數(shù)字化為古籍研究帶來怎樣的“蝶變”

　　數(shù)字與古籍，以前像兩條涇渭分明的河流。

　　當它們相遇后，能產(chǎn)生怎樣的效能和反應？

　　循著新近出臺的《關(guān)于推進新時代古籍工作的意見》所提出的“推進古籍數(shù)字化”“積極開展古籍文本結(jié)構(gòu)化、知識體系化、利用智能化的研究和實踐”等要求，記者采訪了國內(nèi)從事古籍智能化研究的學者，探一探數(shù)字化能給古籍保護與研究帶來怎樣的“蝶變”。

　　沉寂的典籍，動起來了

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

　　這是北京大學人工智能專業(yè)學生馬源和她的同學們向首屆“北京大學數(shù)字人文作品展”所提交的展品——用JavaScript完成的H5習作，取名為“宋元學案傳承可視化系統(tǒng)”。

　　“像《宋元學案》這樣的大部頭古籍，離我們的時代太遙遠了。如果不是做專業(yè)研究的學者，可能根本想不起來要翻閱它。我們想通過這種像游戲界面一樣的形態(tài)，吸引年輕人了解古籍。”馬源說。

　　展覽現(xiàn)場，同樣能帶來“躍動”感的，是北京大學中國古代史研究中心副主任史睿指導桑宇辰等同學制作的“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《朱熹年譜長編》進行了時空的可視化呈現(xiàn)，讀者能自主點擊、了解朱熹求學、游歷、交友的生平。

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

　　“數(shù)字人文代表著智能信息環(huán)境下，人文社會科學研究范式的轉(zhuǎn)型，從傳統(tǒng)的文本驅(qū)動向數(shù)據(jù)驅(qū)動轉(zhuǎn)型。人文研究的材料，如文獻、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。視覺化只是數(shù)字人文帶來的附帶效應，讓人易于理解學術(shù)成果。而其深層邏輯，是研究范式的變化。”北京大學數(shù)字人文研究中心主任王軍教授告訴記者。

　　展覽現(xiàn)場有他指導的博士生王林旭對《宋元學案》《明儒學案》《清儒學案》所做的數(shù)據(jù)挖掘成果展示——

　　“學術(shù)關(guān)系網(wǎng)絡(luò)圖”，用正則表達式對《宋元學案》和《清儒學案》進行人物關(guān)系統(tǒng)計，共有“弟子”“家學”“私淑”“同調(diào)”“學侶”“講友”“交游”“從游”“其他”9種類型，出現(xiàn)頻次一目了然。

　　“通過知識圖譜的重構(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)和語義關(guān)系能在短時間內(nèi)被清晰的抽繹和展示出來。”王軍說。

　　除了中國古籍能“數(shù)”讀，國外的古籍能“數(shù)”讀嗎？

　　答案是肯定的。

　　在北京大學外國語學院西葡意語系教師成沫對意大利詩人但丁進行的數(shù)字化研究項目中，《神曲》中重復頻率最高的三行詩韻律結(jié)構(gòu)valle（山谷）、spalle（肩膀）、calle（小道）被精準地提煉了出來。

　　不僅是“讀取”，還要能“演繹”

　　過去的典籍研究，主要靠大師。

　　大師在大量閱讀文獻的基礎(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。在機器智能的介入下，學者能獲得瞬間處理海量資料的能力，王軍分析。

　　清華大學中文系教授劉石和首都師范大學中國詩歌研究中心專職研究員尹小林發(fā)表的一篇文章，對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，這樣的成果是難以在短時期內(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。

　　“在詩歌研究領(lǐng)域，前輩學者主要通過例證，來進行分析和總結(jié)中國古典詩詞的聲律。后來出現(xiàn)了手工標注統(tǒng)計和基于大量詩詞的定量分析統(tǒng)計。然而這些研究結(jié)論都來源于人工統(tǒng)計，單項研究的耗時長。”北京大學中文系教授杜曉勤回顧道。

　　有沒有一個軟件，能“一鍵”就準確標注所有中國古典詩詞的聲律格式和合律程度呢？

　　從2004年起，杜曉勤等開始建設(shè)中國古代音韻數(shù)據(jù)庫和中國古代詩歌文本數(shù)據(jù)庫，共錄入1萬多個漢字的音韻和900多萬字的詩歌。在此基礎(chǔ)上，他們研發(fā)了“中國古典詩歌聲律分析系統(tǒng)”。這個系統(tǒng)，能快速、大批量標記與統(tǒng)計分析中國古典詩歌的聲律。

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

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

　　他指導唐雪梅、嚴承希等博士生研發(fā)的古籍自動整理系統(tǒng)，通過對算法的深度學習和大規(guī)模語料訓練，能對古籍的句讀和人名、地名、職官、書名、時間五類實體進行自動標記。其中句讀平均準確率達94%，命名實體識別在史料上的準確率達98%。

　　“智能技術(shù)支持下的古典文獻研究，是未來古籍研究的重要方向之一。”王軍說。

　　人文學科新氣象的“薪火”，從這里誕生

　　“昨夜星辰昨夜風，千秋靈會此宵同。一枝月桂和煙秀，人在瓊樓玉宇中。”在一次公開演講中，清華大學計算機科學與技術(shù)系教授孫茂松向聽眾展示了一首詩。

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

　　通過算法和深度學習，人工智能已經(jīng)能媲美人類進行攝影、畫畫、作曲、寫詩。

　　創(chuàng)造性，這一人類所獨有的領(lǐng)域，正逐步被機器介入，由此也產(chǎn)生了一些倫理問題——例如，機器通過習得而非人類在感情充沛時產(chǎn)生的創(chuàng)造物，能被稱為“藝術(shù)”嗎？

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

　　機器介入各類古籍研究后產(chǎn)生的結(jié)果，如各類統(tǒng)計數(shù)據(jù)、可視化“圖譜”或者“頁面”，能被認定為具有思想性的人文研究成果嗎？如果能，怎樣量化它們的學術(shù)價值？

　　“這些應該也算作成果的一種形式。在各個學界，對數(shù)據(jù)集的重視都在日益增強，以古籍研究為基礎(chǔ)的史學、文學等人文學科不應輕視，而且要更加重視。而可視化本身，一方面可以幫助學者獲得更多洞見，另一方面也能更好地向大眾進行傳播。有一些方式，是傳統(tǒng)手段難以達到的，是人文學科新氣象的‘薪火’，需要保護好。”北京大學智能學院教授袁曉如這樣回答記者的疑問。

　　“無論是可視化成果本身，還是成果產(chǎn)生的傳播效應，都是可以計量的。當然，雖然數(shù)據(jù)驅(qū)動將智能技術(shù)引入了人文學科，但是數(shù)據(jù)的使用和意義的闡釋，還是需要人文學者的介入和指導。”王軍說。

　　新近出臺的《關(guān)于推進新時代古籍工作的意見》要求，“加強古籍數(shù)據(jù)流通和協(xié)同管理，實現(xiàn)古籍數(shù)字化資源匯聚共享”“支持古籍數(shù)字化重點單位做強做優(yōu)，加強古籍數(shù)字化資源管理和開放共享”。

　　這背后，有著怎樣的原因？

　　“因為古籍智能化及以其為基礎(chǔ)的人文學術(shù)研究需要大量的資金投入。計算工具平臺、數(shù)據(jù)資源、技術(shù)服務團隊等，都需要投入。然而，每個研究機構(gòu)的資金實力是不一致的。傳統(tǒng)依靠一兩位學者皓首窮經(jīng)就能產(chǎn)生大量成果的研究方法，在數(shù)字化時代可能不適用了。為了彌補資金投入差別造成的學術(shù)鴻溝，就有必要加強共享。”王軍談道。

　　“北京大學可以肩負起建設(shè)國家基礎(chǔ)設(shè)施的任務，同時也將這些設(shè)施對外分享，幫助偏遠地區(qū)或者學術(shù)資源不足的地方開展研究。”袁曉如說。

　　古籍數(shù)字化保護與利用的新樂章，已經(jīng)奏響了。（記者 韓寒）