黎明时分：数字人文的起源故事 / Dawn of Digital Humanities: An Origin Story
1945年，当艾伦·图灵在伦敦的破旧公寓里起草关于智能机器的论文时，他或许没有意识到，他的思想将与人文学科产生跨越半个世纪的对话。与此同时，在麻省理工学院辐射实验室的废墟中，万尼瓦尔·布什正回味着战争期间协调数千名科学家的经历，构思一种能扩展人类记忆与思维的设备。而在意大利米兰，一位名叫罗伯托·布萨的耶稣会神父，刚刚说服IBM提供一台巨大的 punched card 制表机，用于分析托马斯·阿奎那的百万言著作。这些看似无关的线索，在计算机尚是房间大小、嗡嗡作响的金属怪兽的时代，悄然编织出一幅颠覆性的图景：技术能否成为理解人类自身的镜子？本章将重返数字人文的“原初场景”，透过穿孔卡片的孔洞，审视那场关于量化方法与质性内涵的初次交锋，以及它如何为今日的争论埋下伏笔。
---
一、战争遗产：从弹道计算到文本索引
第二次世界大战是数字人文诞生的隐秘推手。计算机最初并非为人文学科设计，而是为计算炮弹轨迹、破译密码而生。ENIAC（电子数值积分计算机）于1946年亮相时，其占地167平方米、重达30吨的躯体，象征着计算权力从人脑向机器的转移。战争结束后，这些昂贵的“科学仪器”面临闲置危机，大学与研究机构开始争夺其使用权。人文学者——当时被视为最远离技术的群体——意外获得了入场券。
关键转折发生在1949年。罗伯托·布萨（Roberto Busa）在罗马宗座额我略大学神学系任教时，萌生了一个疯狂想法：用计算机分析阿奎那著作中所有拉丁词的出现频率、搭配和语境，以揭示其思想结构。当时，计算机处理文本需将每个字母、空格、标点编码为穿孔卡片上的孔洞。布萨回忆道：“IBM的人问我，神父，你要用机器做什么？我说，我要把托马斯·阿奎那的每一句话都变成卡片。他们笑了，但最终给了我一台IBM 405 制表机。”[^1] 项目历时30年，最终产生《Index Thomisticus》，包含约1100万张卡片，索引了阿奎那全部著作中每个词的形态、位置和上下文。这不仅是技术壮举，更是一种方法论宣言：人文文本可以被分解、计数、重组，仿佛它们是粒子或基因序列。
布萨的项目常被视为数字人文的“创世叙事”，但它并非孤例。同期，哈佛大学的“哈佛词典”项目用计算机编纂希腊语词典；密歇根大学用IBM机器建立“早期英语语料库”。这些早期尝试共享一个特征：它们将文本视为数据，而非意义网络。穿孔卡片的物理性——每张卡片承载80列信息，需通过插孔读取——隐喻了人文研究的范式转变：从沉浸式阅读到离散化处理。
---
二、先知与蓝图：布什的Memex与图灵的问题
在技术乌托邦的构想中，万尼瓦尔·布什1945年的文章《As We May Think》（《如我们所想》）堪称“数字人文的创世纪”。这位曼哈顿计划的首席科学家，目睹了科技毁灭性力量后，转而呼吁用技术增强人类理解。他描绘的Memex（记忆扩展器）是一台 desk-sized 设备，用户可通过“关联索引”（associative indexing）在微缩胶片间跳跃，建立个人知识网络。布什写道：“人类在存储上效率低下，但在关联上无比高效……新工具应放大这一优势。”[^2] Memex虽未实现，但其核心思想——超文本、个人知识管理、非线性的联想式学习——直接预见了万维网与人文学科的数字转向。对人文学者而言，Memex承诺解放文本的线性枷锁，让但丁《神曲》中的象征网络、莎士比亚戏剧中的互文脉络，得以可视化地交织。
而艾伦·图灵1950年的论文《计算机器与智能》（Computing Machinery and Intelligence）则从另一侧撞击人文疆界。图灵以“模仿游戏”（即图灵测试）挑战“机器能否思考”的哲学迷思。他写道：“与其追问机器能否思考，不如问它能否在行为上 indistinguishable（无法区分）于人类。”[^3] 这一行为主义转向，将“理解”从内在体验拉向外部表现，为人文研究提供了激进镜鉴：如果计算机能生成看似连贯的文本，那么“创作”的本质是什么？文学性是否可还原为模式匹配？图灵测试后来催生了自然语言处理（NLP），而NLP正是数字人文的核心工具之一。
布什与图灵的构想形成互补：布什关注知识的组织与检索，图灵关注智能与意义的生成。两者共同勾勒出数字人文的双重野心——既是图书馆的数字化，也是创造力的算法化。然而，这种野心立即遭遇人文学者的本能警惕。
---
三、罗塞塔石碑计划：破译、编码与跨学科碰撞
用户概要中提到的“罗塞塔石碑计划”，并非单一历史项目，而是对一类早期研究的隐喻：利用计算机处理多语言、多符号文本，以辅助古文字破译或跨文化比较。其名称借指1799年发现的那块花岗岩石碑——它因同时刻有古埃及象形文字、世俗体与古希腊文，成为商博良破译象形文字的关键。数字时代的“罗塞塔”试图用机器加速类似突破。
一个真实案例是1950年代耶鲁大学的“楔形文字词典项目”（Yale Babylonian Dictionary）。学者们将苏美尔楔形文字拓片转录为拉丁字母转写，再编码为穿孔卡片，试图建立词频与语法数据库。项目领导者 Ignace Gelb 乐观宣称：“计算机将揭示闪米特语系的深层结构，如同罗塞塔石碑之于埃及学。”[^4] 然而，实践很快暴露困境：楔形文字的多义性、语境依赖性，远非固定编码能捕捉。一张卡片上的“𒀀”（阿卡德语“水”）在宗教文献中可能象征“净化”，在商业泥板中仅指“水源”。机器无法区分，除非人工标注——而这正是早期项目的瓶颈：编码的简化必然丢失语境的 richness。
“罗塞塔石碑计划”的隐喻价值在于，它集中体现了数字人文的原初矛盾：计算机作为破译工具的潜能，与作为简化机器的局限。它迫使人文学者直面一个根本问题：当我们将但丁的意大利语、莎士比亚的英语、屈原的古汉语转化为二进制流时，我们是在保存文本，还是在制造其扁平化的幽灵？这一焦虑在1960年代随着文学计算（Literary Computing）的兴起而公开化。
---
四、文学计算：词频统计与“作者归属”争议
1960年代，文学研究者开始尝试用计算机回答传统问题：谁写了《失乐园》？《麦克白》是否有统一修订稿？方法通常是词频统计与词汇 richness 分析。最具影响力的是1964年哈佛大学 Frederick Mosteller 与 David Wallace 对《联邦党人文集》作者归属的研究。他们统计了12篇争议论文中功能词（如“upon”、“while”、“although”）的频率，通过贝叶斯模型推断作者为詹姆斯·麦迪逊而非亚历山大·汉密尔顿。研究结论与历史学家判断吻合，引发轰动：计算机似乎能“看穿”作者的风格指纹。
但批评接踵而至。文学学者提出：功能词虽不受主题影响，但语境呢？同一作者在不同人生阶段、不同文体中，用词习惯是否恒定？更重要的是，统计能否捕捉“文学性”？如 T.S. 艾略特《荒原》中的碎片化叙事、普鲁斯特《追忆似水年华》的意识流，这些依赖非线性时间、隐喻网络的特质，能否被词频矩阵捕获？1967年，文学理论家 René Wellek 在《概念与批评》中尖锐指出：“将诗歌简化为词汇分布，如同将交响乐简化为音符计数——你得到数据，却丢失了音乐。”[^5]
这场辩论揭示了数字人文的认识论裂痕：量化方法假设文本是可累加的符号集合，而传统人文强调文本是意义的事件，依赖读者与语境的动态交互。早期计算机无法处理后者，因其需要世界知识、历史感知与美学判断——这些恰是当时AI的盲区。
---
五、技术乌托邦 vs. 人文焦虑：思想交锋的三重维度
从1940到1960年代，围绕数字技术的争论形成了三个交织的维度：
1. 本体论维度：文本是什么？ 技术乐观派视文本为数据矿床，等待挖掘。布萨称自己的项目为“文本的显微镜”，能揭示肉眼不可见的模式。悲观派则援引现象学与诠释学，强调文本是意义的视域融合（伽达默尔），脱离阅读主体即失去灵魂。1963年，神学家 Paul Ricoeur 警告：“将《圣经》词频化，可能将启示降格为统计。”
2. 方法论维度：如何研究？ 计算机倡导可重复、可验证的实证路径，挑战人文学科依赖“灵光一现”的传统。但批评者指出，人文研究的核心是解释性循环（hermeneutic circle）——部分与整体互释，而算法常强制线性分割。例如，主题模型（LDA的前身）要求预设主题数，这本身已是解释行为，却被伪装成客观发现。
3. Institutional 维度：谁有权定义知识？ 早期数字项目多由理工院系主导，人文学者常沦为“数据提供者”。1966年，普林斯顿大学成立“人文与科学交叉中心”，但人文学者抱怨：“我们被邀请去‘服务’计算机，而非合作设计问题。”这种权力不对称延续至今，表现为“工具决定论”：先有技术，再找人文问题适配，而非反之。
这些辩论并非书斋空谈。1967年，美国现代语言协会（MLA）成立“计算机与人文”委员会，首次将“人文计算”（Humanities Computing）列为正式领域，但会议纪要显示，与会者激烈争论是否应“让计算机定义文学经典”。技术乌托邦与人文焦虑的初次交锋，就此制度化。
---
六、硬件与软件：穿孔卡片时代的实践哲学
理解早期数字人文，需潜入其物质基础：穿孔卡片与大型机。一张IBM 80列卡片，每孔代表二进制位，需通过键 punches 或制表机打孔。错误率极高——卡片扭曲、孔位偏移、静电干扰——意味着数据清洗占去项目70%时间。布萨团队需手工检查数百万张卡片，宛如中世纪的抄写员。
编程语言亦原始。FORTRAN（1957）与COBOL（1959）虽为商业与科学设计，但人文学者被迫学习，因它们支持字符串处理。早期“文学程序”常是 FORTRAN 的变体：一个典型任务可能是“统计《神曲》中‘amore’（爱）在每歌出现的次数”，代码冗长且无现代库支持。这种技术门槛造成双重效应：一是筛选出既懂人文又愿钻编程的“异类”（如布萨本人），二是强化了“计算机专家主导”的权力结构。
然而，限制也催生创意。由于内存极小（KB级别），学者必须精炼问题：不能问“所有名词的搭配”，只能问“前100高频名词的共现”。这种约束中的聚焦，意外训练了形式化思维——将模糊的人文问题转化为可计算命题。例如，要研究《哈姆雷特》的独白结构，需先定义“独白”为“连续30行无角色转换”，再编程计数。这种操作主义（operationalism）虽简化，却迫使学者明确定义，暴露隐含预设。
---
七、黎明时分的遗产：未解的矛盾与永恒的张力
1940-60年代的数字人文，是一场未完成的对话。它留下了三笔遗产：
1. 方法论工具箱：词频统计、作者归属、文本编码（TEIA的雏形）、语料库构建——这些成为后世数字人文的基石。布萨的索引思想直接演化为今天的文本挖掘。
2. 哲学未决问题：量化能否 grasp 质性？计算机能否参与意义创造？这些问题在今日的AI生成文本时代更尖锐。当GPT写出“莎士比亚风格”十四行诗，我们是否在见证新的人文范式，还是高级模拟？
3. Institutional 模式：跨学科合作的蓝图与陷阱。早期项目多依赖“英雄个体”（如布萨）与偶然资源（IBM捐赠），缺乏可持续机制。这警示后人：数字人文需嵌入学术生态，而非仅作为技术插件。
更重要的是，这一时期确立了数字人文的身份悖论：它既是人文学科（使用人文问题驱动），又是技术实践（依赖计算思维）。这种双重性使其常被双方质疑——技术派视其为“弱应用科学”，人文派斥其为“数字裱糊”。但正是这种边缘性，使其成为思想实验的绝佳场域：在算法的镜面中，人文学科被迫重新审视自己的核心概念——作者、文本、意义、阅读。
---
八、从黎明到破晓：承上启下的脉络
本章叙述的“黎明”并非田园诗。它充满摩擦：穿孔卡片的咔哒声与神学沉思的静谧对抗；IBM工程师的实用主义与学者对“意义”的执念碰撞。但正是这些碰撞，锻造了数字人文的基因——一种在工具与目的、量化与质性、效率与深度间持续协商的基因。
下一章将追踪这种基因的演变：1970-80年代，个人电脑的兴起如何将计算从大型机房解放至书桌？文学理论与后结构主义（如德里达的“延异”）如何与文本编码运动对话？同时，我们将看到，布萨时代的核心矛盾并未解决，而是以新形态重现：当搜索引擎取代卡片目录，当机器学习取代词频统计，量化与质性的张力是否只是换了戏服？
但首先，让我们凝视黎明本身。在那些昏暗的机房里，当第一张穿孔卡片被送入读卡机，金属针触点发出轻微火花，一行拉丁文被转化为脉冲——那一刻，人类第一次用非生物媒介处理自身最古老的故事。这不仅是技术的胜利，更是人文的冒险：我们试图用机器读懂自己，如同罗塞塔石碑试图让文明互识。而石碑的另一面，永远刻着商博良的困惑：破译的究竟是语言，还是沉默？
---
脚注 [^1]: Busa, R. (1980). *Automation in the Humanities*. The Bucknell Review, 27(1), 11-27. 布萨回忆IBM初次反应：“They said, ‘Father, machines are for mathematics, not for theology.’ I said, ‘Theology is mathematics of the highest order.’” [^2]: Bush, V. (1945). *As We May Think*. The Atlantic Monthly, 176(1), 101-108. [^3]: Turing, A. M. (1950). *Computing Machinery and Intelligence*. Mind, 59(236), 433-460. [^4]: Gelb, I. J. (1954). *A Study of Writing*. University of Chicago Press. （书中提及计算机辅助楔形文字研究） [^5]: Wellek, R. (1967). *Concepts of Criticism*. Yale University Press. （参见章节“The Quantification of Literature”）
侧边栏提示（电子版专属） > 💡 穿孔卡片的物质性 > 一张标准IBM卡片80列，每列可打孔（1）或不孔（0），理论存储约80字节。处理《Index Thomisticus》的1100万卡片，若平铺可覆盖约30个足球场。这种物理规模提醒我们：早期“大数据”是真实的纸堆，而非虚拟云存储。
多媒体链接（电子版专属）
- 观看1960年代IBM制表机操作录像：[链接至计算机历史博物馆档案]
- 交互式演示：将《神曲》片段转换为穿孔卡片图案 [链接至模拟器]
Markdown 结构化标记 ```yaml chapter: 1 title: 黎明时分：数字人文的起源故事 subtitle: Dawn of Digital Humanities: An Origin Story key_themes:
- 人文计算 (Humanities Computing)
- 量化方法 vs. 质性内涵
- 技术乌托邦与人文焦虑
- 物质性 (Materiality) of early computing
key_figures:
- Roberto Busa
- Vannevar Bush
- Alan Turing
- Frederick Mosteller
case_studies:
- Index Thomisticus
- 哈佛楔形文字词典项目
- 《联邦党人文集》作者归属研究
period: 1940s–1960s format_notes: print: 适合印刷，段落清晰，脚注在页底 digital: 含侧边栏、超链接、多媒体 markdown: 语义化标签，便于知识图谱提取 ```
九、被遗忘的中间站：从弹道表到词频表
战争结束后，ENIAC退役时，其设计师约翰·莫奇利和普雷斯珀·埃克特曾设想将计算机用于“和平目的”，包括“帮助历史学家分析文档”。这一愿景很快在学术界找到共鸣。1946年，哈佛大学成立了“自动语言分析项目”（Project on Automatic Language Analysis），由语言学家Anthony G. Oettinger领导，旨在用计算机处理俄语语法。与此同时，密歇根大学的“早期英语语料库”（Early English Corpus）项目，由语言学家Charles F. Hockett主导，将《盎格鲁-撒克逊编年史》等文本转录为穿孔卡片，创建了英语史上第一个机器可读语料库。
这些项目共享一个隐秘的动机：逃离人文学科的主观性泥潭。二战期间，情报分析显示，人类语言学家在破译日语密码时，常因个人偏见忽略模式。计算机被设想为“客观解读者”——它不会偏爱某个诗人，也不会被《圣经》的庄严震慑。1948年，哈佛项目报告坦陈：“我们寻求一种方法，使文本分析脱离个人印象，进入可重复实验的领域。”[^6] 这种科学主义冲动，后来被批评为“量化迷思”，但在当时，它是人文学者对抗“任意诠释”的武器。
然而，客观性承诺很快遭遇物质性限制。穿孔卡片的编码过程充满人为决策：如何处理缩写（如“Mr.” vs “Mister”）？是否保留标点？古英语的变音符号如何转写？每一个选择都嵌入了解释框架。密歇根项目的档案显示，团队曾激烈争论是否将《贝奥武夫》中的“hroðgar”统一转写为“Hrothgar”还是保留原始拼写变体。最终，他们选择后者以“保存历史异质性”，但这导致后续词频统计时，同一词被计为多个条目。编码即诠释——这一认识在1960年代才被明确，但早期实践已埋下伏笔。
这些项目常被数字人文史忽略，因为它们未产生如《Index Thomisticus》般宏大的成果。但它们构成重要的“中间站”：证明计算机不仅能处理数字，也能处理语言；人文学者不仅能使用工具，也能参与其设计。更重要的是，它们建立了语料库思维：文本可作为可查询、可统计的资源，而非仅一次阅读对象。这一思维后来成为数字人文的DNA。
---
十、Memex的幽灵：从 deskside 设备到全球超文本
布什的Memex从未被建造，但它的幽灵游荡在数字人文的每个角落。1945年《大西洋月刊》文章配有一张草图： deskside 设备，内置微缩胶片阅读器、键盘、触摸屏，用户可通过“关联链接”在不同文档间跳跃。这直接预见了1990年代的超文