当古典遇上算法：数字人文的诞生与演进 When Classics Meet Algorithms: The Birth and Evolution of Digital Humanities

1949年，在意大利北部的小城加尔达湖畔，一位名叫罗伯特·布萨淑（Roberto Busa）的天主教神父开始了他的学术冒险。这位精通拉丁文和希腊文的神学学者，与IBM公司签订了一份在当时看来不可思议的合约：利用穿孔卡片（punch card）计算机，对中世纪神学家托马斯·阿奎那（Thomas Aquinas）的全部著作进行词频统计分析。这项雄心勃勃的计划，最终催生了著名的"Index Thomisticus"项目，不仅是人类历史上首次大规模运用计算机处理人文文本的尝试，更预示了一个全新学术领域的诞生。

布萨淑神父的Index Thomisticus项目是一个技术与人文交汇的典范案例。为了完成这项工作，布萨淑神父与IBM的工程师们共同开发了一套专门用于处理拉丁语文本的编码系统。这套系统需要解决一个看似简单却极其复杂的问题：如何将拉丁文的词形变化转化为计算机可识别的标准化形式。例如，"amo"（我爱）、"amas"（你爱）、"amat"（他/她爱）这三个不同的词形，都需要被归并到动词原形"amare"（爱）。这种词形归并（lemmatization）技术，至今仍是自然语言处理（Natural Language Processing, NLP）领域的核心问题之一。

从技术层面看，布萨淑神父时代使用的是IBM 601型穿孔卡片机。这种机器的工作原理是通过在纸卡上打孔来记录数据，每张卡片可容纳80列孔位，每列有12个可能的位置。这种技术虽然原始，却奠定了数字时代信息处理的基本范式：将人类语言转化为离散的、可计算的符号序列。布萨淑神父的团队最终处理了约1100万张穿孔卡片，生成了一份详尽的托马斯·阿奎那著作词频索引。这项工作从1949年持续到1980年代，历时三十余年，期间布萨淑神父出版了56卷本的《托马斯·阿奎那索引》（Index Thomisticus）。

布萨淑神父的尝试之所以具有划时代意义，不仅在于其技术成就，更在于它揭示了计算机处理人类知识的巨大潜力。尽管计算能力有限，尽管操作繁琐耗时，尽管需要专门的技术人员协助，这项实验性的工作证明了：人文文本可以被量化、被分解、被重组，进而揭示出仅凭人力难以察觉的规律和模式。从更宏观的视角看，Index Thomisticus项目预示了后来被称为"数字人文"（Digital Humanities, DH）的学科领域的诞生——一个将计算方法与人文研究深度融合的跨学科领域。

布萨淑神父并非孤军奋战。在他的开创性工作之后，1960年代至1980年代见证了计算机辅助人文学研究（Computer-Assisted Literary and Linguistic Studies）的蓬勃发展。这一时期的标志性项目之一是牛津英语词典（Oxford English Dictionary, OED）的计算机化编辑工作。1959年，牛津大学印刷厂首次利用计算机制作词典条目索引；到1970年代，编辑团队已全面采用计算机进行词条管理、引用检索和历史语料库构建。1989年，OED团队开始开发电子数据库，历经十余年，最终在2000年推出了OED在线版，成为数字词典学的里程碑。

与此同时，MIT的人工智能先驱丹尼尔·希利斯（Daniel Hillis）也在这一时期做出了重要贡献。希利斯不仅是计算领域的杰出科学家，更是一位对人文研究充满热情的人文主义者。他在MIT期间开发的计算机程序，能够分析古代文学文本的风格特征，为后来的计算文体学（computational stylistics）奠定了方法论基础。希利斯的案例表明，计算机科学与人文学研究之间的跨界合作，在这一时期已经开始制度化。

这一阶段的研究呈现出几个鲜明的技术特征。首先，词频分析（word frequency analysis）成为主流方法。通过统计文本中词汇的出现频率，研究者可以推断作者的写作风格、文本的年代特征，甚至不同文本之间的相互关系。1964年，学者们发表了关于"词频统计与文学风格"的开创性研究，系统地展示了词频分布如何揭示作者的写作特征。其次，语料库语言学（corpus linguistics）开始兴起。1960年代，牛津大学启动了英语语料库项目，运用计算机对大量英语文本进行系统分析，为后来的大规模语言研究奠定了基础。第三，分词技术和词形归并技术取得了重要进展，使得计算机能够更准确地识别和处理文本中的语言单位。

从技术基础设施的角度看，这一时期使用的是大型主机（mainframe computer）和穿孔卡片系统。这些设备价格昂贵、操作复杂，通常只有大型研究机构或政府项目才能负担得起。人文学者往往需要与计算机专家合作，才能完成数据处理工作。这种合作模式虽然有效，但也带来了知识权力不对等的问题：计算机专家掌握技术主导权，人文学者的研究需求有时需要妥协才能适应技术限制。

然而，这些先驱性的尝试为数字人文的下一阶段发展奠定了不可替代的基础。它们证明了计算方法在人文研究中的可行性，建立了基本的分析工具和方法论框架，更重要的是，它们培养了第一批既懂技术又理解人文学科复杂性的跨学科人才。1985年成立的"人文学计算促进协会"（Association for Computers and the Humanities, ACH），正是这一领域走向制度化的标志。

1990年代的到来，标志着数字人文进入了全新的发展阶段。这一转变的技术基础是个人计算机（Personal Computer, PC）的普及和互联网的出现。个人计算机将计算能力从大型机构下沉到个人桌面，互联网则使研究者能够跨越地理界限进行协作和数据共享。更为重要的是，一批兼具计算机与人文素养的"双语"学者开始涌现，他们既掌握编程技能，又理解人文学科的内在逻辑，成为推动这一领域发展的核心力量。

这一时期，数字人文领域的概念框架发生了深刻变化。"数字"一词逐渐取代"计算机辅助"，反映了人文学者对技术角色认知的转变：技术不再仅仅是辅助工具，而是研究过程本身的有机组成部分。1991年启动的"电子塞克勒"（Electronic Scribe）项目是一个典型案例，该项目旨在数字化古典文本，并开发用于文本分析和知识组织的工具。项目团队不仅关注文本的数字化存储，更强调数字环境下人文学研究的新可能。

1990年代还见证了数字图书馆（digital library）概念的兴起和实践。1994年，美国国家科学基金会（NSF）启动了"数字图书馆倡议"（Digital Library Initiative），资助了六个大型数字图书馆项目。其中，密歇根大学的"墨银数字图书馆"（MELVYL）项目尤其值得关注。该项目不仅致力于构建数字化的学术资源库，更探索了数字环境下的学术交流新模式。密歇根大学后来成为全球数字人文研究的重镇之一，其图书馆与信息服务学院（School of Information）至今仍是培养数字人文人才的重要基地。

在概念层面，1990年代最重要的突破是"数字人文"这一名称的正式确立。1999年，密歇根大学学者约翰·安斯康姆（John Unsworth）在一篇具有里程碑意义的文章中，首次系统地阐述了"数字人文"的概念框架。他指出，数字人文不仅是技术工具的应用，更是一种新的学术实践方式，其核心在于通过计算方法重新定义人文研究的边界。

这一时期还出现了两个重要的学术期刊：《数字人文季刊》（Digital Humanities Quarterly, DHQ）和《数字人文研究》（Digital Humanities Research）。前者于2007年正式创刊，至今仍是该领域最具影响力的学术期刊之一；后者则更侧重于理论探讨和方法论反思。两个期刊的并行发展，反映了数字人文作为一个学科领域的成熟：既有实践层面的技术探索，也有理论层面的深度反思。

进入21世纪，数字人文进入了快速发展期，其标志是学科制度化的全面展开。2004年，哈佛大学创建了泊宿数字人文研究中心（Berkman Klein Center for Internet & Society），这是全球首批专门的数字人文研究机构之一。2005年，斯坦福大学启动了"数字人文实验室"（Digital Humanities Lab），探索技术在人文研究中的前沿应用。2006年，洛杉矶加利福尼亚大学（UCLA）创建了"数字人文计算机中心"（Digital Humanities Computer Center），致力于开发服务于人文研究的计算工具。

这一时期的另一个重要趋势是数字人文教育的制度化。2005年，纽约大学（NYU）创建了数字人文研究证书项目（Digital Humanities Certificate Program），为研究生提供系统的跨学科训练。2009年，UCLA进一步开设了数字人文硕士学位项目，成为全球首个提供正式学位的数字人文研究生项目。这些教育项目不仅培养了新一代的数字人文学者，更重要的是，它们确立了数字人文作为一个独立学科领域的合法地位。

技术层面，地理信息系统（Geographic Information System, GIS）在人文研究中的应用，是这一时期的重要突破。历史学者利用GIS技术，将历史事件和地理信息可视化，重建古代城市布局，分析人口迁移模式，探索传染病传播路径。2006年启动的"大卫·拉米什世界历史地图集"（David Rumsey Map Collection）项目，将超过15万张历史地图数字化，并通过网络平台向公众开放，成为数字人文与公众参与结合的典范案例。

文本编码（text encoding）是这一时期的另一项关键技术。1990年代发展起来的文本编码倡议（Text Encoding Initiative, TEI）为学术文本的数字化提供了标准化的元数据和结构化标记语言。TEIGuidelines（TEI指南）定义了超过500个XML元素，用于标记文本的各种语言学、文献学和学术特征。这一标准使得来自不同机构、不同项目的数字化文本能够互操作，极大地推动了数字人文研究的协作和资源共享。

数字修辞学和数字文学也在这一时期蓬勃发展。研究者开始探索网络空间中的写作和阅读实践，分析超文本（hypertext）的叙事结构，研究数字媒介如何改变文学创作和接受方式。2007年，学者凯瑟琳·海尔斯（N. Katherine Hayles）出版了《数字文学：印刷文本到电子文本》（Digital Literature），系统地分析了数字技术对文学理论和实践的影响。

2010年代的到来，将数字人文带入了一个全新的时代。大数据（big data）、云计算（cloud computing）、社交媒体（social media）和人工智能（artificial intelligence）的突破，为数字人文研究带来了前所未有的技术机遇，同时也提出了新的理论和方法论挑战。

大数据时代的一个标志性事件是谷歌图书项目（Google Books Project）的推进。该项目自2004年启动以来，已数字化了超过4000万册图书，成为人类历史上最大的数字化图书馆之一。然而，2015年，美国第二巡回上诉法院在"作家协会诉谷歌案"中作出裁决，认定谷歌的图书数字化行为属于合理使用（fair use），这一判决对数字人文的发展产生了深远影响：一方面，它为学术研究使用大规模数字化资源提供了法律依据；另一方面，它也引发了关于版权、数据隐私和知识垄断的广泛讨论。

云计算技术则彻底改变了数字人文研究的计算基础设施。研究人员不再需要购置昂贵的本地计算设备，而可以通过云平台（如亚马逊AWS、谷歌云、微软Azure）获取按需扩展的计算资源。2011年，剑桥大学启动了"数字人文云"（Digital Humanities Cloud）项目，为人文学者提供易用的云计算环境，大大降低了数字人文研究的技术门槛。

社交媒体的兴起则为数字人文研究提供了全新的数据来源和传播平台。研究人员可以分析Twitter、Facebook等平台上的海量用户生成内容，研究语言变化、社会运动、文化传播等现象。2010年，学者们发起了"推特人文"（Twitter Humanities）倡议，探索社交媒体数据在人文学研究中的应用。与此同时，数字人文研究的成果也开始通过社交媒体向公众传播，打破了传统学术出版的知识传播壁垒。

地理信息系统（GIS）也在这一时期取得了显著进展，成为数字人文的重要工具之一。研究者可以借助GIS技术，将历史事件和地理信息可视化，重建古代城市布局，分析人口迁移模式，探索传染病传播路径。2006年启动的"大卫·拉米什世界历史地图集"项目数字化了超过15000张历史地图，并通过网络平台向公众开放，成为数字人文与公众参与结合的典范案例。

2010年代最重要的技术突破是深度学习（deep learning）在人文研究中的应用。深度学习是机器学习的一个分支，通过构建多层神经网络，使计算机能够从大量数据中自动学习抽象特征。2012年，深度学习在图像识别领域取得突破；2013年，NLP领域开始广泛应用深度学习技术；到2015年前后，文本生成、图像生成、机器翻译等技术相继取得重大进展，为数字人文研究开辟了全新的可能。

在文学研究领域，2016年，斯坦福大学的历史学家利用深度学习技术分析了350万份数字化法庭记录，重建了美国内战时期的法律实践和社会关系图景。2017年，哈佛大学的"跨越语言疆界"（Crossing Language Borders）项目，利用神经机器翻译技术翻译了1000多万页的多语言历史文献，使研究者能够跨越语言障碍探索历史。2018年，伦敦大学学院（UCL）启动了"人工智能与大数据时代的文学研究"项目，探索如何利用深度学习分析文学文本的风格演变。

深度学习技术还被应用于艺术史研究。2015年，谷歌推出了"深梦"（DeepDream）项目，利用神经网络生成迷幻风格的图像，引发了艺术界的广泛讨论。2019年，纽约大都会艺术博物馆与微软合作，利用深度学习技术自动标注馆藏艺术品的视觉特征，使研究者能够更高效地探索艺术品的视觉关系网络。

然而，AI在数字人文中的应用也引发了深刻的反思和批评。2019年，学者们在《数字人文季刊》上发表了一系列文章，讨论AI算法可能带来的偏见问题。研究表明，大多数NLP模型是在英语文本上训练的，对其他语言的适用性有限；而且，训练数据中隐含的社会偏见（如性别歧视、种族偏见）可能被算法继承和放大。这一批判性视角提醒我们，数字人文研究不能盲目追求技术先进性，而必须关注技术应用的伦理和社会影响。

2020年以来的数字人文发展，正在沿着几条主线深化。首先是生成式AI（generative AI）的崛起。2020年发布的GPT-3模型展示了惊人的文本生成能力；2022年，图像生成模型DALL-E 2和Stable Diffusion引发了一场艺术革命；2023年，GPT-4进一步提升了多模态理解能力。这些技术正在深刻改变数字人文研究的实践方式：研究者可以利用AI进行文本分析、图像识别、数据可视化，甚至辅助学术写作。然而，生成式AI也带来了原创性、版权、学术诚信等新问题，迫使数字人文社区重新思考学术规范和伦理框架。

其次是公众人文（public humanities）理念的深化。数字人文正在从面向学者的小众研究转变为面向公众的公共知识生产。2021年，伦敦自然历史博物馆启动了"数字自然史"项目，利用3D扫描和AR技术让公众探索自然世界的奥秘。2022年，大英博物馆与谷歌合作推出了"虚拟博物馆"项目，允许全球用户在家中"参观"博物馆藏品。这些项目展示了数字人文在公众参与和知识普及方面的巨大潜力。

第三是数字人文基础设施（digital humanities infrastructure）的系统化建设。数字人文研究需要大量的数据资源、计算工具和协作平台。2020年启动的"欧洲数字人文基础设施"（DARIAH）项目，旨在为欧洲的数字人文研究提供统一的公共服务平台。该项目整合了来自23个国家的200多个机构的资源，为研究者提供数据存储、计算服务、培训和支持。

全球视野下，数字人文呈现出多元化的发展格局。北美作为数字人文的发源地之一，拥有哈佛大学、斯坦福大学、UCLA、密歇根大学等一批顶尖研究机构。这些机构不仅建立了专门的数字人文研究中心，还通过学术期刊、会议和专业协会（如ADHO）推动了领域的制度化发展。美国的数字人文呈现出重视技术创新、强调跨学科合作的特点。

欧洲的贡献同样不可忽视。英国、法国、德国、意大利等国家都建立了数字人文研究机构。其中，伦敦国王学院、牛津大学、剑桥大学、都柏林三一学院等英国机构在数字人文领域表现突出。欧洲数字人文的一个显著特征是对文化遗产数字化的重视。2010年启动的"Europeana"项目，是欧洲最大的数字文化遗产平台，整合了来自37个国家的数千家文化机构的超过5000万件藏品。欧洲在语言资源和技术工具开发方面也卓有成效。欧洲语言资源协会（ELRA）和欧洲数字人文协会（EADH）等组织，推动了跨语言、跨文化的数字人文协作。

亚洲和大洋洲的参与度正在迅速提升。日本在文本检索和文化遗产数字化方面积累了丰富经验。东京大学的数字人文研究中心和京都大学的数字人文学中心，是日本数字人文研究的重要基地。2016年启动的"日本艺术数字档案"（Japanese Art Digital Archive, JADA）项目，将大量日本艺术资料数字化并向公众开放。韩国的数字人文研究也发展迅速。首尔国立大学、延世大学、成均馆大学等机构建立了数字人文研究平台，并在古籍数字化、朝鲜语NLP等领域取得了重要进展。

中国的数字人文研究近年来取得了长足进步。2012年，中国启动了"中国古籍资源库"（China Ancient Books Database）项目，数字化了超过8万种中文古籍。2019年启动的"中国历代人物传记资料库"（China Biographical Database, CBDB）项目，利用GIS和社交网络分析技术，构建了涵盖超过70万历史人物的传记数据库。上海交通大学、南京大学、华东师范大学等高校建立了数字人文研究机构，推动了数字人文在中国的发展。香港中文大学、台湾大学等机构也在数字人文领域做出了重要贡献。

新加坡、澳大利亚和新西兰也是数字人文全球发展的重要参与者。新加坡国立大学建立了数字人文研究中心，探索数字技术在东南亚研究中的应用。澳大利亚的澳大利亚国立大学和悉尼大学建立了数字人文研究平台，在原住民语言数字化方面做出了独特贡献。新西兰的"数字毛利"（Digital Mauri）项目，探索了数字技术在新西兰土著毛利语言和文化保护中的应用。

从历史发展的脉络中，我们可以清晰地看到数字人文领域的演进轨迹。这一历程始于技术工具的引入，逐步发展为系统化的方法论体系，最终在当代迎来了大数据和人工智能带来的深刻变革。全球视角下，北美、欧洲、亚洲和大洋洲的参与使这一领域呈现出多元化的发展态势，各地区根据自身文化传统和学术积累做出