數(shù)字化為古籍研究帶來(lái)怎樣的“蝶變”

光明日?qǐng)?bào)記者 韓寒

數(shù)字與古籍，以前像兩條涇渭分明的河流。

當(dāng)它們相遇后，能產(chǎn)生怎樣的效能和反應(yīng)？

循著新近出臺(tái)的《關(guān)于推進(jìn)新時(shí)代古籍工作的意見(jiàn)》所提出的“推進(jìn)古籍?dāng)?shù)字化”“積極開(kāi)展古籍文本結(jié)構(gòu)化、知識(shí)體系化、利用智能化的研究和實(shí)踐”等要求，記者采訪了國(guó)內(nèi)從事古籍智能化研究的學(xué)者，探一探數(shù)字化能給古籍保護(hù)與研究帶來(lái)怎樣的“蝶變”。

沉寂的典籍，動(dòng)起來(lái)了

一幅橫向流動(dòng)的《千里江山圖》上，標(biāo)注了“涑水”“濂溪”“玉山”等若干個(gè)古地名。數(shù)百個(gè)衣袂飄飄的儒生，正在圖上緩緩挪動(dòng)，像是在“趕路”。他們從一個(gè)地方挪到另一個(gè)地方的行程，代表著他們的求學(xué)歷程和所屬學(xué)派。

這是北京大學(xué)人工智能專業(yè)學(xué)生馬源和她的同學(xué)們向首屆“北京大學(xué)數(shù)字人文作品展”所提交的展品——用JavaScript完成的H5習(xí)作，取名為“宋元學(xué)案?jìng)鞒锌梢暬到y(tǒng)”。

“像《宋元學(xué)案》這樣的大部頭古籍，離我們的時(shí)代太遙遠(yuǎn)了。如果不是做專業(yè)研究的學(xué)者，可能根本想不起來(lái)要翻閱它。我們想通過(guò)這種像游戲界面一樣的形態(tài)，吸引年輕人了解古籍?！瘪R源說(shuō)。

展覽現(xiàn)場(chǎng)，同樣能帶來(lái)“躍動(dòng)”感的，是北京大學(xué)中國(guó)古代史研究中心副主任史睿指導(dǎo)桑宇辰等同學(xué)制作的“朱子年譜可視化系統(tǒng)”，它利用GIS（地理信息系統(tǒng)）技術(shù)，對(duì)《朱熹年譜長(zhǎng)編》進(jìn)行了時(shí)空的可視化呈現(xiàn)，讀者能自主點(diǎn)擊、了解朱熹求學(xué)、游歷、交友的生平。

數(shù)字技術(shù)甚至賦予古籍研究人文學(xué)科的能力，遠(yuǎn)不止讓它們像游戲一樣動(dòng)起來(lái)。

“數(shù)字人文代表著智能信息環(huán)境下，人文社會(huì)科學(xué)研究范式的轉(zhuǎn)型，從傳統(tǒng)的文本驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)型。人文研究的材料，如文獻(xiàn)、圖錄、器物等，都可轉(zhuǎn)化成某種形態(tài)的數(shù)據(jù)，從而使得大數(shù)據(jù)和人工智能技術(shù)也能處理它們。視覺(jué)化只是數(shù)字人文帶來(lái)的附帶效應(yīng)，讓人易于理解學(xué)術(shù)成果。而其深層邏輯，是研究范式的變化?！北本┐髮W(xué)數(shù)字人文研究中心主任王軍教授告訴記者。

展覽現(xiàn)場(chǎng)有他指導(dǎo)的博士生王林旭對(duì)《宋元學(xué)案》《明儒學(xué)案》《清儒學(xué)案》所做的數(shù)據(jù)挖掘成果展示——

“學(xué)術(shù)關(guān)系網(wǎng)絡(luò)圖”，用正則表達(dá)式對(duì)《宋元學(xué)案》和《清儒學(xué)案》進(jìn)行人物關(guān)系統(tǒng)計(jì)，共有“弟子”“家學(xué)”“私淑”“同調(diào)”“學(xué)侶”“講友”“交游”“從游”“其他”9種類型，出現(xiàn)頻次一目了然。

“通過(guò)知識(shí)圖譜的重構(gòu)，古籍不再是一座座文字的大山，古文里的內(nèi)在結(jié)構(gòu)和語(yǔ)義關(guān)系能在短時(shí)間內(nèi)被清晰的抽繹和展示出來(lái)。”王軍說(shuō)。

除了中國(guó)古籍能“數(shù)”讀，國(guó)外的古籍能“數(shù)”讀嗎？

答案是肯定的。

在北京大學(xué)外國(guó)語(yǔ)學(xué)院西葡意語(yǔ)系教師成沫對(duì)意大利詩(shī)人但丁進(jìn)行的數(shù)字化研究項(xiàng)目中，《神曲》中重復(fù)頻率最高的三行詩(shī)韻律結(jié)構(gòu)valle（山谷）、spalle（肩膀）、calle（小道）被精準(zhǔn)地提煉了出來(lái)。

不僅是“讀取”，還要能“演繹”

過(guò)去的典籍研究，主要靠大師。

大師在大量閱讀文獻(xiàn)的基礎(chǔ)上，靠一己的記憶與思辨能力，產(chǎn)出具有思想性的研究成果，再訴諸筆端，以文字的形態(tài)傳遞給大眾。

機(jī)器智能輔助下的典籍研究，則是以數(shù)據(jù)為基礎(chǔ)的。在機(jī)器智能的介入下，學(xué)者能獲得瞬間處理海量資料的能力，王軍分析。

清華大學(xué)中文系教授劉石和首都師范大學(xué)中國(guó)詩(shī)歌研究中心專職研究員尹小林發(fā)表的一篇文章，對(duì)先秦到清代的百部經(jīng)典古籍做了大數(shù)據(jù)分析，發(fā)現(xiàn)頗豐。如果依賴于人工統(tǒng)計(jì)，這樣的成果是難以在短時(shí)期內(nèi)產(chǎn)生的。數(shù)字帶給經(jīng)典典籍研究的變化之一，是效率的提升。

“在詩(shī)歌研究領(lǐng)域，前輩學(xué)者主要通過(guò)例證，來(lái)進(jìn)行分析和總結(jié)中國(guó)古典詩(shī)詞的聲律。后來(lái)出現(xiàn)了手工標(biāo)注統(tǒng)計(jì)和基于大量詩(shī)詞的定量分析統(tǒng)計(jì)。然而這些研究結(jié)論都來(lái)源于人工統(tǒng)計(jì)，單項(xiàng)研究的耗時(shí)長(zhǎng)。”北京大學(xué)中文系教授杜曉勤回顧道。

有沒(méi)有一個(gè)軟件，能“一鍵”就準(zhǔn)確標(biāo)注所有中國(guó)古典詩(shī)詞的聲律格式和合律程度呢？

從2004年起，杜曉勤等開(kāi)始建設(shè)中國(guó)古代音韻數(shù)據(jù)庫(kù)和中國(guó)古代詩(shī)歌文本數(shù)據(jù)庫(kù)，共錄入1萬(wàn)多個(gè)漢字的音韻和900多萬(wàn)字的詩(shī)歌。在此基礎(chǔ)上，他們研發(fā)了“中國(guó)古典詩(shī)歌聲律分析系統(tǒng)”。這個(gè)系統(tǒng)，能快速、大批量標(biāo)記與統(tǒng)計(jì)分析中國(guó)古典詩(shī)歌的聲律。

利用這個(gè)系統(tǒng)，杜曉勤撰寫(xiě)了《齊梁詩(shī)歌向盛唐詩(shī)歌的嬗變》《六朝聲律與唐詩(shī)體格》等多部專著，刊發(fā)了多篇論文。

在古籍?dāng)?shù)字化領(lǐng)域耕耘多年，王軍想做的不僅僅是對(duì)古籍進(jìn)行單向度的知識(shí)抽取和信息集成。

他指導(dǎo)唐雪梅、嚴(yán)承希等博士生研發(fā)的古籍自動(dòng)整理系統(tǒng)，通過(guò)對(duì)算法的深度學(xué)習(xí)和大規(guī)模語(yǔ)料訓(xùn)練，能對(duì)古籍的句讀和人名、地名、職官、書(shū)名、時(shí)間五類實(shí)體進(jìn)行自動(dòng)標(biāo)記。其中句讀平均準(zhǔn)確率達(dá)94%，命名實(shí)體識(shí)別在史料上的準(zhǔn)確率達(dá)98%。

“智能技術(shù)支持下的古典文獻(xiàn)研究，是未來(lái)古籍研究的重要方向之一?！蓖踯娬f(shuō)。

人文學(xué)科新氣象的“薪火”，從這里誕生

“昨夜星辰昨夜風(fēng)，千秋靈會(huì)此宵同。一枝月桂和煙秀，人在瓊樓玉宇中?！痹谝淮喂_(kāi)演講中，清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系教授孫茂松向聽(tīng)眾展示了一首詩(shī)。

“你們能看出，這是一首從4篇古詩(shī)里摘錄句子組成的集句詩(shī)嗎？關(guān)鍵是，能看出這是機(jī)器人創(chuàng)作的嗎？”孫茂松問(wèn)。

通過(guò)算法和深度學(xué)習(xí)，人工智能已經(jīng)能媲美人類進(jìn)行攝影、畫(huà)畫(huà)、作曲、寫(xiě)詩(shī)。

創(chuàng)造性，這一人類所獨(dú)有的領(lǐng)域，正逐步被機(jī)器介入，由此也產(chǎn)生了一些倫理問(wèn)題——例如，機(jī)器通過(guò)習(xí)得而非人類在感情充沛時(shí)產(chǎn)生的創(chuàng)造物，能被稱為“藝術(shù)”嗎？

同樣的問(wèn)題，也易產(chǎn)生在人工智能賦能后的人文學(xué)術(shù)研究領(lǐng)域。

機(jī)器介入各類古籍研究后產(chǎn)生的結(jié)果，如各類統(tǒng)計(jì)數(shù)據(jù)、可視化“圖譜”或者“頁(yè)面”，能被認(rèn)定為具有思想性的人文研究成果嗎？如果能，怎樣量化它們的學(xué)術(shù)價(jià)值？

“這些應(yīng)該也算作成果的一種形式。在各個(gè)學(xué)界，對(duì)數(shù)據(jù)集的重視都在日益增強(qiáng)，以古籍研究為基礎(chǔ)的史學(xué)、文學(xué)等人文學(xué)科不應(yīng)輕視，而且要更加重視。而可視化本身，一方面可以幫助學(xué)者獲得更多洞見(jiàn)，另一方面也能更好地向大眾進(jìn)行傳播。有一些方式，是傳統(tǒng)手段難以達(dá)到的，是人文學(xué)科新氣象的‘薪火’，需要保護(hù)好?！北本┐髮W(xué)智能學(xué)院教授袁曉如這樣回答記者的疑問(wèn)。

“無(wú)論是可視化成果本身，還是成果產(chǎn)生的傳播效應(yīng)，都是可以計(jì)量的。當(dāng)然，雖然數(shù)據(jù)驅(qū)動(dòng)將智能技術(shù)引入了人文學(xué)科，但是數(shù)據(jù)的使用和意義的闡釋，還是需要人文學(xué)者的介入和指導(dǎo)。”王軍說(shuō)。

新近出臺(tái)的《關(guān)于推進(jìn)新時(shí)代古籍工作的意見(jiàn)》要求，“加強(qiáng)古籍?dāng)?shù)據(jù)流通和協(xié)同管理，實(shí)現(xiàn)古籍?dāng)?shù)字化資源匯聚共享”“支持古籍?dāng)?shù)字化重點(diǎn)單位做強(qiáng)做優(yōu)，加強(qiáng)古籍?dāng)?shù)字化資源管理和開(kāi)放共享”。

這背后，有著怎樣的原因？

“因?yàn)楣偶悄芑耙云錇榛A(chǔ)的人文學(xué)術(shù)研究需要大量的資金投入。計(jì)算工具平臺(tái)、數(shù)據(jù)資源、技術(shù)服務(wù)團(tuán)隊(duì)等，都需要投入。然而，每個(gè)研究機(jī)構(gòu)的資金實(shí)力是不一致的。傳統(tǒng)依靠一兩位學(xué)者皓首窮經(jīng)就能產(chǎn)生大量成果的研究方法，在數(shù)字化時(shí)代可能不適用了。為了彌補(bǔ)資金投入差別造成的學(xué)術(shù)鴻溝，就有必要加強(qiáng)共享。”王軍談道。

“北京大學(xué)可以肩負(fù)起建設(shè)國(guó)家基礎(chǔ)設(shè)施的任務(wù)，同時(shí)也將這些設(shè)施對(duì)外分享，幫助偏遠(yuǎn)地區(qū)或者學(xué)術(shù)資源不足的地方開(kāi)展研究。”袁曉如說(shuō)。

古籍?dāng)?shù)字化保護(hù)與利用的新樂(lè)章，已經(jīng)奏響了。

《光明日?qǐng)?bào)》（ 2022年04月13日 08版）

責(zé)編：唐錦玲

來(lái)源：冷水江市融媒體中心