Let's Make AGI Real

独立宣言键上敲，古腾堡后又新潮。
一编电卷开新纪，万卷公书上网霄。

话说第十七回中，布什梦机关连万念，医学文献入机器，检索之术从书架走向算法。可无论检索怎样聪明，若文本仍被纸壳紧紧抱住，机器能做的也有限。它可以索引题名、摘要和主题，却未必能触到全文。于是又有一件小事发生：有人把一篇文字亲手敲进计算机。

那一年是1971年。Michael Hart 在一台大型计算机上获得使用机会。他没有先输入宏伟百科，也没有先输入厚重经典，而是输入《美国独立宣言》。这份文本不长，公共领域，象征意味又重。它从纸上、印刷史上、政治史上走来，如今变成一串电子字符，在网络前夜静静发光。

此事若写成传奇，场面并不壮阔。没有巨大的扫描工程，没有豪华界面，没有云端平台。只有键盘、终端、主机、字符和一个近乎简单的念头：既然计算机可以复制文本，那么公共领域的文本应当尽可能自由传播。这个念头后来名为 Project Gutenberg。名字借古腾堡，是向印刷革命致意；方式却很新，字不再压在纸上，而在电子空间中复制。

想象 Hart 坐在终端前。屏幕简陋，字符朴素。每敲一行，文本便从人的手指进入机器。错字要改，换行要想，格式不能复杂。纸书里那些字体、边距、页码、装帧，此时大多退场，只剩文字骨架。电子文本的第一次迁徙，像把书的衣裳脱下，只让句子穿过门。

那份《独立宣言》变成电子文本后，并没有立刻获得今日意义上的广大读者。网络尚小，机器昂贵，能接触它的人有限。可种子不因土少而不是种子。早期电子文本的意义，不在当时下载量有多惊人，而在它证明了一个方向：文本可以不依赖印刷和邮寄而复制，公共领域可以拥有新的传播渠道。

这有损失，也有解放。失去版式，读者看不见原书样貌；获得纯文本，文件极小，容易复制，容易传输，容易被不同机器读取。一本书不再一定是一件物，也可以是一段可复制的字符序列。它没有书脊，却可以同时在许多人手里；没有纸页，却可被搜索、剪贴、朗读、重排。

Project Gutenberg 早期靠志愿者输入、校对、整理公共领域文本。志愿者的工作并不浪漫。他们面对旧书、键盘、OCR 错误或扫描文本，一字一字核对。某个标点是否保留，某个破折号怎样表示，诗行如何换行，章节标题如何标记，都要作决定。电子书看似轻，背后仍有许多低头的人。

纯文本还有一种近乎清贫的美德。它不挑机器，不依赖华丽软件，文件小，容易保存，也便于盲人读者借助朗读工具使用。可清贫也有代价：斜体、脚注、表格、插图、页码、字体和版式常被简化。志愿者每次取舍，都在问同一个问题：为了让文本走得更远，可以放下多少外衣？为了让证据更完整，又必须保留哪些骨节？

后来分布式校对让这件事更像众人合抄。一个人校一页，另一个人复核，第三个人整理格式。古代抄经人围灯而坐，现代志愿者隔着网络分工，姿态不同，耐心相近。某页旧书上一个模糊字母，可能让远方几个人反复比对。电子文本越容易复制，初始文本的准确便越重要；错字也会像印刷时代一样，跟着复制奔跑。

有一位志愿校对者，夜里打开文本。屏幕上是十九世纪小说，旁边放着原书图像。机器把“rn”认成“m”，把旧体字母认错，把页眉混进正文。她一处处改，眼睛发酸。别人读电子书时，只觉下载迅速；她知道每一处顺滑都曾有毛刺。数字文本的清洁，不是天生的，是有人擦出来的。

电子文本改变了“复制”的伦理。印刷时代，复制需要纸、墨、机器和成本；电子时代，一份文件可几乎无损地再生。公共领域因此获得新活力。尘封旧书不必等待重印，只要有人输入和校对，便可重新流通。古老文本像从书库中放出，走向学校、家庭、研究者和远方读者。

但这也带来新问题。什么书属于公共领域？不同国家版权年限不一，译本和注释可能另有权利，电子版本的整理者是否有新权益，平台能否限制再传播？自由流动不是没有边界，而是需要看清边界。Project Gutenberg 的朴素理想，后来要与复杂版权世界并行。

电子书也改变了图书馆。馆员过去处理的是实物：采购、编目、盖章、贴标、上架、修补。电子文本进入后，馆员还要处理文件格式、元数据、访问链接、长期保存、版本更新和读者设备。一本电子书可能没有“归还”动作，却有许可期限；没有缺页，却可能链接失效；没有霉斑，却可能格式过时。

有一册《傲慢与偏见》的电子文本，在不同平台上有不同面貌：纯文本、HTML、EPUB、PDF、扫描图像、带注释版、朗读版。读者说“我要这本书”，馆员要问：你要读，还是引用？要看原版页码，还是手机阅读？要公共领域英文原文，还是现代译本？电子书让一本书分出许多影子，影子越多，选择越自由，也越需要说明。

这也让“版本”变得更加活泼。一个志愿校对版改了错字，一个商业电子版加了导读，一个学术版保留异文，一个扫描版忠于页影却不便检索。四者都可叫同一本书，又都不是同一件东西。书目记录若只给一个题名，便像把四位亲戚合成一人。电子时代的目录，要比从前更会分辨这些影子。

格式也会老。今日能打开的文件，明日未必方便；今日流行的阅读器，过几年可能换代。纸书怕火水虫霉，电子书怕格式废弃、存储损坏、链接失效、平台关闭。数字保存并非把文件放进硬盘就万事大吉，还要迁移、校验、备份、记录来源和版本。电子书没有书页发黄，却也会在无声处失踪。

回看前文，Lubetzky 桌上的《哈姆雷特》问题又回来了。作品、版本、表达、载体，在电子时代更难装进一个简单盒子。Project Gutenberg 的纯文本是一种表达，扫描影像又是另一种证据，带排版的电子书是一种阅读便利，学术校勘本则另有重量。电子文本没有消灭书目问题，反而把它们照得更亮。

也有人担心，电子书会不会让图书馆失去意义。若文本可从网上下载，何必入馆？这个问题后来反复出现。可图书馆的价值从来不只是“这里有一本”。它还关心哪一本可靠，哪一版可引用，哪些文本属于公共领域，哪些有授权限制，怎样保存，怎样让弱者也能访问，怎样不让商业入口垄断阅读。电子文本越容易复制，可信组织反而越重要。

于是，编目又回来了。电子书需要题名、作者、版本、语言、格式、权利状态、永久链接、主题和摘要。若没有元数据，文件便像散落在海面的小瓶，可能漂得很远，却未必被需要的人找到。Project Gutenberg 的朴素文本，也需要目录入口；数字图书馆的华丽界面，也离不开背后记录。旧卡片柜的精神，在电子文本旁换了衣裳。

Hart 的理想带着一种早期网络气质：自由、共享、志愿、公共领域、低成本传播。它有天真处，也有光亮处。若没有这类天真，许多公共文化项目不会开始；若只有天真，又难以面对版权、质量、保存和可持续运营。图书馆恰在二者之间工作：既守护开放，也处理麻烦。

有一天，一个偏远地方的学生下载了公共领域文本。她所在学校没有大馆，家中也无多书。屏幕上的文字并不华丽，却足以让她读到远方时代的声音。电子书在此处显出最朴素的意义：它让某些原本不可能到达的书，轻轻抵达。文件很小，路却很长。

Project Gutenberg 之后，电子文本世界越来越宽。大学数字馆藏、开放获取期刊、在线文库、电子书商、阅读器、移动设备陆续出现。文本脱离纸壳，并不意味着纸书死亡，而是书籍多了一种身体。泥板、竹简、卷轴、册页、胶片、光盘、纯文本，都是知识临时借住的屋子。屋子换了，读者仍在寻找门。

本回写到这里，电子书像一粒种子落入网络前夜。再往后，扫描仪会翻动海量纸页，Google Books、HathiTrust、Internet Archive 等项目会让旧书大规模变成图像和可检索文本。那时问题会更大：机器看见了书页，却会认错字；法律允许人读，却未必允许机器读；图书馆保存纸书，也要保存数字副本和访问权。

夜深，Hart 输入的字符仍在远方复制。没有书架声，没有翻页声，只有文件从一台机器到另一台机器。古腾堡让文字借印刷扩散，Project Gutenberg 让文字借电子复制再度远行。两个古腾堡之间，隔着几百年，也隔着同一个愿望：让书不只留在少数人手里。

正是：哈特录文开电卷，古登堡名放群书。欲知扫书页巨眼如何吞纸海、立信库群馆怎样护文魂，且看第十九回“扫书页巨眼吞纸海，立信库群馆护文魂”。

电卷虽轻承万古，屏幕虽薄载千秋。
且将数字传天下，留待群书入网流。