“計算機不理解任何人類語言，但是它有兩個好處，第一很快，第二很穩(wěn)定。你讓我看兩千萬字的小說，我看到后面就完全忘記前面?！?/p>

“用數(shù)

字史學的方式去研究歷史，人的價值或者個性怎么辦？”

南方周末記者 曹穎

南方周末實習生 杜嘉禧

發(fā)自上海、廣州

戰(zhàn)玉冰用12.5小時“讀”完了749部中國網(wǎng)絡小說，總字數(shù)七億兩千九百多萬字。即便按一天一部的速度閱讀，普通人要用兩年多時間才能讀完。戰(zhàn)玉冰只用了半天時間，因為他借助了一款大數(shù)據(jù)軟件。

軟件是上海作家走走開發(fā)的。2017年，走走辭去《收獲》雜志社的編輯職務，與鄭翔宇聯(lián)合創(chuàng)業(yè)，新業(yè)務主要是為影視公司評估文學作品。當時，影視公司熱衷于購買網(wǎng)絡文學的作品版權。這些作品動輒幾百萬字，走走讀完一部就需要一周。這也是行業(yè)內(nèi)普遍的煩惱。走走暢想，如果有一個工具，能幫大家迅速看完小說，告訴大家情節(jié)是什么就好了。大數(shù)據(jù)軟件的雛形誕生了。

軟件研發(fā)不久，影視行業(yè)遭遇寒冬，走走和鄭翔宇的公司業(yè)務短缺，面臨轉(zhuǎn)型。2019年，《收獲》雜志復刊四十周年，雜志社得知走走的軟件，想用這款軟件做一個報告，分析過去四十年《收獲》刊載小說的風格變化。走走的軟件從此邁向人文學科。

報告由復旦大學博士生戰(zhàn)玉冰撰寫。戰(zhàn)玉冰的專業(yè)是中國現(xiàn)當代文學，學者們研究時也會用到統(tǒng)計，比如魯迅《狂人日記》里寫到了多少次“狂人”、多少次“吃人”?！巴ㄟ^統(tǒng)計數(shù)據(jù)來樹立小說的主題，這樣的研究很多。”戰(zhàn)玉冰的博士論文需統(tǒng)計民國時期偵探小說發(fā)表情況，他用了半年時間，才統(tǒng)計完這項龐大的數(shù)據(jù)。《收獲》四十年刊載的小說也是龐大的數(shù)據(jù)，借助軟件，戰(zhàn)玉冰只用兩周就拿到了想要的數(shù)據(jù)。

數(shù)字文學只是“數(shù)字人文”的眾多分支之一，其他分支包括數(shù)字史學、數(shù)字哲學、數(shù)字藝術等等。據(jù)南京大學藝術學院副教授陳靜研究，中國學界2009年才開始廣泛關注數(shù)字人文。這一年，武漢大學王曉光教授發(fā)表科普文章《“數(shù)字人文”的產(chǎn)生、發(fā)展與前沿》，在“科學網(wǎng)”上獲得上萬在線點擊。2011年，中國首家數(shù)字人文研究中心落戶武漢大學。

“數(shù)字人文不僅是量化的方式或者統(tǒng)計的方式，也可以用文本挖掘，用社會網(wǎng)絡信息，或者用可視化的方式呈現(xiàn)你的論文結(jié)果?！蹦暇┐髮W歷史系教授王濤告訴南方周末記者，他2014年就接觸到“數(shù)字史學”，但在他的世界史研究方向，至今仍然很少有人應用數(shù)字方法做研究。

和尿布一起購買

最多的商品是啤酒

根據(jù)大數(shù)據(jù)統(tǒng)計，在《收獲》復刊四十年來刊載的小說中，第一個十年最突出的高頻詞是“我要”。戰(zhàn)玉冰分析，“我要”意味著經(jīng)歷“文革”十年壓抑之后，個人主體意識的覺醒和自我表達欲望的急劇提升，這也與當時以控訴“文革”為主題的“傷痕文學”和書寫自我經(jīng)歷的“知青文學”的流行相互契合。從第二個十年開始，高頻詞變成了“我們”“他們”“自己”。文學創(chuàng)作逐漸恢復到了對日常生活的關注、描摹和書寫當中。

后來，戰(zhàn)玉冰又用軟件分析了48部茅盾文學獎獲獎作品，排名第一的高頻詞是“心里”。這個結(jié)果符合戰(zhàn)玉冰對“嚴肅文學”的想象和認知，但他找不到二者之間必然的因果關系。“能感覺到，但是我就是說不清楚，最后論文其實也沒有說清楚。”戰(zhàn)玉冰告訴南方周末記者，當時他認為學術研究就應該注重因果關系，因此感到痛苦。

為此，戰(zhàn)玉冰看了很多數(shù)字研究的書。他讀到沃爾瑪超市抓取交易數(shù)據(jù)，發(fā)現(xiàn)和尿布一起購買最多的商品是啤酒。超市沒有追問為什么，只是根據(jù)這個結(jié)果，把啤酒跟尿布擺在一起。戰(zhàn)玉冰豁然開朗：“相關性本身是有價值的，不一定非要把它變成因果?！?/p>

王濤曾用軟件統(tǒng)計德國史研究，數(shù)據(jù)顯示，學者們最關心的問題是猶太人問題，最關注的時期是二戰(zhàn)時期。這一現(xiàn)象和王濤自己的經(jīng)驗一致，他在文中寫道：“此前，我們只能憑印象認識到德國史研究的流行度，現(xiàn)在借助大數(shù)據(jù)的定量分析，證實了我們的印象。這應該是數(shù)字人文最令人著迷的地方?！?/p>

高頻詞似乎成為研究者重點關注的對象，王濤反思：“我們把更多注意力投注在大樣本的數(shù)據(jù)，丟棄了低頻率的內(nèi)容。對于歷史研究而言，這些被忽視的內(nèi)容可能同樣具有價值。”

2019年，李洱小說《應物兄》摘得茅盾文學獎。戰(zhàn)玉冰通過軟件分析意外地發(fā)現(xiàn)，“心里”并非這部小說的高頻詞，但其余四十七部獲獎作品中，“心里”均是高頻詞?！稇镄帧匪坪醪环蠑?shù)據(jù)呈現(xiàn)的“嚴肅文學”的特征。

這個特例同樣有研究價值。戰(zhàn)玉冰發(fā)現(xiàn)，李洱在小說里用了一種近乎冰冷的客觀敘事態(tài)度來取代主觀抒情和心理描寫，李洱常常使用“他問自己”“他聽見自己說”一類的表達方式，把人物的心理活動，變成一種主客體之間的對話。

上述分析與李洱的解讀不謀而合，“熟悉我的人都知道，我是很強調(diào)小說的對話性的。小說現(xiàn)代性的最重要的標志就是對話性，它包含著作者和讀者對話，作者和作品中人物的對話，作品中人物之間的對話，以及讀者和作品中人物的對話”，2019年12月13日，李洱在南方周末舉辦的N—TALK“文學之夜”現(xiàn)場表示，文學的使命就是表達差異，“所有的對話都伴隨著爭議、質(zhì)疑，而爭議和質(zhì)疑會打開小說的空間”。

《長安十二時辰》的

故事形狀是

“倒N型”

2019年，《思南文學選刊》揭曉了國內(nèi)首個AI文學榜單，評委是大數(shù)據(jù)軟件“一葉故事薈”（時稱“谷臻小簡”），二十種文學雜志提供了771部短篇小說供其評選。

2019年1月21日前，莫言的《等待摩西》始終最受“一葉故事薈”青睞，但1月21日新作品送到，它“變心”了。最終陳楸帆的《出神狀態(tài)》成為“一葉故事薈”評選出的年度最愛短篇小說。

“一葉故事薈”通過數(shù)據(jù)分析評判文學作品，包括判斷情節(jié)曲線、人物情緒糾結(jié)度等。在它的評判下，《出神狀態(tài)》的系數(shù)為0.998941，略高于《等待摩西》的系數(shù)0.998931。但開發(fā)這個軟件的走走說：“計算機跟人一樣，沒法評判語言的好壞，你沒法說閻連科的反諷質(zhì)量低于余華的零度敘事?！?/p>

情節(jié)曲線也應用于人文學科研究，通過分析文本，軟件描畫出沖突曲線模型，即用一條簡單的線條描繪一個故事的“形狀”，其中包含情緒情感、結(jié)構意義、節(jié)奏節(jié)拍等幾個維度的特征。走走向南方周末記者展示了六個模型：W型、N型、V型、M型、倒N型、倒V型，前三種是積極型結(jié)局，后三種是消極型結(jié)局?！爱敼适虑楣?jié)為積極向上或者沖突較為激烈時曲線呈現(xiàn)上升趨勢；當故事情節(jié)為消極向下時曲線呈現(xiàn)下降趨勢。當故事情節(jié)出現(xiàn)情況好轉(zhuǎn)或悲劇來襲時，曲線則呈現(xiàn)出拐點，曲線拐點越多即表明故事中大的情節(jié)、轉(zhuǎn)折越多?！边@六種模型是“一葉故事薈”分析了國內(nèi)近二十年間改編成影視的724部文學作品所得。

《長安十二時辰》的故事形狀是倒N型，《霸王別姬》的故事形狀是M型，“以《白鹿原》的故事形狀（W型）為例，情節(jié)較積極，但在故事走到約三分之一的時候，氛圍走入全文最低谷，雖然最后有所回升，但整體基調(diào)以悲涼為主?！弊咦咧钢娔X上的模型解釋。

走走與王濤在歷史研究領域合作，嘗試描繪口述史的故事形狀。“口述史本身，某種意義上就是一個故事，就是一個人的故事，我們可以從文學文本這個角度來理解口述史這個材料?！?/p>

《被改變的人生——南京大屠殺幸存者口述生活史》一書記錄了49位幸存者的回憶，軟件測繪出他們的情緒變化圖譜，初步結(jié)果顯示大部分口述者遵循著“甜-苦-甜”的V型情感模式，但走走對南方周末記者說：“應該更注意那些相反情緒，呈倒V型的敘述者，他們的人生可能過得并不好?！?/p>

沖突曲線模型的靈感來自美國作家馮內(nèi)古特?！八岢鲆粋€問題，我能不能用一條線畫出一個故事來，從開始到結(jié)束有一根線?！奔夹g負責人鄭翔宇受此啟發(fā)，把故事里的事件、節(jié)奏、情節(jié)變化轉(zhuǎn)換成程序語言，讓計算機處理。“計算機不理解任何人類語言，但是它有兩個好處，第一很快，第二很穩(wěn)定。你讓我看兩千萬字的小說，我看到后面就完全忘記前面?！?/p>

戰(zhàn)玉冰用沖突曲線模型分析了茅盾文學獎獲獎作品，數(shù)據(jù)呈現(xiàn)的結(jié)果是，第一至四屆及第六屆的“明快-沉郁”作品數(shù)據(jù)比例普遍在0以上，其他五屆的數(shù)據(jù)則基本保持在0以下，歷屆獲獎作品似乎呈現(xiàn)逐漸偏向沉郁的特征。他分析，這與小說主題從宏大歷史敘事向日常生活敘事轉(zhuǎn)變相一致。

這些曲線也意外地勾勒出作者的寫作風格，走走向南方周末記者展示莫言《蛙》和余華《現(xiàn)實一種》兩部作品的故事曲線。莫言在描寫王仁美死亡事件時，“一尸兩命”情節(jié)的故事曲線情緒值接近0，余華在寫山崗被處以死刑時，數(shù)據(jù)分析出的曲線情緒值也一樣。“可能那些著名作家，尤其像余華、莫言這種，他寫死亡這種事情，反而不是大悲大喜的，反而特別冷靜。”走走表示“零度敘事”雖不是新鮮話題，但數(shù)據(jù)分析或許能發(fā)揮輔助作用。

海子自殺前的

文字情緒

比過去都低

接受采訪時，戰(zhàn)玉冰已經(jīng)使用數(shù)據(jù)分析完成四篇論文報告。寫到第三篇時，他心頭曾有過一絲負擔：這三篇文章的核心思路都是使用大數(shù)據(jù)來分析某一批中國當代小說，方法論上的相近性可能會造成論述觀點與行文結(jié)構的重復。

戰(zhàn)玉冰使用大數(shù)據(jù)分析發(fā)現(xiàn)，國內(nèi)被影視改編的文學作品，故事曲線比較普遍的是“W”形和“N”形。戰(zhàn)玉冰在論述時強調(diào)：“這一數(shù)據(jù)分析和研究的意義并非是要為作家提供寫作上的指導，或者告訴作家如何去迎合市場、如何才能更好地賣出自己小說的影視版權?！?/p>

美國“相對論傳媒”電影部門創(chuàng)始人瑞恩·卡瓦諾崇尚數(shù)據(jù)，利用數(shù)據(jù)預測電影票房表現(xiàn)再決定是否投資。他的名言是“即使我同意拍了，模型不同意也不行”。他曾與索尼聯(lián)合出品了電影《百貨戰(zhàn)警》，票房大約是投資的十倍。后來，電影《點球成金》找到卡瓦諾投資，他經(jīng)過數(shù)據(jù)分析后認為這部電影不會賺錢。然而《點球成金》全球票房突破1億美元，并獲2012年奧斯卡金像獎最佳影片提名。卡瓦諾的電影部門最終在2015年宣布破產(chǎn)。

老師曾提醒戰(zhàn)玉冰，學術研究還是要回歸傳統(tǒng)方法，“數(shù)據(jù)相對淺表化，通過理論達成的研究對思維的鍛煉更深刻?！比缃?，戰(zhàn)玉冰的主要精力用在三個傳統(tǒng)研究方向上，新增的數(shù)字人文方向，被他排在第四位。曾有一句話讓戰(zhàn)玉冰深有感觸，他依稀記得其大意：“數(shù)據(jù)是不可能取代人類的，也不要通過人類排斥數(shù)據(jù)。只是從此以后，我們多了一個更加全面的、天眼一般的閱讀者?！?/p>

杭州師范大學心理科學研究院副研究員胡超和走走合作，研究寫作對心理治療的幫助，借用軟件來分析文本中的情緒表達?！耙酝芏嘈睦韺W研究重形式、輕內(nèi)容，而文字是人類心理內(nèi)容最重要的載體。一個現(xiàn)實因素是人工文本分析成本極高，這在快節(jié)奏發(fā)論文、申請基金的壓力下尤其突出。文本自動化分析技術可能是突破瓶頸的測量技術。”胡超告訴南方周末記者。

胡超目前發(fā)現(xiàn)，海子等自殺的詩人在其自殺前的作品文字情緒比過去都低，且更多采用第一人稱視角的“我”進行敘述。但對于已有的數(shù)據(jù)分析結(jié)果，他也存疑：“專業(yè)作家和普通人群的表達方式可能不同，有正話反說的現(xiàn)象，文字所表達的情緒可能不代表他本人的真實情緒?！?/p>

“現(xiàn)在技術就是需要越高層次、越抽象的理解力的時候，機器和人差得越遠?！编嵪栌畋硎緳C器目前尚不能完全理解需要生命體驗的事情，如詩歌?！澳闳ズ瞬橐黄恼碌恼Z法是不是正確，這件事機器已經(jīng)超過人。詩歌需要一種經(jīng)驗，需要一種很抽象的理解力，同時需要人作為人的經(jīng)驗去理解?！?/p>

“用數(shù)字史學的方式去研究歷史，人的價值或者個性怎么辦？”這是王濤常常聽到的質(zhì)疑，對此他并不擔憂，“雖然數(shù)據(jù)庫是一樣的，算法是一樣的，甚至題庫都是一樣的，但是你給不同的人看，他基于他的見識，基于他的知識儲備，他對結(jié)果的認知可能是不一樣的?！?/p>