雷鋒網(wǎng)注：本文作者Martha Henriques，由Sophie、劉曉莉編譯。文章由大數(shù)據(jù)文摘授權雷鋒網(wǎng)發(fā)布。

試問，哪位歷史學家有時間閱讀跨越一個多世紀英國歷史的數(shù)千萬份報紙？沒人可以。所以，計算機科學家和歷史學家一起，教會了計算機做這件事——分析新聞報道中的數(shù)十億個詞，讓我們重新認識19世紀到20世紀初的英國歷史。

這項研究發(fā)表在PNAS上，是對“文化組學”這一新興學科的實踐。

注：文化組學culturomics，指通過數(shù)字化文本的定量分析研究人類行為和文化趨勢的計算詞匯學

計算機分析了1800年至1950年間的3500萬份英國地區(qū)新聞報道中的286億詞匯，約占該時期英國地區(qū)報刊總量的14％。

作為對比，一個成年人的平均閱讀速度為大約每分鐘300字。按照這個速度，一個人需要整整180年來完成所有的閱讀。如果算上人類的休息時間，閱讀需要的時間就更長了。而計算機算法用大約8周完成了所有的工作，該項目研究員英國布里斯托大學計算機科學家Nello Cristianini稱。

這項研究的第一步是人工檢查，以確保計算機可以從報紙中提取真實的歷史事件。檢查的內容為計算機是否能準確地找到諸如加冕，已知的疾病流行和戰(zhàn)爭等事件。

有趣的部分發(fā)生在下一步：研究計算機算法是否可以找到歷史學家使用傳統(tǒng)方法不能找到的歷史事件。

“我們正在尋找一些不太明顯的歷史進程——例如，技術的興起，”Cristianini說?！拔覀兛吹?900年左右，技術發(fā)生了變化。我們還能進一步解讀更微妙的信號：我們可以看到電報，電話和廣播被公眾接受的速度有多快。這個速度在不斷加快?，F(xiàn)在，人們接受Twitter或Facebook只需要一年。”

人工智能分析不僅僅是簡單的字數(shù)統(tǒng)計（這是曾經(jīng)大量數(shù)字化文學研究的做法）。這一次，研究人員使用AI技術，如自然語言處理，以獲得對上下文和文本含義的理解。你可以認為它是終極的快速閱讀。

他們發(fā)現(xiàn)了什么？這是AI眼中的英國歷史：

 1、電力什么時候趕超了蒸汽？

1898年。這一年，電在新聞中出現(xiàn)的頻率開始超過蒸汽，電能逐漸取代了蒸汽。

圖：20世紀來臨時，電力取代了蒸汽（來源Nello Cristianini / PNAS）

 2、火車什么時候趕超了馬車？

 僅僅四年后的1902年?；疖嚨臅r代開始于19世紀40年代，那時英國開始發(fā)展國家鐵路系統(tǒng)。但就新聞方面而言，火車在半個多世紀后才變得比馬車更重要。

圖：“鐵馬”（來源New York Public Library / Flickr）

3、人們什么時候開始不再討論奴隸制？

 對奴隸制的報道高峰出現(xiàn)于1830-1870年廢奴運動時期和1861-1865年美國南北戰(zhàn)爭期間。1870年后，報紙幾乎不再提及奴隸制。

圖：1830年到1870年，奴隸制出現(xiàn)在新聞中（來源Nello Cristianini / PNAS）

4、記者什么時候開始報道婦女參政權運動？

1906年。一個戲劇性的報道高峰出現(xiàn)在1913年，在女性參政倡議者Emily Wilding Davison試圖在賽馬會上阻攔英國國王的馬之后。

圖：Emily Davison倒在英國國王的馬前，四天后她死于頭部創(chuàng)傷（來源Hulton Archive）

5、女性什么時候得到了和男性相同數(shù)量的報道？

從來沒有過。20世紀開始，對女性的報道率有上升趨勢，且在二戰(zhàn)時期突然增加。但在整個分析覆蓋的時期，新聞中每提到一個女性大約會提到三個男性。在21世紀，這個數(shù)字更接近男女比2：1，但這種轉變并不大。

圖：戰(zhàn)爭時期，女性得到了更多的報道（來源Wikime）

6、勇氣什么時候最重要？

毫不意外，在第一次和第二次世界大戰(zhàn)期間勇氣被提到最多。維多利亞時代的價值觀，例如毅力，在整個分析覆蓋時期表現(xiàn)出報道頻率的穩(wěn)步下降。但在戰(zhàn)爭年代，對耐力和勇氣等價值觀的報道出現(xiàn)了明顯的增加。

7、英國和英國人的概念（Britishness）是何時出現(xiàn)的？

注：英國全稱為大不列顛及北愛爾蘭聯(lián)合王國United Kingdom of Great Britain and Northern Ireland。不列顛Britain/British是對英國和英國人的統(tǒng)稱，相較于對英國某部分的特指例如England/English是指英格蘭和英格蘭人，或Scotland/Scottish是指蘇格蘭和蘇格蘭人。

對“不列顛”的報道出現(xiàn)于20世紀早期，1900年左右出現(xiàn)第一個峰值，一戰(zhàn)和二戰(zhàn)期間出現(xiàn)了兩個更大的峰值。這個發(fā)現(xiàn)和很多歷史學家的觀點不同——很多歷史學家認為“不列顛”在更早前就已經(jīng)是一個活躍的概念了。

圖：“不列顛”的概念在20世紀早期開始活躍，而傳統(tǒng)上，歷史學家認為“不列顛”出現(xiàn)得更早

（來源Nello Cristianini / PNAS）

8、經(jīng)濟什么時候成為了口號？

與“經(jīng)濟”相比，“政治經(jīng)濟”一直是更為常用的術語，直到1900年左右，這兩個詞的用法變得更加模糊。20世紀初，這兩個術語在約十年間的使用頻率大致相似，之后，“經(jīng)濟”開始成為更受歡迎的用語，在幾個劇烈的峰值后使用頻率開始穩(wěn)步上升。

圖：“政治經(jīng)濟”的使用被“經(jīng)濟”取代（來源Nello Cristianini / PNAS）

原文鏈接：ibtimes.co.uk

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。