科幻作家劉洋：文學(xué)計(jì)算研究不僅是可行的，而且是必要的

文學(xué)計(jì)算（ Literary Computing ），即通過計(jì)量的方式進(jìn)行文學(xué)作品的挖掘、分析、比較和批評，是當(dāng)前方興未艾的數(shù)字人文潮流的一個(gè)重要組成部分，但其傳統(tǒng)和源流又遠(yuǎn)遠(yuǎn)早于數(shù)字人文這一概念所通常涵蓋的時(shí)間范圍。在 19 世紀(jì)末，歐洲和美國的一些科學(xué)家就已經(jīng)嘗試通過量化的方式，對文學(xué)作品進(jìn)行分析，這可以看作是最早期的文學(xué)計(jì)算研究。顯然，這一領(lǐng)域?qū)儆诘湫偷目鐚W(xué)科研究，對文本的數(shù)字化和特定要素的讀取涉及信息科學(xué)，對數(shù)據(jù)的計(jì)算涉及統(tǒng)計(jì)學(xué)，對數(shù)據(jù)中隱藏模式和結(jié)構(gòu)的提取涉及物理學(xué)，對作品中角色或創(chuàng)作者的性格、精神的量化分析涉及心理學(xué)，對文本中地理分布和變遷路徑的提取和可視化呈現(xiàn)涉及地理學(xué)，等等。

跨學(xué)科研究固然是令人興奮的，因?yàn)樗蚱茖W(xué)科的邊界，通過新的視角和范式來處理既有的問題，往往能帶來新的洞見，但也帶來了新的困惑、懷疑和批評。特別是那些嘗試在人文學(xué)科與自然學(xué)科之間架設(shè)有效聯(lián)系和方法論橋梁的努力，尤其容易遭受各方的質(zhì)疑。正如查爾斯 · 珀西 · 斯諾（ Charles Percy Snow ）在《兩種文化與科學(xué)革命》的演講中提到的那樣，科學(xué)與人文之間 “ 存在互不理解的鴻溝 ” （ Snow ， [1959]1990 ）。作為一名科學(xué)家與作家，斯諾常常白天和科學(xué)家同事們一起工作，晚上則又和文學(xué)家朋友們聚在一起，因此他深刻地體會到在當(dāng)時(shí)的社會環(huán)境中，文學(xué)家和科學(xué)家之間的互不理解甚至是厭惡、敵意。我非常理解斯諾的這種感受，因?yàn)槲冶旧硎亲鑫锢硌芯砍錾淼模谖覍W(xué)術(shù)生涯的初期，我主要從事凝聚態(tài)物理學(xué)研究。與此同時(shí)，在讀研究生的時(shí)候，我就開始創(chuàng)作科幻小說，并一直持續(xù)至今。也正因?yàn)槲覍苹眯≌f的喜愛，后來，我從理學(xué)院轉(zhuǎn)到人文學(xué)院，開始接觸到更多人文學(xué)者和文學(xué)理論。我發(fā)現(xiàn)，斯諾所說的鴻溝，在今天并沒有彌合，因?yàn)閮深悓W(xué)者的基本學(xué)術(shù)素養(yǎng)、關(guān)心的問題和研究的范式都截然不同。但與斯諾所說不同的是，今天的兩類學(xué)者之間似乎并沒有太多敵意了，因?yàn)殡S著人文學(xué)科在話語權(quán)利結(jié)構(gòu)中的整體收縮，兩者 連產(chǎn)生 敵意的基礎(chǔ)都已經(jīng)失去了。

事實(shí)上，在文學(xué)與自然科學(xué)的交融進(jìn)程中，我們可以大致區(qū)分出兩種學(xué)科跨越的方向，每一種都引起了眾多爭議。一種是將自然科學(xué)的概念引入文學(xué)理論中，但拋棄了其數(shù)學(xué)上的復(fù)雜結(jié)構(gòu)，而是僅將其作為一種類比物，以幫助闡明某種特定的理念、結(jié)構(gòu)和關(guān)系。例如，當(dāng)?shù)つ釥?· 奧爾布賴特（ Daniel Albright ）使用 “ 波浪美學(xué) ” （ Wave-Aesthetics ）分析葉芝的詩歌時(shí)，他只是借用量子力學(xué)中微粒和波之間的模糊關(guān)系，闡釋某些詩歌文本所具有的特征，比如內(nèi)部邊界的喪失、主客體與主體間界限的喪失等。他并不是說，詩歌的內(nèi)部結(jié)構(gòu)與 波具有 數(shù)學(xué)上的同構(gòu)性，因此，自然也不能將涉及波的一系列數(shù)學(xué)公式套用到詩歌結(jié)構(gòu)分析之中。顯然，這類學(xué)科跨越的方式通常由人文學(xué)者發(fā)起。在后現(xiàn)代文化理論中，我們還可以找到很多這樣的例子，比如讓 - 弗朗索瓦 · 利奧塔（ Jean-Francois Lyotard ）對不確定性原理的借用、 讓 · 鮑德里亞（ Jean Baudrillard ）對熵的借用、雅克 · 拉康（ Jacques Lacan ）對拓?fù)鋵W(xué)概念的借用，等等。這種做法在自然科學(xué)界引起了一些不滿，比如物理學(xué)教授艾倫 · 索卡爾（ Alan Sokal ）及其合著者在一本書中就批評道： “ 自然科學(xué)并非僅是可供人文科學(xué)隨時(shí)取用的隱喻庫。 ” （莫蘭， 2023 ： 176 ）

另一種跨越方式則是由自然科學(xué)家主動發(fā)起。他們將原本屬于自然科學(xué)的研究范式引入文學(xué)研究領(lǐng)域，發(fā)展出實(shí)證的、量化的文學(xué)研究。這個(gè)過程中有時(shí)候也會借用一些科學(xué)概念，比如信息熵、溫度等，但這類借用并不只是將概念作為某種隱喻，而是伴隨著其數(shù)學(xué)結(jié)構(gòu)的引入。比如，對文學(xué)文本的信息熵的計(jì)算，使用的正是克勞德 · 艾爾伍德 · 香農(nóng)（ Claude Elwood Shannon ）給出的公式，而當(dāng)我們討論文本的溫度時(shí)，其背后的機(jī)制也正是熱力學(xué)中的麥克斯韋 - 玻爾茲曼分布。在 20 世紀(jì)后半葉，隨著計(jì)算機(jī)的出現(xiàn)和自然語言處理算法的發(fā)展，對文本的讀取、數(shù)值統(tǒng)計(jì)和數(shù)學(xué)建模變得更為方便，這類量化研究就逐漸變得流行起來。本書所涉及的內(nèi)容大部分即是這一類的研究。為了與文學(xué)史考證等實(shí)證 型研究 相區(qū)別，我們統(tǒng)一將其稱為文學(xué)計(jì)算。

對文學(xué)計(jì)算的批評主要來自人文學(xué)界，他們的意見大致可以分為三類：其一，文學(xué)文本來自具有主觀性的人類，其中并不具有如物理學(xué)那樣的客觀規(guī)律；其二，量化研究只是復(fù)現(xiàn)了一些我們早已經(jīng)知曉的結(jié)論，并沒有提出和解決有意義的文學(xué)問題；其三，大部分文學(xué)計(jì)算研究只是基于詞頻的模式分析，其數(shù)據(jù)不足以支撐它所聲稱的結(jié)論，或者說，文學(xué)文本和文學(xué)概念在計(jì)算過程中被簡單化了。

對于第一類批評，已經(jīng)有大量的研究結(jié)果可以作為反駁的案例。 從齊普夫 定律（ Zipf ’ s Law ）到最近基于情感計(jì)算的文本敘事模式劃分，大量的研究都顯示，在看似隨機(jī)和主觀的文本中，的確存在著某些客觀的規(guī)律。這一點(diǎn)很好理解，因?yàn)樽骷业膶懽鬟^程并非完全自由，他會受到諸多客觀條件的限制：正確的語法、敘事的慣例、詞匯的有限性，等等。它們就像一個(gè)封閉的箱子一樣，將大量的隨機(jī)運(yùn)動的分子約束在一起，雖然每個(gè)分子的運(yùn)動軌跡是很難預(yù)測的，但作為一個(gè)整體，這個(gè)體系卻呈現(xiàn)出很多可以量化的特征，比如壓強(qiáng)、溫度、平均自由程、動能分布函數(shù)等。

第二類和第三類批評事實(shí)上指出了當(dāng)前文學(xué)計(jì)算研究應(yīng)該努力的方向。也就是說，多做探索性而非驗(yàn)證性的工作，而且盡量超出詞頻、 句長等 簡單指標(biāo)，對高層次文學(xué)概念進(jìn)行更精細(xì)的數(shù)學(xué)建模，以處理真正的文學(xué)問題。當(dāng)然，要進(jìn)行探索性的工作，通常就需要處理新的概念和新的問題，自然也就需要進(jìn)行復(fù)雜特征量的建構(gòu)。所以，從某種程度上來講，這兩個(gè)問題是一體的。

《文學(xué)計(jì)算導(dǎo)論》

劉 洋 著

北京: 科學(xué)出版社, 2025. 12

ISBN978-7-03-083198-9

必須承認(rèn)，在高層次文學(xué)概念和可計(jì)量的特征量之間建立穩(wěn)定而有效的連接并不容易，但也絕不是不可能完成的任務(wù)。例如，在本書 （《文學(xué)計(jì)算導(dǎo)論》，劉洋著. 北京: 科學(xué)出版社, 2025. 12） 的第四章，我提出了一種對敘事節(jié)奏進(jìn)行量化表征的方法。在文學(xué)計(jì)算領(lǐng)域，敘事研究一直相對匱乏。因?yàn)閿⑹卵芯恐械囊仉y以量化，帶有強(qiáng)烈的主觀性，所以比其他文本特征更難處理。例如，研究文體風(fēng)格、人物關(guān)系網(wǎng)絡(luò)、情感分析等可以分別通過詞頻統(tǒng)計(jì)、對話關(guān)系、情感詞典等手段實(shí)現(xiàn)量化，但敘事風(fēng)格、手法、場景等要素的界定方式則極為模糊。在傳統(tǒng)的敘事學(xué)研究中，通常需要根據(jù)敘事場景的切換，將文本劃分為不同的敘事單元，這種工作通常只有具備較高文學(xué)素養(yǎng)的專業(yè)人員才能完成，因?yàn)閿⑹聢鼍爸g或許并不存在天然的分割線，要讓計(jì)算機(jī)準(zhǔn)確分辨是十分困難的。但是，基于敘述的兩種形式 — 展示 和 告知 — 來體現(xiàn) 出敘事節(jié)奏的特征，可以繞開場景劃分的 障礙。具體來說，我設(shè)計(jì)了一種算法，可以將這兩種敘述形式進(jìn)行自動識別，從而得到了一條敘述形式的時(shí)間序列。基于這個(gè)時(shí)間序列，通過傅里葉變換等數(shù)學(xué)手段，就可以從中提取出與敘事節(jié)奏相對應(yīng)的特征量。

比起自然科學(xué)領(lǐng)域的概念，比如溫度、動量等，文學(xué)概念的量化不僅更難以處理，而且這些可計(jì)量的特征量與傳統(tǒng)的文學(xué)概念在匹配時(shí)往往具有與自然科學(xué)概念不同的三種特性。其一，非精確性，也就是說兩者并不是精確契合的。比如我之前提到的對敘事節(jié)奏進(jìn)行量化的特征量，其本質(zhì)上來源于從敘述形式時(shí)序數(shù)據(jù)中提取出的頻譜峰。雖然其與敘事節(jié)奏具有較強(qiáng)的關(guān)聯(lián)，但這畢竟只是一個(gè)間接的匹配方案。此外，實(shí)際的頻譜圖通常是一個(gè)連續(xù)譜，其中的峰值可能并不顯著，呈現(xiàn)出一個(gè)平臺狀結(jié)構(gòu)，這也會影響到對峰值數(shù)據(jù)的提取。所以，從概念到數(shù)據(jù)，這中間其實(shí)經(jīng)過了多次近似過程。其二，非唯一性，也就是說用于表征某個(gè)文學(xué)概念的特征量并非只有一種形式。比如對于 “ 詞匯豐富度 ” 這個(gè)概念，用以表征它的特征量就有數(shù)十種之多，從最簡單的型 — 例比 （ Type Token Ratio ， TTR ）， 到特征 量 K （ Characteristic K ），乃至文本的信息熵，等等。其三，非普適性，也就是說這些特征量并不是在任何情況下都適用的。比如我們剛才提到的特征量 K 和信息熵，在表征詞匯豐富度時(shí)，它們都具有一個(gè)難以克服的缺陷，即對雷同文本的不敏感。如果我們將同一段文字重復(fù)一遍合并成新的文本，那么根據(jù)兩者的計(jì)算公式，其計(jì)算結(jié)果和單一文本是完全相同的，而這顯然是不合理的。這意味著，對于具有較多雷同片段的文本來說，用特征量 K 和信息熵 來作 為詞匯豐富度的指標(biāo)是不合適的。

在人工智能算法迅速發(fā)展的今天，我們越來越強(qiáng)烈地感到，文學(xué)計(jì)算研究不僅是可行的，而且是必要的。這種必要性至少體現(xiàn)在兩個(gè)方面。其一，傳統(tǒng)的文學(xué)細(xì)讀方法無法處理當(dāng)前迅速涌現(xiàn)的巨量文學(xué)文本。除了由傳統(tǒng)出版社出版的紙質(zhì)書籍，還有數(shù)量遠(yuǎn)超前者的網(wǎng)絡(luò)文學(xué)作品 —— 其每部作品的文本長度也幾乎比前者大一個(gè)數(shù)量級。其二，人工智能文本生成正在逐漸進(jìn)入人們的生活，其在大部分制式文章的寫作上都取得了較好的效果，但在文學(xué)創(chuàng)作領(lǐng)域仍然很不成熟。從已有的一些基于大語言模型的小說寫作實(shí)驗(yàn)來看，其主要缺陷可以歸納為一點(diǎn)，就是缺少 “ 文學(xué)性 ” 。比如，它的敘事節(jié)奏很不穩(wěn)定，在很多不重要的細(xì)節(jié)上花費(fèi)大量筆墨，而在關(guān)鍵情節(jié)上卻一筆帶過；它的比喻和描寫都極為平庸，沒有新奇性和創(chuàng)造性；它的人物缺少鮮明的個(gè)性和深刻的行為動機(jī)；故事情節(jié)的套路化痕跡極為明顯；等等。克服上述這些缺陷的方法，就是加入一個(gè)文學(xué)插件，或者定制專業(yè)的文學(xué)創(chuàng)作大模型。想要向計(jì)算機(jī)系統(tǒng)傳達(dá)何謂 “ 文學(xué)性 ” ，自然需要采用計(jì)算機(jī)的語言 —— 也就是數(shù)字化的、量化的表述，這正是文學(xué)計(jì)算研究所要做的。當(dāng)我們能用量化的方式對比喻、隱喻、風(fēng)格化的描寫、敘事節(jié)奏等文學(xué)概念進(jìn)行表征以后，它們就可以作為一些重要的控制指標(biāo)參與到文本生成算法之中，幫助其增強(qiáng)生成內(nèi)容的文學(xué)性。

然而，即使在當(dāng)前這個(gè)普遍數(shù)字化的時(shí)代，進(jìn)行文學(xué)計(jì)算研究的困難仍然是巨大的。除了來自領(lǐng)域本身的巨大挑戰(zhàn)，教育體系、學(xué)科壁壘等社會層面的客觀障礙也不容忽視。如何在學(xué)生培養(yǎng)和制度管理上克服這些障礙，是當(dāng)前發(fā)展文學(xué)計(jì)算這類跨學(xué)科領(lǐng)域所必須思考的問題。

事實(shí)上，打破專業(yè)和學(xué)科的界限，不僅是文學(xué)計(jì)算的需要，也是當(dāng)今眾多跨學(xué)科研究和前沿領(lǐng)域發(fā)展的需要。希望本書可以在跨學(xué)科研究的方法和路徑上為各領(lǐng)域的研究者提供一些有益的參考。

本文為《文學(xué)計(jì)算導(dǎo)論》（劉洋著. 北京: 科學(xué)出版社, 2025. 12）一書“緒論”，標(biāo)題為編者所加。

ISBN978-7-03-083198-9

責(zé)任編輯：王 丹 張翠霞

《文學(xué)計(jì)算導(dǎo)論》是一部深入探討文學(xué)作品量化分析方法的專著。它系統(tǒng)介紹了文學(xué)計(jì)算這一領(lǐng)域，從 19 世紀(jì)的手工文本統(tǒng)計(jì)分析到數(shù)字時(shí)代利用計(jì)算機(jī)技術(shù)的系統(tǒng)研究方法，不僅回顧了歷史淵源，還探討了如何通過數(shù)學(xué)模型、特征量建構(gòu)、數(shù)字細(xì)讀等方法解析文學(xué)作品，以揭示其內(nèi)在的隱藏結(jié)構(gòu)和普遍規(guī)律。全書覆蓋了作者歸屬與風(fēng)格分析、人物關(guān)系網(wǎng)絡(luò)、計(jì)量敘事研究、文學(xué)文本的情感計(jì)算、文本分形結(jié)構(gòu)分析及最新的人工智能技術(shù)在文學(xué)研究中的應(yīng)用等多個(gè)方面，全面展示了文學(xué)計(jì)算這一前沿的跨學(xué)科領(lǐng)域的發(fā)展現(xiàn)狀和未來潛力。

本書適合數(shù)字人文、文學(xué)、語言學(xué)、自然語言處理、復(fù)雜系統(tǒng)等領(lǐng)域的研究者以及對文學(xué)計(jì)算感興趣的研究生和本科生閱讀。

（本文編輯：劉四旦）

專業(yè)品質(zhì) 學(xué)術(shù)價(jià)值

原創(chuàng)好讀 科學(xué)品位

一起閱讀科學(xué)