远读与数字人文

破除误解#

第二种误解：远读等于数字人文。数字人文还包括校勘、文本编码、档案数字化、地图与可视化。莫雷蒂的纲领只是其中一条定量文学史路线。把实验室里的一篇小册子，写成整个人文学科的命运，是范畴跳跃。

第三种误解：远读已经赢了细读，或细读已经赢了远读。两种读法问的问题不同。规模上的波浪，一本一本读看不见；反讽、否定和戏仿，词频最容易认错。把方法写成淘汰赛，是学科政治，不是对文本的测量。

第四种误解：语料越大，结论越接近真理。规模可以降低抽样波动，却不能自动校正收藏偏差、版权缺口与标签错误。更大的脏样本，只是把同一种偏斜画得更光滑。远读需要的是可说明的操作化，不是对「全部文学」的口头承诺。

一个规模问题，不是一台机器#

二〇〇〇年一月—二月号《新左评论》，莫雷蒂发表《世界文学猜想》（"Conjectures on World Literature"），页码五十四至六十八。他的命题是：世界文学不是一个更大的对象，而是一个问题；这个问题要求新方法。细读处理的是已经进入课表的那一小块。他估计，十九世纪英国印行的小说大约在三万到六万部之间——没有人读过全部，也没有人将会读完。这是规模论证，不是对任何一部小说的判决。

同一年，他在《现代语言季刊》发表《文学的屠宰场》（"The Slaughterhouse of Literature"）。题目里的「屠宰场」指的是绝大多数出版过、却从未进入批评记忆的书。正典之争问的是课表筛掉了谁；远读问的是：那一大堆从未进入课表的书，能不能被当成历史材料，而不是当成失败的证据。

他主张把距离本身当成一种认知条件：有些问题必须先放弃逐页阅读，才能看见比文本更小的装置（修辞、母题），或比文本更大的单位（文类、系统）。这是方法选择。选择的代价很清楚：模型不是句子。中间那一层——这一页上的否定、引语、戏仿——会被抽象掉。

二〇一三年，伦敦与纽约的 Verso 出版文集《远读》（Distant Reading）。书把二十余年的论文收在同一个名称下，其中七篇原载《新左评论》。它是论文集，不是一部新的发现报告。名称的通行，不等于方法已经变成文学的客观属性。

二〇一四年三月，美国全国书评人协会把批评奖颁给这部 Verso 文集。授奖记录的是英语批评界那年的选择，不是方法已经变成文学的客观属性。把获奖写成「远读被证明正确」，是把制度承认兑成发现。

图表、地图、树：三种抽象#

二〇〇五年，Verso 出版《图表、地图、树：文学史的抽象模型》（Graphs, Maps, Trees: Abstract Models for a Literary History），约一百一十九页。三种模型看见的是缩减之后的形状，不是「作品自己的本质」。

图表处理的是数量随时间的变化。他并置五国新小说出版曲线——英国约一七二〇至四〇年，日本一七四五至六五年，意大利一八二〇至四〇年，西班牙一八四五至一八六〇年代初，尼日利亚一九六五至八〇年——年出版量在大约二十年里从每月一两部跳到每周一部。形状相似，是他对这批书目的读法，不是五国「经历了同一种文学」的证明。

他从一百多种文类研究里整理出四十四种英国小说类型，观察区间大约一七四〇至一九〇〇年。他的读法是：这些类型往往成簇出现、成簇消失，单种类型的市场寿命大约二十五年至三十年。这是对书目时间线的解释，不是文类自己报出来的半衰期。把曲线写成「进化」，已经跨进下一节要归属的类比。

地图处理的是叙事空间。他以玛丽·拉塞尔·米特福德（Mary Russell Mitford）的《我们的村庄》（Our Village）为例。该书一八二四年至一八三二年分五卷出版，写伯克郡三英里十字村一带的散步。他把叙述里的路径画成图，读出一种环状的村庄空间，而不是通向远方的直线。这是空间还原。还原丢掉了语气、闲笔和谁在看谁。地图能显示人物走哪条路，不能代替读那一页上的句子。

树处理的是形态分叉。他用早期侦探小说里「线索」这一装置的有无、显隐，把柯南·道尔与同时代作者画成分支。这是形态学模型，借用的是生物学里的谱系图。模型问的是：哪一种形式变异被后来的类型保留。它不问：这一段悬念对当时的读者做了什么。

三种图都是故意的减，为了看见互相连接。减掉的那一层，正是细读的工作对象。

斯坦福文学实验室：把实验写成小册子#

二〇一〇年，莫雷蒂与马修·乔克斯（Matthew L. Jockers）在斯坦福大学创办文学实验室（Stanford Literary Lab）。实验室不是发现了「文学的算法」，而是把定量问题写成可以失败的实验：语料、程序、图表，以及图表解释不了什么。

二〇一一年，萨拉·艾利森（Sarah Allison）、瑞安·霍伊泽（Ryan Heuser）、乔克斯、莫雷蒂与迈克尔·维特莫尔（Michael Witmore）发表第一份小册子《定量形式主义：一次实验》（"Quantitative Formalism: An Experiment"）。他们测试的是：只用最高频的功能词——the、of、and 这一类几乎没有「主题」的词——统计模型能不能把文类分开。这是一次可复核的分类实验。成功只说明高频虚词携带文类信号；它不说明「风格就是虚词」，更不说明读懂了一部小说。

实验室以小册子（pamphlet）发表，在线版本 ISSN 2164-1757，把图像、图注、正文和脚注并置。后来的小册子处理过句子尺度的风格、人物对话网络、伦敦的情感地理。每一份都是一次操作化：先规定数什么，再看图能不能支持原来的问题。失败是实验的一部分，不是对文学的否定。

小册子体例本身也是方法声明：它要求读者看见图注与脚注，而不是只带走一句口号。实验写清楚「数了什么、没数什么」，后来的争论才能对准程序，而不是对准「计算机有没有资格读文学」这种假问题。

数字人文比远读更宽#

「数字人文」（digital humanities）作为通行学科名，大约在二〇〇〇年代稳定下来。二〇〇四年，苏珊·施赖布曼（Susan Schreibman）、雷·西门子（Ray Siemens）与约翰·昂斯沃思（John Unsworth）主编的《数字人文指南》（A Companion to Digital Humanities）由布莱克维尔出版，覆盖编码、档案、编辑、视觉化与计算分析，远不止文学计量。

计算处理文本更早。一九四九年，罗伯托·布萨（Roberto Busa）开始与 IBM 合作，为托马斯·阿奎那编制《托马斯著作索引》（Index Thomisticus）。目标是检索与汇编，不是用出版曲线重写小说史。把布萨写成「远读的祖先」，是用后起标签覆盖另一种工作。数字人文包含远读，但不等于远读：扫描与编码、编辑与展览、规模化的文学史问题，是三件不同的事。批评第三件，并不自动取消前两件。

名称稳定之后，经费、中心与职位开始按「数字人文」打包招聘。打包的好处是共享基础设施；坏处是把校勘编码与远读计量绑成同一命运。批评词频模型时，不必顺便否定 TEI 编码或档案修复——那些工作回答的是另一类问题。

语料不是世界，计数也不是阅读#

远读的证据不从天上掉下来。它来自被选进图书馆、被许可扫描、被光学字符识别（OCR）转成字符串的那一批文件。选择从进馆就开始。研究型图书馆倾向收藏已经编目、已有学术声望的书；畅销、廉价、地方性的印本进库机会本来不均。把「库里有的」写成「历史上有过的」，是把收藏史当成文学史。

版权墙会再切一刀。按美国发表后九十五年的规则，二〇二六年时一九二九年及更早的作品已进入公有领域。数字库在二十世纪中段出现缺口：不是那几十年没人写作，是机器能合法吃到的全文变少了。缺口是制度，不是文学生产自己的沉默。

OCR 再加一层噪声。长 s 被认成 f，栏缝被认成词界，破损书页变成乱码。未校正的识别文本里，词频测量的常常是扫描错误，而不只是作者用词。把脏语料上的曲线直接写成风格史，是把识别器的偏见写成了文学的演变。

即便语料干净，计数标题也不是阅读。一份书目能告诉你某年出版了多少部「哥特小说」——前提是分类标签先被某人贴上。标签来自书评、广告、后来的文学史，不是从纸上自动长出来的。数标题，是在数已经被命名的市场单位。什么是故事、叙事学所分析的叙述层次、以及读者在哪一页上感到被欺骗，都不在书名清单里。

「数清楚」之后，解释仍然要归属#

对远读最集中的早期反驳，出现在同一份《新左评论》上。二〇〇二年七—八月号，乔纳森·阿拉克（Jonathan Arac）发表《盎格鲁全球主义？》（"Anglo-Globalism?"）。他的批评是：用英语写成的、依赖二手研究拼贴的世界文学图景，会把英语批评的视野写成全球本身。远读若主要通过英译和英语学术来「看见」世界，看见的是英语世界的书目，不是世界文学的全貌。这是对认知位置的指控，不是对画图本身的技术否定。

二〇〇五年七—八月号，克里斯托弗·普伦德加斯特（Christopher Prendergast）发表《进化与文学史》（"Evolution and Literary History"），专门回应《图表、地图、树》里的进化类比。他的要点是：若文学并不是生物有机体，拿掉遗传与选择这些限定条件之后，剩下的就只是「X 像 Y」的比喻。市场兴衰可以被描述；把它写成物种竞争，是解释，需要另找机制，不能靠图形自己完成。普伦德加斯特没有否认书目曲线画得出来。他否认的是：画出曲线，就已经解释了形式为什么活下来。

更晚的计算文学研究内部，也有人把「计数是不是阅读」收成可检验的命题。二〇一九年春季号《批评探索》，达南（Nan Z. Da）发表《反对计算文学研究的计算论证》（"The Computational Case against Computational Literary Studies"），第四十五卷第三期，页码六〇一至六三九。她把自己的对象限定为计算文学研究，而不是整个数字人文，并判断：统计上站得住的发现往往平淡，看起来不平淡的发现往往经不起稳健性检验。这是她的评估。评估可以争，但它逼问的那件事成立：模型给出相关，并不等于给出了文学批评意义上的解释。

这些批评指向同一条界线。远读可以改变问题的尺度，却不能把尺度的改变兑换成「我们已经读过」的凭证。细读仍要回到页面，核对否定、反讽、引语；远读仍要回到书目与扫描记录，核对机器正在数的是作品、标签，还是识别错误。

两种读法，不是一场淘汰赛#

把细读和远读排成对决，是把工具说成立场。细读的证据必须能指回页面，代价是规模极差。远读的证据必须能指回语料、程序和分类规则，代价是模型不是句子。读者如何生产意义所关心的那一次具体阅读，会被平均掉。

两者可以往返：先用规模看见分布，再用细读检查这还是不是同一种用法。正典之争则提醒第三件事：进入语料的权利，已经被课表、译本和版权切过一刀。所谓「全部文学」，往往只是库里碰巧能算的那一部分。

往返不是折中主义的礼貌。它是证据链：规模层提出候选规律，页面层负责证伪或收窄。若远读给出的波浪在细读抽样里站不住，应改的是操作化与标签，而不是宣布「细读落伍」或「数据撒谎」。方法的信誉来自这种可来回的核对，不来自阵营站队。

远读是一项研究纲领。失败的是某一次操作化，不是「文学拒绝被计算」；成功的也只是某一次操作化，不是「阅读已经被机器完成」。

跨域连接#

• 自然语言处理：远读把小说切成词例，再数频率、搭配和文档向量。分词、停用词表、词形还原，每一步都在决定「什么算一个词」。否定、反讽、自由间接体依赖词序和说话人转换，袋模型最容易抹平。实验必须写清：当作信号的是字符串统计，还是页面上的言语行为。两者同名「风格」时，测量的不是一件事。
• 信息检索与搜索：倒排索引让「含某词的书」可以在百万文档里被召回。检索优化的是查询与文档的配对，不是对某一页的解释。把相关排序写成「机器读懂了这部小说」，是把排名函数说成批评家。换一套停用词，前十名会改。可复核的是查询、索引和评分规则，不是文学自己排好的名次。
• 统计学：语料是样本，不是总体。研究型图书馆的数字化馆藏更接近便利样本，而不是对「某年全部印本」的随机抽样。选择偏差、版权墙造成的删失、OCR 测量误差会同时进模型。画出光滑曲线，并不自动获得因果。把库里能算的书写成十九世纪，就是把样本框说成了世界。
• 图论：把人物做成顶点、把同场对话做成边，情节塌缩成一张网。度数与中心性可以比较谁在结构上占据中间——实验室处理对话网络时借用的正是这套语言。图论保证：关系和方向一旦规定，某些量可以计算。它不保证「同场」等于叙事学所说的事件。少画一条边，中心人物可以换人。
• 机器学习：分类器能把文类、作者或时期分开，只说明输入特征携带可分的信号。可分不等于可解释。过拟合会把纸张、印刷厂或识别错误当成「风格」。监督学习还把何谓哥特、何谓现实主义事先写进训练集，那些标签往往来自旧的文学史。模型测的是对标注协议的稳定，不是对「文学是什么」的发现。

参考文献#

• Moretti, Franco. “Conjectures on World Literature.” New Left Review 1 (January–February 2000): 54–68.
• Moretti, Franco. Graphs, Maps, Trees: Abstract Models for a Literary History. London: Verso, 2005.
• Moretti, Franco. Distant Reading. London: Verso, 2013.
• Allison, Sarah, Ryan Heuser, Matthew Jockers, Franco Moretti, and Michael Witmore. “Quantitative Formalism: An Experiment.” Stanford Literary Lab Pamphlets 1 (2011).
• Prendergast, Christopher. “Evolution and Literary History: A Response to Franco Moretti.” New Left Review 34 (July–August 2005).
• Da, Nan Z. “The Computational Case against Computational Literary Studies.” Critical Inquiry 45, no. 3 (Spring 2019): 601–639. doi:10.1086/702594.

延伸阅读#

• Arac, Jonathan. “Anglo-Globalism?” New Left Review 16 (July–August 2002): 35–45.
• Moretti, Franco. “The Slaughterhouse of Literature.” Modern Language Quarterly 61, no. 1 (2000): 207–227.
• Jockers, Matthew L. Macroanalysis: Digital Methods and Literary History. Urbana: University of Illinois Press, 2013.
• Schreibman, Susan, Ray Siemens, and John Unsworth, eds. A Companion to Digital Humanities. Oxford: Blackwell, 2004.
• Underwood, Ted. Distant Horizons: Digital Evidence and Literary Change. Chicago: University of Chicago Press, 2019.
• Bode, Katherine. A World of Fiction: Digital Collections and the Future of Literary History. Ann Arbor: University of Michigan Press, 2018.