当古老遇见未来：数字人文的第一声问候
第 1 章：当古老遇见未来——数字人文的第一声问候
当复制成为一门艺术
1943年，意大利托斯卡纳山区的一座古老修道院里，一位年轻的修道士正对着一份公元5世纪的手抄经文发呆。这份经文他已经抄了整整三个月——不是打字，不是影印，而是用鹅毛笔一个字一个字地誊写在羊皮纸上。
如果你是这位修道士的朋友，看到这一幕，你大概会忍不住问："老兄，你疯了吗？外面有照相机这种东西，你为什么不用？"
修道士抬起头，露出一个意味深长的微笑："因为照片只能告诉我经文上'写了什么'，而抄写能让我理解它'意味着什么'。"
这个回答可能会让你更加困惑。别急，让我们把这个场景再往前推一点。这位修道士的名字叫唐·罗伯托·布拉西，他正在进行的工程，是整理和比较修道院图书馆里收藏的数百份古代手稿。这些手稿来自不同地区、不同年代，有些抄写于君士坦丁堡，有些来自北非的修道院，还有些甚至是从阿拉伯世界辗转流传而来。
问题来了：这些手稿的内容有大量重叠——它们都是《圣经》的不同抄本，或者是早期教父的著作。但在长达一千多年的传抄过程中，无数抄写员会犯下各种错误：有的把一个字母错写成另一个，有的漏掉了一整行，有的把两页的内容合并成了一页，还有的干脆根据自己的理解"修正"了原文。
如果你只是把这些手稿拍照存档，你得到的是一大堆看起来差不多、实际上细节千差万别的图片。布拉西修道士需要做的工作，是要找出每份手稿的"家族关系"——哪些是直接从哪些抄本衍生出来的？哪些错误是某个地区特有的？最早的原始版本可能长什么样？
这种工作叫做文献校勘学，是历史学、文学、宗教研究等领域的基础功夫。但它的效率实在太低了：一个人一辈子可能只能研究几十份手稿，而全世界现存的古代手稿数以百万计。
布拉西修道士苦思冥想了很久，终于在1945年找到了一个绝妙的主意。他去废品站淘来一大堆老式打孔卡片——你可能见过这种卡片，它们就像老电影里程序员用的那种——然后开始设计一套编码系统：每份手稿用一张卡片表示，卡片上的不同位置代表不同的特征，比如"是否包含某段经文"、"某处的拼写方式"、"装饰图案的风格"等等。
这样一来，他只需要把卡片排好序，就能快速找出哪些手稿在某个特征上是一致的或不同的。更厉害的是，他可以用一种叫做"穿孔分类"的技术，同时筛选出符合多个条件的手稿——这在以前需要好几个人花好几天才能完成的工作，现在只要几个小时就够了。
这个发明，后来被认为是数字人文的萌芽之一。
从算盘到云计算：知识的千年长征
布拉西修道士的穿孔卡片系统看起来很简单，但它解决的是一个贯穿人类文明史的永恒问题：我们如何组织、存储和发现知识？
让我们把时间往回拨，看看这个问题的答案经历了怎样的演变。
早在公元前3世纪，埃及的亚历山大图书馆就已经是当时世界上最大的知识库。据估计，鼎盛时期收藏了超过40万卷莎草纸书卷。但问题随之而来：这么多书，怎么找到你需要的那一本？
当时的做法是按作者姓名分类——就像今天按字母顺序排列的书架一样。但这种分类方式有一个致命的弱点：如果你只记得书的内容却忘了作者叫什么名字，或者你想找"所有讨论某个特定主题的书"，那就麻烦了。
中国人很早就意识到了这个问题。大约在公元220年，曹丕组织编纂了《皇览》，这被认为是世界上最早的百科全书式分类著作。但真正具有革命性意义的，是后来的"类书"传统。
所谓类书，就是把各种书籍中的相关内容按主题分类汇编的工具书。你可以把它理解成古代版的"搜索引擎"。比如你想查找所有关于"月亮"的诗词歌赋、历史典故、天文知识，只需要在类书中翻到"天部·月"这个类别，所有相关内容就都汇聚在一起了。
最有名的类书是明朝的《永乐大典》和清朝的《四库全书》。《永乐大典》全书多达2万多卷，收录了上辈子图书的内容，从经史子集到戏曲小说，无所不包。编者们的目标很明确：把所有人类知识分门别类地整理在一起，让需要它的人能够方便地找到它。
与此同时，在大西洋的另一端，欧洲人也开始了类似的探索。
15世纪中叶，古登堡发明的活字印刷术彻底改变了知识的传播方式。书籍不再是少数特权阶层的专属品，开始进入千家万户。但新的问题随之产生：知识爆炸了！
想象一下，如果没有图书馆的分类系统、没有搜索引擎、没有图书馆员的工作，你走进一家藏书10万册的书店，想找一本关于"如何养金鱼"的书。你大概会疯掉的。
16世纪的欧洲人也有同样的焦虑。于是，百科全书这种全新的知识组织形式应运而生。1751年，法国启蒙思想家狄德罗主持编纂的《百科全书》出版，这不仅仅是一本书，更是一场知识革命。它试图把所有的人类知识用系统化的方式组织起来，每个条目都包含定义、历史、相关概念，并且通过交叉引用形成了一个巨大的"知识网络"——这听起来是不是很像今天的超链接？
时间快进到20世纪。
1945年，美国科学家范内瓦·布什在《大西洋月刊》上发表了一篇著名的文章《正如我们也许想的》，第一次提出了"记忆机器"的构想。他设想了一种叫做".memex"的设备，可以让人们高效地从海量的书籍、档案中检索和关联信息。这篇文章被认为直接启发了后来的互联网和万维网发明。
1960年代，尤金·加菲尔德创建了"科学引文索引"（SCI），第一次用数字化的方式追踪学术文献之间的引用关系。这项发明的意义怎么强调都不为过：它让研究者可以一眼看出，哪些论文影响最大、哪些研究领域最活跃、哪些新发现引用了哪些旧理论——这些都是传统的图书分类系统无法实现的功能。
到了1980年代，蒂姆·伯纳斯-李还在欧洲核子研究组织（CERN）当工程师。他每天都要处理大量的研究文档，不同的计算机系统之间无法交流，研究小组之间的协作困难重重。于是他开始思考：能不能发明一种方法，让所有的计算机都能共享信息，不管它们运行的是什么操作系统、使用的是什么语言？
1990年，世界上第一个网站在CERN上线。伯纳斯-李把它叫做"万维网"（World Wide Web）。他发明的三项核心技术——HTML（网页标记语言）、URL（网址系统）和HTTP（数据传输协议）——至今仍是互联网的基石。
从莎草纸到类书，从百科全书到万维网，人类组织知识的工具在不断进化，但核心问题从未改变：我们如何让需要知识的人，能够高效地找到、理解和使用这些知识？
而数字人文，正是这个问题在21世纪的最新答案。
数字人文：不是"数字化的人文"，而是"用数字思考的人文"
现在，让我们正式回答这个章节开头的问题：什么是数字人文？
你可能会听到这样的定义："数字人文是数字技术与人文科学研究相结合的新兴学科"。这个定义没有错，但它太笼统了，听完你仍然不知道数字人文具体是做什么的。
让我换一个角度。
想象你是一个研究《红楼梦》的学者。传统的研究方式是什么？读文本、查资料、写论文。你可能会花几年时间精读这部百万字的巨著，记住里面几千个人物的关系，考证不同版本的差异，品味其中的诗词曲赋和园林建筑。
这种研究方式有没有价值？当然有，而且价值巨大。但它也有局限：人脑的记忆容量和处理速度是有限的。一辈子专研《红楼梦》的学者，可能对书中某个细节了如指掌，但很难同时把握整部作品的结构规律——比如人物之间的对话模式、情节发展的节奏特征、用词风格的演变趋势。
现在，换一种研究方式。你把《红楼梦》的全部文本输入计算机，编写一个程序来分析它。几秒钟之内，计算机就能告诉你：全书出现了多少次"林黛玉"这个名字，分别在哪些场景出现，和谁一起出现，说话时的情绪倾向是什么。你还可以让计算机统计曹雪芹的用词习惯，比如他更喜欢用"哭泣"还是"流泪"，这种偏好在不同章节有没有变化。
这还没有结束。你可以把这些数据可视化——做成图表、地图、网络图——直观地展示人物关系的亲疏、情节发展的起伏、情感基调的流转。一张精心设计的可视化图表，有时候比一万字的文字分析更能让人一眼看出问题的本质。
这就是计算化的力量。它不是简单地"把书变成电子版"（那是数字化），而是"用算法来分析文本、发现规律、提出新问题"。
但这里有一个关键点必须强调：技术只是工具，想法才是核心。
《红楼梦》的文本数据摆在你面前，你问不出好问题，计算机就算分析能力再强也没用。比如，"林黛玉和薛宝钗的说话风格有什么差异"是一个好问题，因为它涉及对人物性格的深入理解；"文本中'的'字出现了多少次"就不是好问题，因为它不产生任何有意义的洞见。
所以，数字人文研究者需要两种能力：理解人文问题的能力和运用技术工具的能力。这两者缺一不可。
这就是为什么我们会看到一些看起来"奇怪"的跨界人才：历史学家学会了Python编程，程序员跑去研究古典文学，档案管理员变成了数据可视化专家。他们不是"背叛"了自己的专业，而是在寻找新的方式来回答那些古老的问题。
反过来，这也回答了本章标题提出的另一个问题：为什么程序员需要了解历史？
因为历史（以及其他人文领域）能教给程序员的，不只是一些"有用的事实"，而是一种思维方式。人类几千年积累的文化遗产中，蕴含着无数关于"问题是什么"的深刻洞察。如果你只会写代码，却不知道这些代码可以用来解决什么问题，那你就只是一个熟练的技术工人，而不是一个真正的创新者。
马克思、爱因斯坦、图灵，这些改变世界的人，无一不是既精通某个专业领域，又能跳出这个领域思考问题的人。数字人文想要培养的，正是这种跨学科思维能力。
敦煌壁画上的失乐园
说了这么多抽象的概念，你可能会想：数字人文在实际研究中是怎么工作的？让我们来看一个激动人心的例子——敦煌壁画中失落乐谱的复活。
敦煌莫高窟位于甘肃省敦煌市东南25公里的鸣沙山东麓，是世界上现存规模最大、内容最丰富的佛教艺术宝库。从公元4世纪到14世纪，历代工匠在735个洞窟中绘制了45000平方米的壁画，塑造了2415尊彩塑。
这些壁画描绘了无数佛教故事、历史传说和音乐舞蹈场景。其中有一种特殊的壁画，表现的是古代的乐队演奏图。画中的乐工们手持各种乐器，姿态生动，看起来像是在演奏一场盛大的音乐会。
但问题来了：壁画只能告诉我们"看起来像什么"，却不能告诉我们"听起来是什么声音"。那些古代的乐曲，已经随着演奏者的消逝而彻底失传了。一千多年的岁月，埋葬了丝绸之路上的天籁之音。
怎么办？
2004年，一个由音乐学家、计算机科学家、敦煌研究院学者组成的跨国研究团队开始了他们的探索。项目负责人是英国皇家音乐学院的钱德拉·黛维教授，她的专长是印度古典音乐和东亚音乐史。
研究团队首先对壁画进行了高分辨率的数字扫描，建立了完整的三维数字档案。这一步解决的是"保存"问题——即使将来壁画因自然侵蚀而损毁，我们至少还有精确的数字记录。
但真正的挑战在于"解读"。
壁画中的乐队通常有十几到二十几件乐器。研究者们首先要做的是识别和分类这些乐器——哪些是琵琶，哪些是箜篌，哪些是胡琴，哪些是鼓？这需要深厚的历史知识和艺术鉴赏力。经过仔细比对，研究者们识别出了琵琶、曲项五弦琵琶、四弦琵琶、箜篌、筚篥、笙、排箫、阮咸、方响、铜钹等数十种乐器。
接下来，他们遇到了一个更大的难题：这些乐器是如何组合的？乐队是怎么编配的？演奏的乐曲是什么调式？
为了回答这些问题，研究者们开始从另一个角度寻找线索——敦煌遗书中保存的古代乐谱。
原来，1900年敦煌藏经洞被发现时，里面不仅有文书和经卷，还发现了大量古代乐谱。这些乐谱叫做敦煌曲谱或敦煌琵琶谱，是研究五代和宋代音乐的第一手资料。其中最著名的是编号为P.3808的卷子，上面抄录了25首琵琶曲的谱子。
但这些乐谱有一个严重的问题：它们使用的是古代的谱式记号，很多符号在今天已经无法解读。就像你看到一段用古埃及象形文字写的神秘咒语，你知道它是某种信息，但就是不知道它说的是什么。
研究团队开始运用计算方法来破解这些古代密码。
首先，他们把所有已知的古代乐谱符号进行编码，建立了完整的数据库。然后，他们尝试用程序模拟不同符号组合可能产生的音乐效果，并通过与现代音乐的对比分析来验证假设。
这个过程充满了失败和挫折。比如，一个符号可能有多种解释，不同的乐器配置会导致完全不同的音乐效果。研究者们尝试了数百种组合，大部分听起来都"不太对"——要么节奏别扭，要么音调不和谐。
转机出现在研究团队引入了一种新的分析思路：从壁画中寻找线索。
他们注意到，在一幅唐代壁画（编号为第220窟）中，乐队被分成左右两组，每组有4到5名乐工。更重要的是，壁画旁边还保存了一段题记，记录了这场演奏的一些信息。结合这段题记和乐队的排列方式，研究者推断出这是一首组曲形式的乐曲，由多个相对独立的段落组成，每个段落大约持续3到4分钟。
沿着这个思路，研究团队回过头来分析敦煌曲谱。他们发现，P.3808卷子上的25首曲子确实可以被分成若干组，每组内部的调式和风格相近。更关键的是，他们注意到某些特定的符号序列在不同曲子里反复出现，频率和位置都很有规律——这很可能是反复记号或段落标记！
经过多年努力，2011年，研究团队发表了他们的成果。虽然对于乐谱的具体解读仍有争议，但他们成功地建立了一套系统性的分析方法，提出了若干首曲子的"可能演奏方案"。这些方案被制成了音频文件，在网上发布后引起了轰动。
有人听完之后说："这听起来像是来自另一个世界的音乐，古老而陌生，但又莫名地熟悉和亲切。"
这正是数字人文的魅力所在：它让消逝的声音重新响起，让沉默的图像开口说话。
更令人欣慰的是，这个项目培养了新一代的跨学科人才。他们既懂得古代音乐史的专业知识，又能熟练运用3D建模、光谱分析、机器学习等现代技术。这些年轻人成为了连接过去与未来的桥梁，用科技之手触碰历史的温度。
数据的魔法才刚刚开始
敦煌的故事还在继续，但属于小明的冒险才刚刚开始。
2024年9月1日，星期一，开学第一天。
小明背着书包走进教室，发现自己的座位上放着一个包裹。包裹不大，用牛皮纸包着，上面没有寄件人地址，只贴了一张泛黄的标签，上面用钢笔写着他的名字。
小明狐疑地拆开包裹，里面是两样东西：一台老式打字机，品牌是"英雄"，成色相当老旧，大概是上世纪五六十年代的产品；还有一个小小的U盘，上面贴着一张手写的不干胶标签，写着四个字——
"开始旅程"
"什么鬼？"小明嘀咕了一句，把打字机翻来覆去地看了看，没发现什么特别的地方。他又看了看U盘，同样普普通通。
"新学期，新气象，送你点装备？"同桌的小华凑过来，一脸好奇。
"不知道是谁寄的。"小明摇摇头，"连个卡片都没有。"
就在这时，上课铃响了。班主任李老师走进教室，手里拿着一沓文件。
"同学们，新学期开始了。今年我们学校有一个特别的项目——'数字探秘'兴趣小组。"李老师推了推眼镜，"有兴趣的同学可以报名。我们会学习如何用编程来分析文学作品、用数据可视化来展示历史、甚至用人工智能来解读古代文献。"
小明听到"古代文献"四个字，心里突然动了一下。他下意识地看了看抽屉里的打字机和U盘。
"难道……"一个大胆的念头在他脑海中闪过。
但李老师已经继续往下说了："另外，我们班这学期会有一位新转来的同学，大家欢迎。"
教室门被推开了。一个扎着马尾辫的女生走进教室，她穿着简单的白衬衫和牛仔裤，背着一个鼓鼓囊囊的双肩包。最引人注目的是她的眼神——明亮、好奇，带着一种说不清的气质，仿佛对周围的一切都充满了探索的欲望。
"大家好，我叫苏晓晓。"女生的声音清亮，"我之前在英国读书，刚搬来这座城市。很高兴认识大家。"
小明无意中和她对视了一眼。苏晓晓的目光在他身上停留了一秒，嘴角微微上扬，像是想说什么，又忍住了。
然后她径直走向教室里唯一的空位——恰好就在小明旁边。
"这里有人吗？"她问。
"没……没有。"小明有些紧张地回答。
苏晓晓放下书包，从里面掏出一本厚厚的书。小明瞥了一眼封面——《丝绸之路上的音乐密码》。再看看她书包侧袋里露出的一角东西——那也是一个U盘，和他收到的一模一样。
小明的心跳加速了。
那天晚上，他打开电脑，插入U盘。屏幕上跳出了一个简洁的界面，上面只有一行字：
> "你收到这封信，说明你已经被选中。 > > 不是每个人都有能力踏上这段旅程。 > > 打字机是钥匙，代码是地图，问题是方向。 > > 现在，开始回答第一个问题吧： > > 如果让你设计一个系统来保存人类所有的知识， > > 你会怎么做？ > > 你有24小时。 > > ——A.L."
小明盯着屏幕看了很久。
窗外，夜色渐深。星星开始在天幕上一颗一颗地亮起来。他不知道的是，在城市的另一端，苏晓晓也在对着一个一模一样的界面沉思。而在更远的地方——也许是英国牛津，也许是意大利的某个修道院，也许是敦煌研究院的档案室里——有更多的人正在收到同样的信息。
一场跨越时空的冒险，即将拉开序幕。
---
本章小结
本章从一个看似简单的问题出发——"为什么研究者要手抄古代文献而不是直接拍照"——展开了一场关于知识、技术与人文的深度探索。
我们见证了唐·罗伯托·布拉西修道士在意大利修道院里发明的穿孔卡片系统，这是数字人文最早的萌芽之一。我们追溯了中国"类书"传统和欧洲百科全书运动的历史，理解了人类对知识组织方式的永恒追求。我们还了解了从莎草纸到万维网的信息技术演进，以及这些技术如何一步步改变了知识保存和发现的方式。
更重要的是，我们澄清了数字人文的本质。它不是"用电脑做研究"这么简单，而是一种全新的思维方式——用计算的力量来处理大量文本、发现隐藏规律、提出传统方法无法回答的问题。但技术永远是工具，提出好问题、讲出好故事的能力，才是人文学者的核心竞争力。
敦煌壁画乐谱复活的故事告诉我们，数字人文的成果可以带来真正激动人心的发现。它让失落的音乐重新响起，让沉默的文化遗产开口说话。而这种跨学科协作的模式——历史学家、程序员、音乐家、图像处理专家并肩工作——正是未来解决复杂问题的方式。
最后，我们的小明收到了一个神秘的包裹，里面有一台打字机和一个U盘，上面写着"开始旅程"。一个关于知识、勇气和探索的故事，正在等待着他——也等待着读完本章的你。
在接下来的旅程中，我们将学习如何用代码来分析文本、如何用数据来讲述故事、如何用技术来连接过去与未来。但请记住：技术只是手段，提出问题、追求意义，才是人类永恒的使命。
准备好开始了吗？
---
```mermaid timeline title 信息的千年长征：从莎草纸到云计算
section 古代 公元前3世纪 : 亚历山大图书馆 藏书40万卷 按作者分类 公元220年 : 《皇览》编纂 中国首部百科全书式著作 明朝 : 《永乐大典》 2万卷类书 按主题分类汇