相遇：从图书馆到数据中心

1949年，在意大利博洛尼亚附近的一个小镇上，一位年近四十的天主教神父走进了一家IBM公司的办公室。这位神父名叫罗伯托·布萨（Roberto Busa），他的使命在当时看来几乎是不可能完成的：他想用计算机来索引和检索中世纪神学家托马斯·阿奎那（Thomas Aquinas）的全部著作。如果按照传统方法，即使穷尽一生的时间，这些浩如烟海的拉丁文文献也难以被完整而系统地整理出来。然而，就是这样一个看似疯狂的想法，开启了人类学术史上的一场静悄悄的革命——这场革命后来被称为“数字人文”（Digital Humanities）。

布萨神父与IBM创始人托马斯·沃森（Thomas Watson）的会面，至今仍被数字人文领域的学者们津津乐道。当这位身着黑色教袍的神父向这位西装革履的商界巨擘阐述他的计划时，两种截然不同的世界似乎在那一刻交汇了。神父带来的是欧洲千年学术传统的厚重与深沉，而沃森代表的是刚刚兴起的计算机革命的无限可能。最终，IBM同意为这个项目提供支持，一台价值数百万美元（按今天的汇率计算）的IBM 701大型计算机被用于处理这些古老的手稿数据。这台机器的运算能力在今天看来微不足道——它的内存只有不到2000个字节，还不如一个现代表情符号占用的空间——但它却完成了人类历史上第一次真正意义上的大规模人文数据处理。

《托马斯·阿奎那作品索引》（Index Thomisticus）最终用了三十多年的时间才得以完成，它包含了超过一千万个拉丁词汇的索引和检索信息。这部著作不仅是一项技术成就，更是一种象征：它证明了计算机不仅仅是处理商业数据和科学计算的工具，同样可以服务于对人类文化遗产的保存、理解和传播。布萨神父在2005年接受采访时曾说：“机器没有灵魂，但它们可以成为灵魂的工具。”这句话至今仍被数字人文学者们反复引用，因为它精准地概括了这个新兴领域的核心精神——技术是手段，而最终的目标始终是人类知识的深化和人文学术的进步。

要理解布萨神父的创举为何如此重要，我们需要回顾一下20世纪中期人文学科的研究状况。在那个时代，一位人文学者想要系统地研究某一主题，比如某一特定词汇在几百年文学作品中的使用情况，往往需要花费数月甚至数年的时间在图书馆中翻阅原始文献。他们需要亲自抄写笔记，建立卡片索引，然后小心翼翼地将这些碎片化的信息拼凑成某种形式的结论。这种研究方式不仅效率低下，而且极易出错——任何一个人为的疏漏都可能导致研究结论的偏差。一位学者终其一生，能够深入研究的文本数量都是极其有限的。

计算机的出现改变了这一切。虽然在布萨神父的时代，计算机还是一种稀缺而昂贵的资源，但它的核心特性——快速、准确、可重复——对于人文学者来说具有不可抗拒的吸引力。一旦文本被数字化并输入计算机，学者们就可以在几秒钟内完成过去需要数月才能完成的信息检索。更重要的是，计算机可以帮助学者发现那些肉眼难以察觉的模式和规律，比如某一词汇在历史文献中的使用频率变化，或者不同文本之间隐藏的相似性。

然而，从1949年到我们今天所处的时代，数字人文经历了一个漫长而曲折的发展过程。布萨神父的先驱性工作在当时并没有立即引发一场学术革命——毕竟，在那个计算机还是“庞然大物”的年代，绝大多数人文研究者既没有渠道接触到这些机器，也缺乏使用它们所需的技术背景。事实上，在接下来的三十多年里，人文计算（Humanities Computing，这个术语在“数字人文”成为标准称谓之前被广泛使用）基本上仍然是一个相对小众的领域，主要由少数几位具有计算机背景的先驱者在推动。

转机出现在20世纪80年代。随着个人电脑（Personal Computer）的普及和文字处理软件的发展，越来越多的学者开始有机会接触计算机。1985年，国际计算机与人文学会（Association for Literary and Linguistic Computing，简称ALLC）正式成立，这是数字人文发展史上的一个重要里程碑。这个组织的成立标志着人文计算不再只是一小群先驱者的个人爱好，而开始成为一个具有组织化特征的学术共同体。同年，另一重要组织——人文计算与文本处理学会（Centre for Humanities Computing）也在欧洲各地相继成立。这些机构的建立不仅为人文学者提供了交流和合作的平台，也推动了人文计算在方法论和理论层面的深入发展。

到了20世纪90年代，人文计算的边界开始进一步扩展。万维网（World Wide Web）的发明和普及使得数字化的文本和图像可以在全球范围内自由流动，这为人文研究开辟了全新的可能性。学者们不再需要亲自前往遥远的图书馆或档案馆，只需轻点鼠标，就能获取珍稀手稿的高清数字图像。同时，超文本标记语言（HTML）和早期内容管理系统的出现，使得创建和分享数字学术资源变得更加便捷。1998年，首批真正意义上的数字人文项目开始涌现，其中许多项目至今仍保持着旺盛的生命力。

然而，“数字人文”（Digital Humanities）这个术语本身的使用，却是21世纪初的事情。2004年，布朗大学（Brown University）和卫斯理学院（Wesleyan College）联合成立了世界上第一个正式的“数字人文中心”（Center for Digital Humanities），这标志着“数字人文”作为一个独立学科领域的正式确立。此后短短几年间，全球各地的大学纷纷效仿，数字人文中心如雨后春笋般涌现。根据统计，到2020年，全球已有超过300所大学设立了专门的数字人文研究机构或教学项目。

这一现象的出现并非偶然。进入21世纪后，数字技术的革命性进步为人文学科带来了前所未有的机遇。首先，扫描技术和光学字符识别（Optical Character Recognition，简称OCR）技术的成熟，使得大规模文献数字化成为可能。一个普通的研究团队现在可以在几个月内完成过去需要数十年才能完成的文献数字化工作。其次，互联网带宽的提升和云计算技术的发展，使得海量数据的存储、分析和共享变得既便宜又便捷。再者，开源软件运动的兴起降低了数字人文工具的技术门槛——像TEI（Text Encoding Initiative，文本编码倡议）、Python编程语言、以及各种文本分析工具现在都可以免费获取，使得资源有限的研究机构也能开展高水平的数字人文研究。

现在，我们也许应该来回答一个最基本的问题：究竟什么是数字人文？尽管这个术语在学术界已经被广泛使用，但给出一个精确的定义却并非易事。不同的学者和机构往往根据自己的研究重点和学科背景，对数字人文做出不同的诠释。有人强调技术工具的重要性，认为数字人文就是将计算机技术应用于人文学研究；有人则更看重跨学科的方法论，认为数字人文的本质在于打破传统学科壁垒，促进人文科学与信息科学的深度融合；还有人从认识论的角度出发，认为数字人文不仅是一种研究方法，更是一种全新的知识生产方式，它正在改变我们理解、呈现和传播人类文化遗产的方式。

如果非要给出一个综合性的定义，我们或许可以这样描述：数字人文（Digital Humanities，简称DH）是运用数字技术和计算方法来进行人文研究的跨学科领域，它涵盖了人文学科（包括文学、历史、语言学、哲学、艺术史、考古学等）的各个方面，同时也涉及计算机科学、信息科学、数据科学等领域的方法和工具。数字人文的研究对象既包括传统意义上的文本、图像、声音和实物，也包括这些资料在数字化环境中产生的新型数据形态。

理解数字人文，我们还需要明确它与传统人文学科之间的关系。首先需要澄清的是，数字人文并不是要取代传统的人文研究方法——没有人会认为阅读一本古希腊悲剧的纸质原著不如查看它的数字版本更能理解作者的原意。事实上，最有价值的数字人文项目往往是那些在传统人文研究的深厚基础上，借助数字技术实现研究突破的案例。布萨神父穷三十年之功完成的《托马斯·阿奎那作品索引》，之所以能够成为数字人文领域的奠基之作，正是因为他对托马斯·阿奎那思想的深刻理解和热忱——没有这种传统学术功底的支撑，再先进的技术也只能生产出一堆毫无意义的数字碎片。

然而，数字人文确实为人文学科带来了某些传统方法难以实现的可能性。这种可能性主要体现在三个层面：规模（scale）、速度（speed）和发现（discovery）。

在规模方面，数字技术使研究者能够处理过去根本无法企及的大规模数据。传统的人文研究往往只能选取少数几个文本进行深入分析，而数字方法则可以同时处理数千甚至数百万份文献。这就好比从用放大镜观察一片树叶，升级为用卫星遥感技术俯瞰整片森林——两者各有其价值，但后者能够揭示前者在局部无法看到的宏观模式。例如，语言学家可以通过分析数百年来报纸文本的数字化存档，追踪某一词汇或表达方式在整个社会中的传播轨迹；历史学家可以借助数据库技术，将分散在不同档案馆中的数以万计的政府文件进行关联分析，从而揭示权力运作的深层逻辑。

在速度方面，数字工具大大缩短了研究周期。一个过去需要数年的文献检索工作，现在借助全文搜索引擎可以在几秒钟内完成。这不仅提高了研究效率，更重要的是，它使研究者能够提出和检验那些在传统条件下根本无法操作的问题。研究者可以将节省下来的时间用于更高层次的思考——比如如何解释数据中发现的新模式，如何将定量分析的发现与定性的人文解读结合起来。

在发现层面，数字技术特别擅长揭示隐藏在大规模数据中的模式、关联和异常。这些发现往往超出人类直觉的感知范围，但通过计算分析却能清晰地显现出来。例如，在文学研究中，研究者可以通过计算分析发现某一作者在创作生涯中的风格演变轨迹；在艺术史研究中，计算机视觉技术可以帮助识别那些在风格上具有高度相似性、但可能分属不同时期或地区的作品，从而为艺术史的断代和归属问题提供新的证据。

为了更具体地说明数字人文的魅力和潜力，让我们将目光投向几个具有标志意义的数字人文项目。

第一个值得详细介绍的项目是牛津大学的“牛津钱币图像项目”（Oxford Coin Images Project）。这个项目由牛津大学考古研究所和数字人文中心联合开展，目标是创建一个全面收录古代地中海世界硬币图像的数字化数据库。乍一看，这个项目似乎只是某种形式的数字化典藏——将现有的硬币图片扫描存储到电脑中，便于研究者随时查阅。但实际上，这个项目的雄心远不止于此。

牛津钱币图像项目开发了一套先进的图像识别和标注系统。通过这套系统，研究者可以根据硬币上的图案特征（如头像的侧面轮廓、特定的符号或铭文）进行智能检索，找出具有相似特征的其他硬币。更重要的是，这套系统还能够进行“跨文化比对”——它可以识别出在视觉上虽然不同，但在构图元素上具有明显关联的硬币，从而揭示古代地中海世界各地区之间的经济和文化交流。例如，研究者可以追踪某一特定图案风格如何从一个城市传播到另一个城市，或者识别出那些模仿外国硬币样式铸造的“仿制品”，从而了解古代经济体系中的互动关系。

这个项目的另一个重要贡献是它的开放获取（Open Access）策略。项目团队将所有数据向全球研究者免费开放，任何人都可以通过项目网站搜索和下载硬币图像及相关元数据。这种做法体现了数字人文的核心理念：技术不仅服务于少数精英研究者，更应该成为全人类共享的知识资源。

第二个具有示范意义的项目是密歇根大学（University of Michigan）的中世纪手稿数字化计划（Medieval Manuscript Digitization Initiative）。密歇根大学图书馆拥有世界一流的中世纪手稿收藏，其中包括许多极具学术价值的拉丁文和古英语文献。这个项目的目标是将这些珍贵的手稿转化为高分辨率的数字图像，并通过复杂的元数据标注系统，使全球研究者能够便捷地访问和利用这些资源。

然而，这个项目的价值并不仅仅在于“数字化”本身。密歇根大学的团队在项目设计上进行了一系列创新，使数字化后的手稿能够服务于更深入的研究。其中最引人注目的创新是“虚拟手稿重建”（Virtual Manuscript Reconstruction）功能。由于历史的原因，许多中世纪手稿在漫长的岁月中被拆散或分散到世界各地的不同收藏机构中。以往，研究者想要研究这些手稿，往往需要在不同的图书馆之间奔波，甚至可能永远无法亲眼看到手稿的全貌。密歇根大学的项目通过汇集来自全球数十家机构的数字化图像，重建了这些手稿的虚拟整体形态。研究者可以在电脑上“翻阅”一份完整的手稿，仿佛它就摆在面前。

更令人惊叹的是，这个项目还开发了专门用于手稿研究的图像分析工具。例如，研究者可以放大手稿的特定区域，仔细观察书写者的笔迹特征、墨水的颜色变化，甚至纸张（或羊皮纸）的纤维结构。这些细节信息对于判断手稿的年代、产地和制作过程具有关键意义。传统上，研究者必须亲赴收藏机构，在条件受限的环境中借助放大镜或简易照明设备来观察这些细节。现在，借助高分辨率数字图像和专业的显示设备，研究者可以在任何地方获得同等甚至更好的观察条件。

密歇根大学项目的另一个重要特点是它对协作和共享的重视。项目团队与全球数十家图书馆和档案馆建立了合作关系，形成了一个人文数字资源的共享网络。这种做法不仅避免了重复劳动，也使得研究者能够获得更加完整的资料视图。这种开放协作的精神，正是数字人文区别于传统人文学术的重要特征之一。

除了牛津和密歇根大学的项目之外，类似的数字人文倡议在全球范围内还有很多。在英国，大英图书馆的“活着的黎明”（Living with Machines）项目利用机器学习和历史地图分析，研究工业革命对英国社会的影响。在法国，国家图书馆的“伽利略项目”（Project Galileo）将这位科学先驱的手稿和通信进行了系统性的数字化和关联分析。在德国，柏林-勃兰登堡科学院的“歌德自然科学研究”（Goethe Naturwissenschaftliche Forschung）项目则运用数字方法研究歌德在自然科学领域的贡献。这些项目虽然主题各异，但都体现了数字人文的核心价值：将技术力量与人文关怀相结合，为古老的学问注入新的生命力。

也许有人会问：既然数字人文已经发展了七十多年，为什么现在要专门写一本书来介绍它？这是一个很好的问题。答案在于，我们正处在一个前所未有的转折点上。

回顾历史，数字人文的发展大致可以划分为三个阶段。第一阶段是“先驱时代”（约1949-1980年代），以布萨神父等少数先驱者的探索为标志。这一阶段的特点是技术条件极其有限，数字人文基本上是少数人的“特权”。第二阶段是“机构化时代”（约1980年代-2010年代），以大学数字人文中心的纷纷建立为标志。这一阶段，数字人文逐渐获得了学术体制的认可，开始有了正式的学科建制和教学项目。然而，即便在这个阶段，数字人文在很大程度上仍然被视为一种“辅助”工具——帮助人文学者更高效地完成传统研究任务。

我们今天所经历的，是第三阶段的开始——“融合时代”（2010年代至今）。在这个阶段，数字技术已经渗透到人文学科的方方面面，从根本上改变了人文学术的研究对象、研究方法乃至知识生产的方式。我们正在见证的不仅是技术工具的更新换代，更是一种全新的学术文化和思维方式的兴起。数字人文不再只是“用电脑做人文研究”，它正在成为一种理解人类文化和历史的新范式。

正是基于这种认识，本书希望为读者提供一个全面而深入的入门指南。我们将追溯数字人文的历史渊源，理解它的核心理念和方法论，探讨它的前沿发展和社会影响，也将认真思考它面临的挑战和争议。无论你是刚刚踏入人文学术门槛的大学生，还是希望在自己的研究中引入数字方法的青年教师；无论你是对数字技术充满热情的技术人员，还是仅仅对人类文化抱有好奇心的普通读者——我们相信，这本书都能为你提供有价值的内容和启发。

本书将分为十五章，逐步展开数字人文这幅宏大的画卷。第2章将深入探讨数字人文的核心概念和方法论，帮助读者建立对这个领域的系统认知。第3章将介绍数字人文研究所需的基本技术工具，包括文本编码、数据管理、可视化等技术。第4章到第6章将分别聚焦于数字人文在文学研究、历史研究和语言学中的应用，通过具体案例展示数字方法如何服务于具体的人文问题。第7章将转向文化遗产的数字化保护与呈现，这是数字人文实践中一个极为重要的领域。

第8章到第10章将探讨数字人文与更广阔的社会文化议题的关联，包括数字时代的学术交流与开放获取、数字人文与公共历史的互动、以及人工智能与人文研究的未来。第11章将专门讨论数字人文教学，分享如何在高等教育中培养新一代的数字人文人才。第12章将转向批判性的反思，探讨数字人文面临的争议、局限和伦理挑战。第13章将把视野扩展到全球，介绍数字人文在不同文化传统中的发展状况，特别是中文数字人文的独特贡献。第14章将展望数字人文的未来发展趋势，探讨量子计算、虚拟现实、脑机接口等前沿技术可能为人文学科带来的变革。最后，第15章将作为全书的总结，思考数字人文在更宏大的人类知识图景中的位置和意义。

回到我们故事开始的地方。布萨神父在2009年以97岁高龄辞别人世，彼时数字人文已经成为全球学术界的热门话题。他生前曾说，他从来没有想过计算机会变得如此普及，也从未想象过数字技术会如此深刻地影响人文学术。然而，他始终坚持一个信念：无论技术如何发展，人文研究的终极目标始终是理解人本身——理解人类的语言、历史、文化、信仰和梦想。技术只是达成这个目标的手段，而永远不应该成为目标本身。

这个信念至今仍然是数字人文的指路明灯。在接下来的各章中，我们将一同踏上探索数字人文的旅程。我们将看到技术如何帮助我们更好地阅读那些古老的文本，理解那些遥远的文明，发现那些隐藏在数据深处的真相。但更重要的是，我们将始终牢记：所有这些技术，最终都是为了服务于人类对自身历史的理解，对自身处境的反思，以及对更好未来的想象。

让我们开始吧。

布萨神父与IBM的合作并非一帆风顺，这个故事本身就充满了戏剧性。1946年，当布萨神父首次向IBM提交他的研究计划时，遭到了公司高层的婉拒。彼时的IBM正忙于战后重建和市场扩张，一台售价高达数百万美元的大型计算机，每一秒的运算时间都意味着巨额成本。让这样一台机器去处理拉丁文神学文献，在大多数人看来无疑是“杀鸡用牛刀”式的资源浪费。

布萨神父并没有放弃。他花了三年时间，反复向IBM的管理层和技术人员解释他的研究计划的重要性。在他的坚持下，一位名叫Francesco Tissoni的神父成为了他的技术搭档。这位年轻人专门前往IBM在美国的技术中心接受了培训，学习如何使用穿孔卡片编程——在当时，这是一项极其前沿的技能，因为连计算机科学本身都还是一个新兴领域。布萨神父后来回忆说，他与Tissoni的合作是他能够坚持下去的重要原因：“一个人可能走得很快，但两个人可以走得更远。”

最终，说服IBM的不是布萨神父的说服技巧，而是托马斯·沃森本人的远见。沃森敏锐地意识到，如果计算机能够处理人类语言和文献——这被认为是人类智能的最高形式之一——那么计算机的潜力和价值将得到极大的彰显。在他的直接干预下，IBM不仅为布萨神父提供了计算机使用时间，还专门为他开发了一套用于拉丁语文本处理的软件工具。这套工具的核心理念——将文本分解为可检索的词汇单元，并建立词汇之间的关联索引——至今仍然是数字文本处理的基础方法之一。

布萨神父的