浅议数字人文时代的民间历史文献研究

　　正如郑振满教授在本丛书序言中所指出，地方文献与民间文书的搜集和研究具有深远的学术传统，近年由于历史学科开拓学术领域、深化研究课题内在需求的提升，随着构建中国哲学社会科学自主知识体系自觉性的推动，这类具有明显学术积累意义的工作，正日益受到学术界、出版界众多同行的重视，成果叠出，令人振奋。《八闽文库·福建民间契约文书》的出版，毫无疑问是一件嘉惠学林的大好事，尤其对于年轻一辈中国社会经济史研究者的成长，其意义更是不可限量。

　　我特别想强调的是，新史料的发现和充分利用，是中国社会经济史学术进步的重要助力，近年各地大量发现的地方文献和民间文书，或许预示着一场从研究规范、问题意识到表述形式都可能发生重大转变的学术变革即将来临。

　　我也想提到，现在的问题是资料太多，用心研究新资料的功夫相对薄弱。且面对动辄数以十万件的新发现文献，传统历史学提倡的考据、校勘、辑佚和“穷尽史料”等等专业性学术要求，在很大程度上，已经超出了研究者脑力所能分析处理的极限，甚至有时让人觉得连体力的支撑都存在问题。而实际上，专业且恰如其分的辅助性技术手段也供应不足。

　　在这种情势下，可以想到的一个可以努力的重要方向是，借助人工智能为这场即将来临的学术变革提供助力或动力。大家知道，目前中山大学图书馆收藏有徽州文书约40万余件，这些文书在“理论上”是依据“归户”的原则被收集起来的。2018年以来，系统开展了徽州文书的数字化扫描、全文识别、著录标引（含图案抽取、异体字俗体字抽取）等工作，为后续的数字化利用作了初步准备。

　　图像扫描：完成约36万件（其余因破损、普通印刷本等原因，约4万件未扫）。

　　全文化：目前完成全文识别（OCR）约26万件。

　　著录标引：重点针对人物、土地、人物关系等实体信息较多的徽州文书文本类型进行细颗粒标引著录，目前完成约20万件。但将所有文书归属到里甲、村落的工作还有待努力。

　　近两年来本人以较多时间翻阅这批资料，感觉到有可能在深刻理解学术史的基础上，在人工智能的助力之下，充分利用近30年各地发现、整理、出版的海量地方文献和民间文书，在明清社会经济史研究领域做某些奠基性的工作，或许也有取得颠覆性结论的可能。这里试图提出作为一个历史学工作者，在民间历史文献具体研究过程中，希望与计算科学家和大数据专家合作或期待得到帮助的一些方面。

　　一、进一步提高OCR的能力。这个问题大家都很了解。可能需要更多的跨专业的合作，特别是对图像、记账符号、随手涂鸦、印章、重叠的笔迹等等的识别能力。

　　二、依靠AI构建海量人物之间的复杂但确实的关系，并确定每个人物生活和活动的具体空间单位。特别是对中山大学这些被“归户”收集整理的文书来说，这样的工作对于进一步的整理出版和深入研究，具有决定性的意义。

　　三、以此为起点，重新整理研究原来因种种缘由，引致文献内在脉络被破坏的已经公开出版的其他文献，重建人物、地点与时间之间的历史联系，尽量恢复历史现场的本来面貌。

　　通过对各种类别的海量资料的计量分析，更深入地理解百姓日常生产劳作和家庭生活的复杂面相，力求从“总体史”的角度重新解释中国经济社会发展的特质及其制度背景。当然，这方面的工作，在现阶段似乎更多地还是要依赖对典章制度系统变化的系统了解。

　　也许采用人工智能和大数据方法重新阅读、分析这些海量的资料以后，会发现一些全新的研究领域。我的体会是，人文学科与人工智能的融合，应该是一个“双向奔赴”的过程。AI是人文学者的有“智力”、可交流的朋友，而非外在的技术性“工具”。