗产数字化保存与传播的全新模式。

紧随美国国会图书馆之后，各国政府和机构纷纷启动了自己的数字化图书馆项目。1995年，法国国家图书馆启动了“数字图书馆”（Bibliothèque Numérique）项目；1998年，中国启动了“中国数字图书馆工程”；同年，日本启动了“ National Diet Library Digital Collections”项目。2002年，欧盟启动了一个覆盖整个欧洲的数字图书馆项目，整合了欧洲各国图书馆、博物馆和档案馆的数字化资源，这就是后来闻名世界的“Europeana”数字平台的前身。

```mermaid graph TB A[1990年代：互联网时代] --> B[数字图书馆兴起] A --> C[万维网资源共享] B --> D[文化遗产数字化] C --> E[全球协作成为可能] D --> F[2000年代：大数据时代] E --> F F --> G[海量数据可用] F --> H[云计算普及] G --> I[2010年代：人工智能时代] H --> I I --> J[机器学习文本分析] I --> K[自然语言处理突破] J --> L[数字人文全面爆发] K --> L ```

然而，真正让数字人文迎来爆发式增长的，是21世纪以来大数据和人工智能技术的突破性进展。2006年，谷歌公司启动了“谷歌图书”（Google Books）项目，旨在将全球主要图书馆的藏书数字化。截至2023年，该项目已经扫描了超过4000万册图书，涵盖了全球绝大多数语言的出版物。这一项目为数字人文研究者提供了前所未有的研究素材，一个学者可以在自己的电脑上检索、阅读和分析以往需要花费数年时间才能通读的文献资料。

2008年，“大数据”（Big Data）概念正式提出，随即在各个领域产生了深远影响。在数字人文领域，大数据意味着研究者可以分析比以往任何时候都更加庞大的文本集合，回答以往无法回答的问题。例如，历史学家可以分析数百万份历史档案来研究社会变迁，语言学家可以分析数十亿词的语料库来研究语言演变，文学研究者可以分析数千部小说的文本特征来研究文学传统。

2010年代，人工智能技术的突破为数字人文带来了新的可能性。深度学习（Deep Learning）算法使得计算机能够更好地理解人类语言，开发出了神经机器翻译、情感分析、文本生成等强大工具。这些工具为数字人文研究提供了全新的方法和视角。人文学者不再需要手工编码每一个分析维度，而是可以让机器自动识别文本中的语义、情感、主题等特征。

以自然语言处理（Natural Language Processing，NLP）为例，这一人工智能的分支学科近年来取得了飞速发展。BERT、GPT等大型语言模型的问世，使得计算机对人类语言的理解达到了前所未有的水平。这些技术被广泛应用于数字人文研究：古典学者使用机器翻译辅助阅读古希腊文和拉丁文文献；文学研究者使用情感分析研究小说中的情感表达；历史学者使用命名实体识别从海量档案中提取人名、地名和事件信息。

“数字人文”：一个术语的诞生与传播

数字人文作为一个术语的正式诞生，可以追溯到21世纪之初。在此之前，学者们使用“人文计算”（Humanities Computing）来称呼这一跨学科领域。然而，2004年发生了一件事，使得“数字人文”（Digital Humanities）这一新术语迅速取代了“人文计算”，成为该领域的主导称谓。

这一年，美国弗吉尼亚大学的杰罗姆·麦克纳尼（Jerome McGann）教授出版了《批判性编辑的未来》（The Future of Critical Editions）一书。在这本具有里程碑意义的著作中，麦克纳尼教授系统地阐述了数字技术如何改变文本批评和编辑实践的本质。他提出，在数字时代，文本不再被视为一个固定的、静态的实体，而是一个动态的、可交互的、多媒体的网络。这一观点对传统的人文研究观念形成了巨大冲击，也为“数字人文”这一新术语的诞生提供了理论土壤。

同年，布朗大学的数字人文中心（Brown University Digital Humanities）成立，这是美国常春藤盟校中最早的数字人文专门机构之一。2005年，洛杉矶加州大学（UCLA）和伊利诺伊大学厄巴纳-香槟分校（UIUC）相继成立数字人文中心。2006年，斯坦福大学文学实验室（Stanford Literary Lab）成立，该实验室由文学研究教授弗兰科·莫雷蒂（Franco Moretti）创立，致力于用计算方法研究世界文学。

2009年是一个标志性年份。这一年，首届“数字人文夏季学院”（Digital Humanities Summer School）在伦敦大学举办，吸引了来自世界各地的青年学者。同一时间，“数字人文组织联盟”（Alliance of Digital Humanities Organizations，ADHO）正式成立，该组织整合了此前分散的多个数字人文学术机构，成为推动该领域国际合作的重要平台。

2010年，数字人文领域迎来了一个标志性事件：国际数字人文组织会议（Digital Humanities Conference）首次在澳大利亚悉尼举办，这标志着数字人文已经成为真正的全球性学术运动。此后，该会议每年在世界各地轮流举办，成为数字人文领域最重要的学术盛会。

```mermaid graph TB A[2004年] --> B["数字人文"术语诞生] B --> C[理论框架形成] C --> D[2005-2006年] D --> E[美国高校数字人文中心成立] E --> F[学术基础设施建设] F --> G[2009年] G --> H[ADHO成立] G --> I[数字人文夏季学院] H --> J[2010年至今] J --> K[全球性学术运动] J --> L[跨学科合作深化] J --> M[公众参与扩展] ```

值得注意的是，“数字人文”这一术语的流行不仅仅是一个命名问题，它反映了这一领域的深刻变革。从“人文计算”到“数字人文”，不仅仅是“计算”被替换为“数字”那么简单，更重要的是研究范式的转变。人文计算强调的是用计算机辅助完成传统的人文研究任务，是工具层面的变革；而数字人文则意味着在数字环境下重新思考人文研究的本质、目的和方法论，是认识论层面的变革。

美国学者帕特里克·朱恩（Patrick S. J.）在《数字人文指南》（Digital Humanities: A Controversy）中深刻分析了这一转变的意义。他指出，数字人文的兴起标志着人文学者不再将计算机视为外部工具，而是开始将数字环境视为自己生存和研究的“本土环境”。这一转变对人文学科产生了深远影响，它改变了人文学者的工作方式、思维方式和知识传播方式。

在中国，“数字人文”这一术语的引入和本土化也经历了一个过程。中国学者最初使用“数字人文”“数字文献学”“数字典籍学”等不同术语指代这一领域，直到2010年代初期，“数字人文”才逐渐成为学界共识。2013年，中国社会科学院成立了“数字人文研究中心”，这是中国最早的数字人文专门研究机构之一。此后，北京大学、南京大学、复旦大学、武汉大学等高校相继成立数字人文研究中心或相关机构。

数字人文的当代版图

经过数十年的发展，数字人文已经从一个边缘性的跨学科领域成长为当代学术版图中不可或缺的重要组成部分。如今，数字人文的研究范围涵盖了人文社会科学的各个学科领域：从文学批评、历史学到语言学、考古学，从艺术史、人类学到哲学、宗教研究，数字方法已经成为人文学者工具箱中的标准配置。

在文学研究领域，数字人文带来了文本分析方法的革命。传统的文学研究依赖于细读（close reading），即通过仔细阅读少量经典文本，深入挖掘其文学价值和意义。而数字人文倡导的远读（distant reading）方法，则是通过分析大量文本的宏观特征，发现传统方法难以察觉的文学规律和趋势。例如，斯坦福文学实验室的研究者通过分析19世纪以来数千部小说的文本特征，发现了文学创新与语言多样性的关系，挑战了传统的文学史叙事。

在历史学领域，数字人文正在改变历史研究的方法和对象。海量数字档案的开放使得历史学者可以研究以往无法触及的历史材料和历史问题。例如，通过分析数百万份数字化报纸，历史学者可以研究社会舆论的演变；通过分析数字化的政府档案，历史学者可以研究政策制定的过程和影响。近年来，“数字历史学”（Digital History）已