觀點｜文學是大資料面臨的最後挑戰？

選自：經濟學人

參與：黃小天

幾十年裡， 文學統計分析從當初的怪誕理論變成了當今的前沿研究。

苦嚼著數字的文學批評在 Tom Stoppard 的神秘劇作 Arcadia 中變成了學術小圈子裡的一個大笑話。

Bernard Nightingale， 一個浮華的詩歌教師， 嘲笑其同事用電腦程式設計一個匿名故事並署名 D.H. Lawrence。 對於 Bernard 的不可思議的歡愉， 他發現在相同的統計前提下， Lawrence 同樣會寫 ust William 和早期作品 Brighton 與 Hove Argus 的概率為 90%。 有了數學統計的分析， Stoppard 的劇作似乎不再荒誕。 隨著新牛津版莎士比亞全集的出版， 他們已經知曉了英國伊莉莎白時代輝煌劇作的歸屬作者。

莎翁全集的新版本成了上個 10 月的頭條新聞， 該全集確認了 44 本莎士比亞劇作之中有 17 本是其與他人合著（相比之下， 1986 年版的全集之中僅有 8 本標明是合著）。 新發現的最激動人心的合著作者是 Christopher Marlowe， 他的出現證明以前被斥為陰謀論的作家身份理論是言之有理的。 然而， 真正令人稱奇的還是用來確認 Marlowe 合著作者身份的電腦分析技術，

而不再是傳統的編輯學見解。 因此， 今天的資料語言學家是如何分辨誰寫了什麼， 而不受作者影響力的困擾？以及更重要的是， 為什麼這種分辨至關重要？

電腦和人可以通過 gentle、answer、beseech 和 tonight 等常用 plus-words 確認莎士比亞的文風。 儘管這種方法不很準確， 尤其是在伊莉莎白戲劇時代劇作者之間相互借鑒風格司空見慣。 早期的現代劇作家之間密切相聯， 並且創作在 16 世紀的聽眾看來並不重要。 Christopher Marlowe 家喻戶曉的劇作「Tamburlaine」被爭先恐後地模仿續寫以至於另一個劇作家 Ben Jonson 對此悲哀不已。 莎士比亞也如同其他人一樣深感內疚。 在 Marlowe 的劇作 The Jew of Malta (1589) 中， Barabas 監視陽臺上的女兒：

看， 遠處東方的天空那顆星在閃爍？

我生命中的北極星， 如果是 Abigail！

如果這種語調似曾相識， 那是因為 10 年之後莎士比亞在《羅密歐與茱麗葉》中對此作了仿寫：

什麼光線輕輕地從那邊的窗戶穿了進來？

是東方升起的太陽， 是茱麗葉

正是這種相互影響掩蓋了歷史真相， 那麼電腦是如何分辨 Marlowe 和 Shakespeare 以及兩者的手跡呢？根據新牛津出版社的編輯所言， 答案的關鍵在於功能詞（function words）。 這是些像 to 或 a 之類的詞， 支撐起了句子的語法結構。 這個理論認為， 每個作者都無意識地以獨特的方式使用著這些詞。 例如， 莎士比亞經常把 and 和 with 並用——Claudius 與 Gertrude 結了婚「With mirth in funeral and with dirge in marriage」， Old Hamlet 的鬼魂「Appears before them, and with solemn march / Goes slow and stately」。 結果， 我們可以根據功能詞找到一個劇作的真實作者。 通過分析作者如何使用功能詞， 電腦可以清晰識別出每一個作者獨有的文風。

在莎士比亞的例子中， 知道誰在什麼時候寫了什麼很重要， 因為這會使人們對莎士比亞例外主義（該理論認為莎士比亞是一個遺世獨立的怪才）有一個更加正確的認識。 在過去， 那些被認定是莎士比亞與他人合寫的劇作多是由於劇作品質欠佳。 例如， 劇作家 George Peele 和 Robert Nashe 就被指責運用沉悶的典故拉低了 Henry VI, Part I 的檔次。 相似地， 承認 All』s Well That Ends Well 中一個特別章節是出自 Thomas Middleton 之手， 也就證明了莎士比亞同時期劇作家的水準並非與其那麼不相稱。 即使電腦模型並非萬無一失， 這種基於資料而非劇作品質的嘗試還是受歡迎的。

第二， 這種正確的歸屬工作加深了我們對劇作本身的理解。 當劇作在初期奠定地位之後， 繼而越加穩定， 代表著歷史之中的一個章節。

假設 Henry VI, Part II 絕大部分為 Marlowe 所寫， 就會破壞著作的統一性。 相比于無所不能的君主， Marlowe 似乎對普通人（比如卑賤的煽動者 Jack Cade）的描寫更有興趣；莎士比亞更喜歡君王殞命的宏偉故事。 但是知道了這些劇作家之間錯綜複雜卻又共生共存的關係， 有助於我們更好地理解劇作本身。

根據新牛津版莎翁全集的編輯 Gabriel Egan 所言， 這種統計分析模型變得更加精確， 部分原因是越來越多的電腦專家轉向了語言學問題， 這是電腦面臨的最困難問題之一。 Bernard Nightingale 堅稱， 你不可能把拜倫的頭掛在你的筆記型電腦上， 統計分析對此又作何處理？目前來看， Bernard 很可能是對的。 在一個可控的測試上， 即使最先進的統計模型也找錯了劇作作者。 目前來看， 統計分析仍然是一個有效的編輯工具。 不管怎樣，它代表了一種學術客觀性，以前這很少出現在莎士比亞研究的領域內。可以確定，這會是一個文學家和數學家都會接受的想法。

不管怎樣，它代表了一種學術客觀性，以前這很少出現在莎士比亞研究的領域內。可以確定，這會是一個文學家和數學家都會接受的想法。