当书架变成服务器：数字人文的诞生

那是1991年一个寻常的秋日午后，在美国密歇根大学古典学系的一间办公室里，艾伦·谢弗（Alan Scheef）——一位专攻荷马史诗的中年教授——正面对着一台看起来颇为笨重的电脑终端。这台设备与系里其他的研究仪器截然不同：没有泛黄的手稿，没有印刷精美的典籍，甚至没有传统意义上的书架和纸张。有的只是一块绿色字符闪烁的屏幕，以及屏幕那头，一个包含整部《伊利亚特》希腊原文的数据库。

谢弗教授并非技术新手。在此之前，他已经习惯了用索引卡片记录词汇，用缩微胶片查阅文献，用打字机撰写论文。但此刻，他要做一件在此之前从未有人尝试过的事情——他要在这台机器上，输入一个希腊词汇，然后亲眼见证它在整个史诗中出现的每一个位置。

他敲下了键盘上的几个键。屏幕上，数据开始流动。几秒钟之后，所有结果呈现在他眼前：《伊利亚特》中，希腊词"μῆνιν"（愤怒）出现了19次。这个词是整部史诗的开篇之词，荷马用它开启了西方文学最伟大的叙事传统之一。然而，在传统研究中，学者们往往只能依赖记忆或手工检索来追踪这个词的使用频率和语境变化。现在，谢弗教授在几秒钟内就获得了完整的统计数据——而且，这只是开始。他可以继续探索：这个词在史诗的哪个部分出现最为频繁？它与其他表示情感的词汇之间存在怎样的搭配关系？当阿基琉斯愤怒时，荷马用了哪些独特的修辞手法？

这不仅仅是效率的提升。这是一种全新的认知方式，一种重新理解文本的可能性。谢弗教授后来回忆说，那一刻，他感到自己"像是第一次真正读懂了荷马"。

这个场景，或许可以被称为数字人文（Digital Humanities）诞生时刻的一个缩影。它标志着人文学科与计算机技术之间一段复杂而深刻的对话正式拉开序幕。而这段对话的起点，要从十年甚至二十年前说起——从人文学科面临的那场深刻危机开始。

---

人文学科的黄昏：1990年代的困境与迷茫

如果要为数字人文的诞生寻找一个确切的历史起点，恐怕任何一个单一的年份都无法胜任。这门学科的萌芽，是多种力量交汇的结果——有技术发展的推动，有学术范式转变的需求，更有人文学科自身面临的生存压力。

让我们把时间拨回到1980年代末至1990年代初的美国大学校园。那时候，一场悄然无声但影响深远的危机正在人文学科中蔓延。这场危机并非一朝一夕形成，而是多重因素长期积累的结果。

首先是资金层面的紧缩。1980年代里根执政时期，美国联邦政府对高等教育的资助大幅削减。大学预算紧缩，人文学科首当其冲——因为与自然科学不同，人文学科无法直接产生专利、技术转让收入或企业赞助。在大学管理者的眼中，人文学科的存在价值变得愈发模糊。哲学系、历史系、文学系的经费申请屡屡受阻，一些小型院系甚至面临被裁撤的危险。

其次是就业市场的崩溃。1990年前后，美国各大学的英文系、历史系、古典学系培养的博士数量，远远超出了学术就业市场的承受能力。据统计，当时美国各大学每年提供的终身教职岗位数量，还不到当年毕业的博士生总数的十分之一。这意味着，绝大多数的人文学科博士毕业生，注定无法在学术领域找到一份稳定的工作。他们被称为"学术流浪者"（academic nomads），辗转于临时教职和兼职岗位之间，收入微薄，保障全无。

更令这个群体感到苦涩的是，这种困境并非个人能力不足所致，而是整个学术体制的结构性问题。当一个行业无法为绝大多数从业者提供基本的生活保障时，它的存在价值本身就开始受到质疑。

公众对人文学科的批评也愈演愈烈。在一个崇尚效率、实用和经济效益的时代，"研究荷马史诗有什么用？"这个问题被抛给了无数的人文学者。他们的回答——关于人类文明的本质、关于语言与思维的关系、关于历史经验的教训——在政客和企业高管听来，往往显得空洞而无力。

1990年，美国参议员威廉·普罗克斯迈尔（William Proxmire）甚至设立了一个著名的"金羊毛奖"（Golden Fleece Award），专门用来讽刺那些"浪费纳税人金钱"的研究项目。在他的"获奖名单"上，人文学科的研究项目占据了相当比例：从神话传说中的龙是否存在，到中世纪手稿中的涂鸦分析，不一而足。公众舆论对人文学科的偏见由此可见一斑。

就是在这样的背景下，一些具有远见的人文学者开始思考：是否可以借助新的技术手段，为人文学科找到一条突围之路？

这个想法并非凭空产生。事实上，早在1980年代，一些嗅觉敏锐的图书馆员和技术人员就已经开始尝试将人文学科的珍贵文献转化为数字形式。这些早期实验，或许可以被称为数字人文的"史前时期"。

最早的图书馆数字化项目，可以追溯到1970年代的缩微胶片（microfilm）技术推广。但真正的数字化转型，要等到1980年代个人电脑和光盘存储技术成熟之后才成为可能。

1981年，密歇根大学图书馆启动了"中古英语文献在线计划"（Middle English Compendium）。这个项目的初衷很简单：将散落在各地的手稿、抄本印刷 edition数字化，让研究者能够通过网络访问这些珍贵的文献资源。项目负责人罗伯塔·弗兰克（Roberta Frank）回忆说，当时她最大的期望，不过是"让研究者不用再为了查阅一份手稿而大费周章地旅行"。

然而，这个项目的意义远不止于便利性。当文献被转化为数字形式之后，它们就不再仅仅是供人阅读的文本，而成为了可以操作、处理、分析的数据。一位研究者可以在一分钟内完成过去需要数月才能完成的检索任务；一位学生可以在宿舍里访问过去只有顶级研究图书馆才能提供的珍贵藏品。技术的民主化效应开始显现。

1987年，另一个里程碑式的项目启动——牛津文本档案馆（Oxford Text Archive）。这个位于英国的项目收集并整理了大量古典和现代文学的数字化版本，向全球研究者免费开放。牛津大学计算机中心主任约翰·拉什（John R. R. L.）在项目说明中写道："我们的目标，是让人类文明的每一次重要表达，都能够被地球上任何一个角落的研究者所触及。"

这些早期项目为后来的数字人文革命奠定了基础。但真正让变革发生质变的，是两项关键技术的同时成熟：全文检索技术和超文本链接系统。

全文检索技术让人文学者第一次能够"看到"文本内部的模式。过去，学者们阅读一部作品，往往只能依靠自己的记忆和直觉来追踪某些词汇或主题的出现。而现在，计算机可以在几秒钟内扫描整部作品，标记出所有相关的内容。这种能力对于古典学研究尤其重要——因为古典学者面对的往往是几千年前的文本，其中包含大量晦涩难懂的词汇和语法结构。

超文本链接系统则让文本之间的关系变得透明。在传统书籍中，注释、参考文献、平行段落之间的联系往往隐而不彰，读者需要凭借自己的学识来建立这些联系。而超文本允许作者在文本之间直接建立链接，读者只需点击鼠标，就可以从一个文本跳转到另一个相关文本。1989年，万维网（World Wide Web）的发明者蒂姆·伯纳斯-李（Tim Berners-Lee）在一份内部备忘录中首次提出了这个概念，他的设想是"让科学家能够便捷地分享信息"——他恐怕没有想到，这个系统后来会成为整个人文学科数字化转型的基础设施。

---

Perseus项目：古典学的数字化革命

回到我们故事的主人公谢弗教授。1991年那次与《伊利亚特》数据库的相遇，并非偶然事件。彼时，密歇根大学正在推进一个雄心勃勃的计划——Perseus数字图书馆项目。

这个项目的创始人是古典学家格里高利·克雷恩（Gregory Crane）。1985年，克雷恩还是哈佛大学的一名年轻博士候选人，专攻古希腊文学。在完成博士论文的过程中，他花费了大量时间在图书馆中翻阅各种版本的古典文献，试图从中找到所需的参考资料。这段经历让他深刻体会到了传统人文学术研究的局限性：研究者花费大量时间寻找资料，而这些时间本应用于分析和思考。

克雷恩开始思考：是否可以借助计算机技术，让这个过程变得更加高效？

这个想法在1980年代的学术环境中显得颇为前卫。当时，大多数人文学者对计算机知之甚少，更谈不上利用计算机进行学术研究。在他们眼中，计算机不过是处理数字和文字排版的工具，与严肃的人文研究毫无关联。一些古典学界的权威人物甚至公开质疑：在数字化环境中研究古希腊文本，是否会"异化"古典学的人文本质？

但克雷恩不为所动。1988年，他在哈佛大学组织了一次非正式的小型研讨会，邀请了几位对计算机技术感兴趣的人文学者和技术专家。会上的讨论让克雷恩确信，数字化不仅不会损害人文学科，反而可能为人文学科带来前所未有的机遇。

1989年，克雷恩获得了第一批资金支持，开始开发Perseus系统的原型。1990年，系统正式上线，最初只包含少量的古希腊文献和工具。但它的核心理念已经确立：创建一个综合性的数字平台，整合古典文献的文本、翻译、注释、词典、语法工具和可视化功能，让研究者能够在一个统一的界面中完成各种复杂的学术任务。

谢弗教授正是在这个时候接触到Perseus的。作为密歇根大学古典学系的资深教授，谢弗一开始对这个"新玩意儿"持怀疑态度。他习惯了逐字逐句地阅读文本，习惯了在书页的空白处写下批注，习惯了那种与纸张亲密接触的阅读体验。在他看来，真正的古典学研究，是一种需要慢下来、沉浸进去的沉思活动。计算机的介入，会不会让这种沉思变得浮泛和表面化？

然而，第一次尝试Perseus的经历彻底改变了谢弗的看法。当他在数据库中检索"μῆνιν"这个词并看到它在整部《伊利亚特》中的所有出现位置时，他突然意识到：自己过去几十年的古典学研究，可能错过了太多东西。他可以用传统方法追踪这个词在几个关键段落中的使用，但要发现这个词在整个文本中的分布模式，要比较它在不同时期不同抄本中的变体，要追踪它与其他词汇的组合关系——这些任务，在传统方法下几乎是不可能完成的。

"那感觉就像是，"谢弗后来写道，"我研究了一辈子的作品，突然之间向我展示了一个我从未见过的维度。"

Perseus项目的成功，很快引起了学术界的关注。1991年，克雷恩获得了美国人文科学国家捐赠基金会（National Endowment for the Humanities）的大笔资助，项目规模迅速扩大。到1995年，Perseus已经收录了超过500万页的古希腊和古罗马文献，涵盖了文学、历史、哲学、艺术史等多个领域。用户遍布全球，每天有来自上百个国家的访问者使用这个平台。

更重要的是，Perseus确立了一种数字人文研究的基本范式：不是简单地将纸质文本转化为数字文本，而是要充分利用数字媒介的特性，为人文学者提供新的分析工具和视角。这种"工具驱动"的研究方法，成为后来数字人文发展的核心动力。

---

文本编码标准：数字人文的基础设施

Perseus项目的成功，让越来越多的人认识到图书馆数字化的价值。但一个新的问题也随之浮现：不同机构、不同时期开发的数字文本，往往采用各自不同的格式和标准，导致文本之间难以互通和共享。一家图书馆开发的数据库，可能无法与另一家图书馆的系统兼容；一个年代久远的数字文本，可能在新的软硬件环境中无法正常读取。

这种"数字巴别塔"的危机感，促使人文学者和技术专家走到了一起，共同制定一套通用的文本编码标准。1990年代初期，三个重要的标准化努力几乎同时启动。

第一个是SGML（Standard Generalized Markup Language）的应用推广。SGML是一种用于描述文档结构的标记语言，最初由IBM公司在1980年代开发。1987年，美国国会通过法律，要求所有联邦机构的文档采用标准化的电子格式存储。这项规定很快被一些人文学者注意到——如果政府文档都可以用标记语言来组织，那么古典文献为什么不可以？

哈佛大学英文系教授罗伯托·冈萨雷斯（Roberto Gonzalez）是最早倡导将SGML应用于人文学科的人之一。他领导的小组开发了一套用于标记莎士比亚戏剧的SGML系统，系统可以标注剧本中的场景、角色、对白、舞台指示等元素。这套系统后来成为"文本编码与交换标准"（Text Encoding and Interchange Standard）的雏形。

第二个重要进展是TEI（Text Encoding Initiative，文本编码倡议）的诞生。1987年，来自欧洲和北美的数十位人文学者、计算机科学家和图书馆员聚集在纽约的瓦萨学院（Vassar College），召开了一次具有历史意义的会议。会议的议题是：为人文学科制定一套通用的文本编码指南。

这次会议的背景颇为微妙。一方面，人文学者对技术的渴望从未如此强烈——他们看到了数字化带来的无限可能，渴望能够将更多的文献纳入数字化的轨道。另一方面，技术专家也意识到，没有人文科学家的参与，他们开发的系统可能无法真正满足学术研究的需求。双方都有合作的意愿，但缺乏一个共同的"语言"。

TEI的出现填补了这个空白。1989年，TEI发布了第一版编码指南（P1），1992年发布了第二版（P2），1999年发布了第三版（P3）。这个标准涵盖了人文学科可能用到的几乎所有文本类型和结构特征：从手稿的物理特征标注，到语言学的音韵分析；从历史文献的编年标注，到文学作品的叙事结构分析。TEI指南成为人文学科数字化的事实标准，被全球数千个项目所采用。

第三个关键发展是数字化图书馆倡议（Digital Library Initiative）的启动。1994年，美国国家科学基金会（NSF）和美国国防部高级研究计划局（DARPA）联合发起了一个为期四年的研究计划，总预算高达2440万美元。这个计划资助了六个大型数字化图书馆项目，涉及图像处理、信息检索、地理信息系统等多个技术领域。人文学科成为这些项目的重要受益者——许多项目都将古典文献、历史档案作为主要的研究对象。

这三大标准化努力的共同结果是：数字人文的基础设施在1990年代中期基本成型。一个典型的数字人文项目，从文本获取、格式转换、内容标注、数据存储到用户界面，每个环节都有了可参考的标准和规范。这为此后数字人文的快速发展铺平了道路。

---

从工具到学科：数字人文的身份认同

然而，技术基础设施的建立，并不意味着数字人文作为一个学科已经成熟。事实上，在整个1990年代，"数字人文"这个概念本身的定义都是模糊的。

对于门外汉来说，数字人文可能意味着"用电脑来研究文学"或"把图书馆藏书扫描成电子版"。对于圈内的实践者来说，这个术语的含义则更加复杂多变：有人将数字人文视为一种方法论工具，认为它应该服务于传统人文学科的研究；有人则将数字人文视为一个独立的新学科，有自己独特的研究对象和方法论；还有人认为，数字人文与其说是一个学科，不如说是一场运动，一个连接人文学者与技术专家的跨学科联盟。

这种身份认同的模糊性，既是数字人文的优势，也是它的困境。优势在于，它为人文学科带来了前所未有的开放性和包容性——无论你是古典学家还是中世纪史专家，无论你是文学批评家还是语言学家，都可以在数字人文的框架中找到自己的位置。困境在于，当数字人文试图在大学体制中争取正式地位时，它面临着来自传统学科的质疑和竞争。

1990年代末，美国多所大学开始尝试设立"数字人文"方向的教职或研究机构。1999年，斯坦福大学文学系教授弗朗哥·莫雷蒂（Franco Moretti）开设了一门名为"数字文学"的研讨课，成为常春藤盟校中第一个以"数字人文"命名的正式课程。莫雷蒂是意大利裔英国学者，专攻19世纪欧洲小说，他对传统文学研究方法的局限性有着深刻的认识。

莫雷蒂认为，文学研究长期陷入了一种"近距离阅读"（close reading）的范式——研究者需要逐字逐句地分析文本，从中提取意义。这种方法在面对个别经典作品时或许有效，但在面对大量文本时就显得力不从心。"如果我们想要理解19世纪小说的整体趋势，"他在课堂上说，"我们需要一种'远距离阅读'（distant reading）的方法——不是阅读更多的文本，而是用统计和计算的方法，从宏观上把握文学演变的模式。"

这番话在当时的文学研究界引起了不小的震动。许多学者认为，莫雷蒂的"远距离阅读"概念，实际上是在用科学方法肢解文学的人文本质。文学作品的魅力，不就在于它无法被简化为一堆数据和公式吗？用计算机来"分析"《包法利夫人》或《战争与和平》，岂不是对伟大作品的亵渎？

类似的争议，在1990年代末至2000年代初的学术界此起彼伏。2000年，数字人文领域的两位重要学者——伊利诺伊大学厄巴纳-香槟分校的丹尼尔·布罗德里克（Daniel O'Donnell）和加州大学伯克利分校的斯坦·林德斯特伦（Stan Lindstrom）——在《数字人文季刊》上发表了一篇文章，详细梳理了数字人文面临的学科认同危机。

"数字人文目前正处于一个尴尬的中间地带，"他们写道，"它既不是传统人文学科的附庸，也不是一个完全独立的新学科。它的边界模糊，身份暧昧，这既是它最大的活力来源，也是它进一步发展的最大障碍。"

为了应对这种身份危机，数字人文社区开始有意识地构建自己的学科话语体系。2001年，布朗大学图书馆员杰弗里·施赖布曼（Jeffrey Schnurr）在一篇博文中写道："数字人文不是关于数字的人文研究，也不是关于人文的数字技术。数字人文是数字时代人文学科的一种新形态，它将彻底改变我们理解人类文化的方式。"

这番话虽然有些理想主义的色彩，但它反映了一个重要趋势：数字人文正在从"工具"和"方法"的层面，向"学科"和"范式"的层面跃升。

---

哈佛图书馆的数字化：一场静悄悄的革命

就在学术界为数字人文的身份问题争论不休的时候，另一场静悄悄的革命正在图书馆系统中悄然进行。

1999年秋天，哈佛大学图书馆馆长西德尼·伯科维茨（Sidney Bergquist）宣布启动一个雄心勃勃的计划：未来十年内，将哈佛图书馆的全部馆藏——超过1600万卷册——数字化，并免费向全球研究者开放。这个计划后来被称为"哈佛数字化计划"（Harvard Digital Collections），成为学术史上规模最大的图书馆数字化项目之一。

伯科维茨的决定并非一时冲动。在他看来，图书馆正处于一个历史性的转折点。数字技术的快速发展，正在从根本上改变知识传播的方式。如果大学图书馆不能及时转型，就可能被时代所淘汰。"我们不能让哈佛的珍贵馆藏继续沉睡在书架上，"他在一次新闻发布会上说，"数字技术让我们有可能让这些知识触及地球上的每一个人。"

然而，这个计划从一开始就面临巨大的技术和法律挑战。

技术方面的挑战是显而易见的。数字化1600万卷册书籍，意味着需要扫描数十亿页的内容。这不仅需要大量的扫描设备和高性能的计算基础设施，还需要开发复杂的图像识别和文本检索系统。伯科维茨估计，整个项目可能需要投入数亿美元和数十年的时间。

法律方面的挑战更加棘手。版权法是横亘在图书馆数字化面前的一道高墙。在美国，1978年以后出版的大多数作品仍然处于版权保护期内，图书馆无权擅自将这些作品数字化并向公众开放。这意味着，即便哈佛愿意投入资金，它也只能数字化那些已经进入公共领域的作品——大约只占总馆藏的30%左右。

为了应对这些挑战，哈佛不得不采取分步走的策略。第一阶段（2000-2005年），优先数字化馆藏中的善本、手稿和已进入公共领域的文献。第二阶段（2005-2010年），与出版商和作者协商，探索在合理