第一章：数字人文？听起来很酷的名字！

你有没有想过，当你在Google上搜索一个历史事件的详细信息时，是什么让你在三秒钟内就能看到来自世界各地图书馆、博物馆的珍稀文献？当你用手机扫描一件艺术品的图像，就能获得关于它创作年代、风格特点、背后故事的详尽分析时，这种“魔法”般体验的背后，其实藏着一门正在悄然改变我们理解人类文化方式的学问——这就是数字人文（Digital Humanities，简称DH）。

数字人文，这个听起来既熟悉又陌生的名字，常常让人产生两种截然不同的误解。第一种误解是：“不就是用电脑研究历史或文学吗？找个程序员写几行代码，把文献输入电脑，让机器帮我们分析就行了。”第二种误解则恰恰相反：“数字人文听起来太高科技了，肯定需要复杂的编程能力、昂贵的设备、顶尖大学的实验室——这些事情跟我有什么关系？”

如果你也有过类似的疑问，那么恭喜你，你已经站在了一个非常有趣的学科门槛上。因为这两种看似合理的猜测，都只是触摸到了数字人文这座冰山浮出水面的那一小角。

让我们先从一个你可能每天都在经历的场景开始想象。假设你对唐朝诗人李白非常着迷，想要深入了解这位“诗仙”的人生轨迹。按照传统的研究方式，你可能会去图书馆，抱回十几本厚厚的传记和论文，然后花上数周甚至数月的时间，一页一页地翻阅、摘录、对比。这种方式当然没有问题，也确实能让你收获满满。但你有没有想过：如果有一种方法，能够让你在同一时间“看到”李白流传至今的一千多首诗歌的手稿真迹、他同时代人对他的评价、他游览过的山川胜迹的地理位置、他书信往来中提到的每一个历史人物的生平信息——所有这些信息不是分散在不同书籍的不同角落，而是以某种方式相互关联、可以自由探索——那会是一种怎样的体验？

这恰恰是数字人文想要实现的目标之一。

一、从日常生活的碎片中看见数字人文的影子

在正式给数字人文下定义之前，让我们先做一些“考古”工作——不是挖掘古代遗址，而是挖掘你日常生活中那些习以为常的数字人文应用。

场景一：在线词典的智能检索

当你使用牛津英语词典（Oxford English Dictionary，简称OED）的在线版本查询一个英语单词时，你有没有注意到，词典不仅告诉你这个单词的含义，还能展示这个词在过去一千年里逐个年代的出现频率变化图？你可以看到“serendipity”（意外发现珍宝的本领）这个词是如何在18世纪被霍勒斯·沃波尔凭空创造出来，然后逐渐进入英语词汇的；你也可以追踪“computer”（计算机）这个词的含义，从17世纪表示“从事计算的人”，到20世纪初表示“机器”，再到今天专指电子计算机的演变轨迹。这种直观的“词汇生命史”呈现方式，就是数字人文工具的典型应用——它将静态的文字知识转化为可交互、可视化的动态信息，让语言学家和普通读者都能一目了然地看到词语的生命轨迹。

场景二：博物馆的虚拟漫游

受全球公共卫生事件的影响，2020年前后，许多人都体验过了博物馆的虚拟漫游服务。你可能在线“走进”了卢浮宫，躺在自家沙发上就能欣赏蒙娜丽莎的神秘微笑；你可能在Google Arts & Culture平台上，观赏了来自70多个国家、超过1200家博物馆的两千多件艺术作品。但这只是数字人文最表层的应用。更深层次的数字人文项目，正在将博物馆的藏品从“孤立的艺术品”转化为“相互关联的知识网络”——比如，当你查看一幅文艺复兴时期的油画时，系统可以同时呈现这幅画的创作技法分析、同时代其他画家的相似作品、画中所描绘建筑在今天的样貌、画中人物的后续命运，甚至当时的物价水平和生活成本。这种多维度、多层次的知识关联，正是数字人文的核心追求。

场景三：历史地图的时空穿越

如果你是一位历史爱好者，你可能曾经用过一种叫做“时空地图”的数字工具。这类工具能够将几百年前的古老地图与今天的卫星图像叠加在一起，让你看到一座城市、一条河流、一片海岸线在过去几个世纪里的沧桑变化。比如，通过比较1860年和2020年的上海外滩地图，我们可以清晰地看到黄浦江岸线向后退了多少、当年那些石库门建筑如今变成了怎样的摩天大楼；通过叠加明朝和清朝的历史地图，我们可以看到长城的走向在不同朝代有何变化、哪些关口曾经是兵家必争之地。这些“古今对照”的背后，是数字人文研究者们大量的地图数字化、地理信息系统（GIS）构建、图像配准的工作。

场景四：文学文本的远距离阅读

“远距离阅读”（distant reading）是数字人文领域的一个著名概念，由意大利学者弗兰科·莫雷蒂（Franco Moretti）提出。传统上，文学研究者的工作方式可以被称为“细读”（close reading）——精读一部作品，分析其中的隐喻、象征、修辞、人物塑造。但如果我们想要研究18世纪以来欧洲文学中“小说”这一体裁的整体演变呢？如果我们想要比较一百位作家的写作风格，找出他们之间的相互影响关系呢？这时，“远距离阅读”的方法就派上了用场——借助计算机的自然语言处理技术，我们可以一次性分析成千上万部文学作品，快速提取出高频词汇、句式结构、情感变化、主题分布等信息。虽然这种分析无法替代对单部作品的深入解读，但它能帮助我们发现那些在个案研究中难以察觉的宏观规律和趋势。

通过这几个场景，你或许已经对数字人文有了一个初步的感性认识。但如果你以为数字人文只是“把文献数字化然后放到网上”，那就太小看这门学科了。让我们继续深入，去看看那些真正令人惊叹的前沿项目。

二、令人惊叹的数字人文项目

牛津大学：让AI“读懂”古代手稿

2019年，英国牛津大学的一个研究团队宣布，他们利用人工智能技术，成功识别并解读了一批此前无人能懂的古希腊泥饼。这些所谓的“死海卷轴”碎片上覆盖着数百年来积累的墨水和污渍，传统的方法需要花费数十年时间才能由专家逐字辨认。但牛津大学的研究团队开发了一套深度学习算法，能够在几秒钟内分析高分辨率图像，识别出肉眼难以分辨的字母和单词。更重要的是，这套系统还能预测缺失部分的文字内容，为学者提供“候选解读”。

这个项目的负责人、牛津大学数字人文中心主任西蒙·琼斯·威廉姆斯（Simon Jones Williams）教授在接受采访时说了一段话，非常精辟地概括了数字人文的核心理念：“我们的目标不是让机器取代学者，而是让机器做那些人类不擅长、但对研究至关重要的苦力活——比如同时追踪数千个变量、在海量数据中发现微弱模式。真正有创造性的解读和阐释，仍然需要人类学者的智慧。但有了数字工具的帮助，学者们可以把有限的时间和精力，集中在真正需要思考的问题上。”

大英图书馆：数字化不只是扫描

成立于1753年的大英图书馆，是世界上最大的学术图书馆之一，收藏了超过1.7亿件藏品。从地图、手稿到乐谱、报纸，大英图书馆的藏品几乎涵盖了人类文明的所有知识领域。

2013年，大英图书馆启动了一个雄心勃勃的数字化工程，计划在未来数年内将数百万件藏品转化为高质量的数字图像，并通过网络向全世界免费开放。这个项目不仅仅是简单的“高分辨率扫描”——图书馆还邀请了全球的志愿者参与一项名为“让图片说话”（Transcribe Bentham）的大型众包转录项目。志愿者们在线认领手稿图片，逐字逐句地转录其中的文字内容。这些转录文本随后被用于训练自动识别系统，而系统识别能力的提升又进一步加速了更多手稿的数字化进程。

截至目前，大英图书馆的数字化平台已经提供了超过400万张图像、超过5000万条元数据记录。这些资源不仅向普通公众开放，也为学术研究提供了前所未有的便利。一位研究维多利亚时代社会史的学者，如今可以在大英图书馆的网站上搜索“1830年代的伦敦工人罢工”，系统会返回所有相关的手稿、报纸报道、官方文件、地图和图片——而这一切，在没有数字化的年代，需要花费数周时间在图书馆现场翻阅卡片目录和实物档案。

“罗马的陷落”：用数据重建历史

2013年，一位名叫伊莱·帕里斯特罗（Elijah Parulsky）的美国本科生的毕业设计项目，意外地成为了数字人文领域的经典案例。他收集整理了从公元前一千年到公元五百年之间，罗马帝国境内所有有记载的城市“陷落”事件——所谓“陷落”，指的是城市被外敌攻占、遭受重大灾难、人口大规模减少等历史事件。通过将这些数据与地理信息系统相结合，帕里斯特罗制作了一幅动态的“罗马帝国衰落地图”。

这幅地图的震撼之处在于：它以一种直观到令人心痛的方式，展现了罗马帝国是如何在两三百年的时间里，从一个横跨三大洲的超级帝国，逐渐萎缩为只剩下罗马城周边的一小块区域。观看者可以看到，原本覆盖地图大部分区域的罗马城市网络，是如何在一次次蛮族入侵中逐个熄灭——有些城市消失得悄无声息，有些城市则在陷落前经历了最后的挣扎和抵抗。

这个项目后来被扩展为一个名为“罗马的陷落”（The Fall of Rome）的综合数据库，收录了包括城市陷落日期、陷落原因、后续命运、考古证据等在内的详尽信息。该项目吸引了来自历史学、考古学、计算机科学、统计学等多个学科的研究者参与，成为了跨学科合作的典范。

谷歌艺术与文化：让世界成为一座博物馆

2011年，谷歌启动了“艺术与文化”（Google Arts & Culture）项目，目标是“让世界上的每一个人都能接触到人类的艺术宝藏”。经过十余年的发展，这个平台已经与来自80多个国家和地区的超过2000家文化机构建立了合作关系，数字化展示了超过700万件艺术作品和文化藏品。

但“艺术与文化”平台的价值，远不止于提供一个“在线看画”的渠道。2017年，谷歌推出了一个名为“色彩”（Colors）的实验性功能——用户可以上传任意一张图片，系统会自动分析图片中的主要颜色，然后推荐具有相似色调的艺术作品。结果，许多用户发现了一些出人意料的关联：一张普通的日落照片，可能与透纳（Turner）的风景画共享同一个色系；一张孩子涂鸦的蓝色画面，可能与波洛克（Pollock）的抽象表现主义作品有着惊人相似的主色调。这种“颜色即线索”的探索方式，为艺术欣赏提供了一种全新的视角。

更重要的是，谷歌的团队还在不断探索如何利用机器学习技术，“理解”艺术作品的内容和风格。2019年，他们推出了一个能够识别画作中人物、物体、场景的人工智能系统；2021年，这个系统进一步升级，可以分析画作的构图方式、笔触特征、色彩搭配，并将这些特征与其他作品进行对比。这种技术，为艺术史研究提供了量化的分析工具，也为普通观众提供了理解艺术作品深层结构的窗口。

透光的千年古籍：电子显微镜下的书写痕迹

除了这些大型项目之外，还有许多“小而美”的数字人文研究同样令人瞩目。2021年，一个由英国剑桥大学和荷兰代尔夫特理工大学组成的联合研究团队，在《自然》杂志上发表了一篇论文，介绍了一种名为“虚拟展开”的新技术。

这项技术的工作原理是这样的：研究团队使用一种特殊的X射线显微断层扫描设备，可以“穿透”那些因为年代久远、胶结在一起而无法打开的古代卷轴——比如那些在罗马庞贝古城遗址出土的赫库兰尼姆卷轴（Herculaneum papyri）。这些卷轴在公元79年维苏威火山爆发时被火山灰掩埋，虽然奇迹般地保存了下来，但由于纸张已经极度脆弱，一旦强行打开就会粉碎。几百年以来，学者们对这些卷轴束手无策，只能眼睁睁地看着里面的文字无法阅读。

但现在，研究团队的高分辨率扫描设备可以重建卷轴内部的三维结构，甚至可以识别出纸上墨水的化学成分。更令人兴奋的是，通过训练人工智能识别古希腊字母的形态特征，系统可以自动“读取”那些被折叠、卷曲、损坏的文字。2023年，这个团队首次成功“读出”了一个完整赫库兰尼姆卷轴的内容——这是一篇关于音乐理论的论文，作者可能是古希腊哲学家菲洛德穆斯（Philodemus）。

三、数字人文的前世今生：从“计算”到“对话”

通过上面这些例子，你或许已经对数字人文有了一个更加立体、更加鲜活的印象。但要真正理解数字人文，我们还需要知道它是如何发展而来的——它的前世今生，是理解这门学科本质的一把钥匙。

萌芽期：计算机辅助人文研究（1940年代-1970年代）

数字人文的历史，最早可以追溯到第二次世界大战结束后不久的年代。那时候，电子计算机刚刚从实验室走向实际应用，体积庞大、价格昂贵、功能有限，主要用于军事和商业领域的数值计算。但已经有少数具有前瞻性眼光的学者，开始思考一个问题：这些“会计算的机器”，能否帮助我们处理那些“非数值”的信息——比如文字、图像、音乐？

最早的一批探索者包括意大利神学家罗伯托·布萨（Roberto Busa），他在1950年代开始与IBM公司合作，使用计算机编制托马斯·阿奎那（Thomas Aquinas）全部作品的词索引（concordance）。这项工作历时数十年，最终产出了一套52卷的巨著，被认为是数字人文领域的奠基之作。

同一时期，还有一批语言学家开始尝试使用计算机进行文本分析、统计语言学研究、机器翻译实验。在美国，耶鲁大学的路易斯·苏特罗夫（Louis Sutro）开发了一个能够分析莎士比亚戏剧的计算机程序；在英国，曼彻斯特大学的维克托·克莱门森（Victor Clemensen）建立了中世纪英语文献的数据库。

这些早期工作的共同特点是：技术手段相对简陋，研究范围相对狭窄，主要集中在文献检索、词频统计、索引编制等“基础性”工作上。但它们为后来的发展奠定了重要的方法论基础——证明了计算机技术应用于人文研究的可行性和潜在价值。

成长期：数字人文概念的诞生（1980年代-1990年代）

1980年代，随着个人电脑的普及和文本处理软件的发展，计算机辅助人文研究开始走出少数先驱的实验室，进入更多高校和科研机构的课堂。1987年，“人文计算”（Humanities Computing）作为一个正式术语，开始出现在学术期刊和会议论文中；1992年，国际计算与人文学会（Association for Computers and the Humanities，简称ACH）成立；1995年，首份专门的数字人文学术期刊《数字人文季刊》（Digital Humanities Quarterly）创刊。

这一时期的一个重要转折点，是“数字人文”（Digital Humanities）这个名称的正式登场。2004年，美国学者杰罗尔德·芒克（Jerome McGann）出版了《诠释文本：一个批评性的文学理论方法》（Radiant Textuality: Textual Study after the Internet）一书，首次系统性地提出了“数字人文”的概念框架；同年，谢尔盖·布伦纳（Schöner Brunauer）创立了“数字人文”（Digital Humanities）这一术语。2006年，"digitalhumanities.org"网站上线，成为该领域的信息聚合平台；2009年，数字人文领域最具影响力的年度会议DH Conference首次在英国乌尔姆大学举办。

值得注意的是，“数字人文”不仅仅是一个新名称，更代表了一种新的学科意识。与此前侧重于“工具应用”的“人文计算”相比，“数字人文”更强调技术与人文之间的深度融合、更强调跨学科合作、更强调公共参与和社会影响力。

爆发期：成为显学（2010年代至今）

2010年代以来，数字人文迎来了爆发式增长的黄金时期。这一轮增长的主要驱动力包括以下几个方面：

第一，大数据和云计算的普及。 过去，数字人文研究的最大瓶颈之一是计算资源——处理数百万份文档、运行复杂的文本分析算法，往往需要强大的计算能力支撑。但云计算的出现改变了这一局面。现在，研究者可以通过租用云服务的方式，以相对低廉的成本获得几乎无限的计算资源。

第二，人工智能和机器学习的突破。 深度学习技术的成熟，使得计算机在图像识别、自然语言处理、语音合成等领域取得了惊人的进步。这些技术进步为数字人文提供了强大的分析工具——比如自动识别手稿文字、自动翻译古代语言、自动分析文学风格、自动生成知识图谱。

第三，开源文化和开放获取运动的推动。 越来越多的数字人文项目采用开源模式运营，代码、工具、数据都向公众开放。这种开放精神与数字人文倡导的“知识民主化”理念高度契合，也为全球研究者之间的协作提供了便利。

第四，新一代学者的崛起。 越来越多的年轻人文社科学者开始接受系统的技术训练，同时，越来越多的计算机科学背景的学生对人文问题产生了浓厚兴趣。这种“双重素养”（dual literacy）的新生力量，正在重塑数字人文的学术生态。

如今，数字人文已经成为全球学术界最活跃、最具跨学科影响力的领域之一。从哈佛、斯坦福、牛津、剑桥等顶尖学府，到世界各地的中小型院校，都在积极布局数字人文研究和教学。许多国家的科研基金机构，如美国国家人文科学基金会（NEH）、英国艺术与人文研究理事会（AHRC）、中国国家社会科学基金，都设立了专门的数字人文项目资助渠道。

四、数字人文的核心方法论：三个关键词

在了解了数字人文的发展历程之后，让我们来简要概括一下它的核心理念和方法论。如果要用三个关键词来概括数字人文的本质，我会选择：关联（Link）、规模（Scale）、协作（Collaborate）。

关联：打破知识的孤岛

人类知识长期以来被组织成一个个相互独立的学科和专业——历史学家研究历史，文学研究者研究文学，艺术家研究艺术。这种分门别类的组织方式虽然有助于知识的积累和传承，但也造成了严重的“知识孤岛”现象——同一个历史人物，可能同时出现在文学史、政治史、经济史、科学史、艺术史的不同章节中，但这些章节之间往往缺乏有效的关联。

数字人文的一个核心追求，就是打破这些壁垒，通过技术手段建立知识之间的关联网络。最典型的例子就是“知识图谱”（Knowledge Graph）——一种用图结构来表示和组织知识的方法。在知识图谱中，实体（如人物、地点、事件、概念）被表示为节点，它们之间的关系（如“出生在”“参与”“导致了”）被表示为边。通过这种方式，原本散落在不同来源中的信息可以被整合成一个有机的整体。

想象一下，如果我们构建了一个关于“唐朝诗人李白”的知识图谱，那么这个图谱可以包括：李白的每一首诗、诗中提到的每一个地名（如黄鹤楼、敬亭山）、与李白同时代的每一位诗人、唐代每位皇帝的在位时间、安史之乱中影响李白的每一个人——所有这些实体和关系相互连接，形成了一个立体的、可探索的知识网络。研究者可以从任何一个节点出发，沿着关系边追溯到其他相关的节点，发现传统研究方式难以察觉的联系。

规模：从小样本到大数据

传统的人文研究，往往依赖对少数文本的精读和细读。这种方法的优势在于能够深入挖掘文本的丰富性和复杂性，但缺点是难以得出具有统计意义的宏观结论。例如，如果我们想研究“唐代诗歌中的孤独主题”，传统的做法是选取几首具有代表性的作品进行深入分析；但如果我们想知道“唐代三百年间，诗歌中表达孤独的频率和方式发生了怎样的变化”，就需要分析尽可能多的唐代诗歌文本。

数字人文方法论的一个重要贡献，就是引入了“规模思维”（thinking at scale）。借助计算机的处理能力，我们可以对成千上万甚至上百万份文本进行整体分析