報導／盧履彥、張仲君、林慧菁、陳弘音、徐千禾
攝影／張倍瑄
近年來，隨著數位科技不斷進步，智慧數據成為數位人文研究的新亮點，為我們帶來了前所未有的新契機。在中央研究院，有歷史語言研究所運用明清時期重要史部書籍人名、地名、職官、時間等基本屬性的標記，將平面的文本資料結構化，以便學者利用統計分析工具，建構歷史事件輪廓或制度沿革演變；也如近代史研究所，在執行農林部《農業推廣委員會》、《農事司》及《農村經濟司》檔案數位化的同時，透過人名、地理名詞、關鍵詞、與圖資等資料的著錄，幫助學者鳥瞰民國時期農業經濟發展脈絡，總攬戰時上溯民國以及戰後的農業概況，勾勒臺灣、中國及近代東亞農業史系譜。
為了更進一步挖掘檔案與史料的潛力，2023年孟冬，數位文化中心特別邀請美國肯特州立大學（Kent State University）資訊學院曾蕾教授，透過「數位人文與資料智能專題講座」的分享，從理論與實務並重的角度，解析在人工智慧技術迅速崛起下，智慧數據在人文領域中的研究應用，發現其對研究方法、議題挖掘、以及跨學科合作的作用與影響。
揭示未知的未知
11月29日，曾蕾教授以「強化數位人文鏈結資料的潛力—芬蘭SAMPO數位人文語意入口網帶來的啟示」為題帶來第一場演講，藉由芬蘭逾20年語意網知識系統發展的歷程，展示利用「智慧數據」（smart data）輔助數位人文（Digital Humanities，DH）研究的典範。
芬蘭Sampo數位人文語意入口網站的發展鑒於2000年，當時芬蘭雖有許多獨立建置的文化資產資料庫，卻因缺乏共通規格與標準，造成資料無法共享、串連的困難。為了促成跨資料庫間檔案整合，而開始建置通用、共享的資料模組架構。在政府資金挹注下，由芬蘭赫爾辛基阿爾多大學（Aalto University）語意計算研究實驗室（Semantic Computing Research Group，SeCo）主導的Sampo語意網建置計畫於焉展開。
2002年至2004年間發展的第一代Sampo語意入口網，主要以達成資料發布、聚合、瀏覽等資源初步檢索為目標。其方法主要依據芬蘭國家本體服務規範（FinnONTO），進行博物館典藏資料在語意網中之資源分享與發布。
2014至2017年的第二階段，伴隨數位人文研究浪潮，主要運用資料分析工具架構數位人文研究系統，希望提供學者以互動方式解決研究問題的工具。技術開發上運用了以鏈結開放資料（Linked Open Data，LOD）驅動的資料庫搭配資料呈現工具，建構將分散式資料聚合呈現的知識圖譜（knowledge graph）。目前頗富盛名的二戰歷史「WarSampo入口網」即為此階段的重要成果。
WarSampo入口網 首頁
發展至第三階段，語意計算研究實驗室導入人工智慧（Artificial Intelligence，AI），以從數據中自動發現知識，進而分析、解決研究問題並詮釋其結果為主要目標。2020年發布之芬蘭人物傳「BiographySampo入口網」就屬此類。在關聯整合資料後，得以檢索出「未知的未知」（the unknown unknown）的知識網絡。
曾蕾教授指出由芬蘭Sampo數位人文語意入口網站三個階段的發展歷程，反映出在人工智能蓬勃發展下，數位人文研究不僅止於協助學者從基礎資料發布、聚合到資料分析及運用AI人工智慧等技術工作發掘更多知識。其中的關鍵是利用大數據進行「方法論的轉變」（methodological shift），以揭示「未知的未知」為目標，從而邁向知識發現。
從芬蘭Sampo入口網的發展，曾教授不斷強調建構國家級語意網超級基礎架構的重要性，活絡數據，讓檔案可以重複再利用、共享的鏈結資料基礎設施是達成數位人文研究的關鍵。進而創造「七星級」的鏈結資料服務（7-star linked data service），促使學者能進一步驗證資料並獲知資料創建的來龍去脈，以提升對所發布資料品質的信任度。
從數位化、數據化到數智化
12月1日上午舉辦的第二場講座，曾蕾教授以「深化提升數位人文研究的方法及研究成果分享—由研究個案觀察發展趨勢」為題，舉出數個近年國際間的實作發展範例，展示AI人工智慧導入數位人文研究的做法、優勢與挑戰，及將資料提升為「智慧數據」（Smart Data）的標準規範與趨勢。
「深化提升數位人文研究的方法及研究成果分享—由研究個案觀察發展趨勢」講座盛況
「智慧數據」是經由資料清理、轉換與分析以釋放其最大價值的數據類型，而數位人文研究領域中，資料多源自典藏、檔案、口述歷史資料、報告，無法直接以網路爬蟲獲取數據，因此如何找出暗藏歷史性價值的資料成為人工智慧運用的首要課題。曾蕾教授指出，目前除了大家耳熟能詳的ChatGPT生成式人工智慧（Generative AI）、大型語言模型（Large Language Model, LLM）外，還有許多可利用的人工智慧與機器學習（Machine Learning）工具，她分享了十來個可機器讀取的文字資源、半結構化數據、影像、音頻檔案、氣味、實體物件等資料生成可信「智慧數據」的國際實作案例，並說明其本質是由資料「數位化」（Digitization）、「數據化」（Datafication）進而轉變為「數智化」（Intellectualization）的過程。
「羅馬帝國在線硬幣」（Online Coins of the Roman Empire, OCRE）可查詢分析錢幣圖像，採用本體論建模形成知識庫，範圍擴展到世界各地古幣收藏單位的資料（圖片提供/曾蕾）
運用人工智慧工具輔助典藏照片簡介的文本挖掘、分類和語義標記（圖片提供/曾蕾）
然而人工智慧在數位人文研究的運用上，仍有諸多挑戰，尤其在無文字民族或大量群眾募知（Crowdsourcing）獲得的影像材料上，因缺乏「語境」（Context）條件，使這些體驗文化或無形文化資產無法以機器讀取，因此整合歷史、考古、人類學門人員參與並提供「語境」數據資料，成為提升AI識別及關連整合的重要關鍵。針對未來數位人文發展，曾蕾教授認為，我們確實需要擁抱AI技術以保護、重建人類文化遺產，只要遵循AI賦能的合理使用，與可信度、準確度、道德觀衡量並有效管理，將能對未來的學術研究發揮無窮的潛力。
曾蕾教授也呼籲利用國際既有、通用的知識本體模型設計建構數據資料，依循鏈結開放資料FAIR原則規範（FAIR Principles）發布，以提升資料的可蒐性（Findability）、可近用性（Accessibility）、互通性（Interoperability）及再利用性（Reusability）。而在提升資料公共參與度上，她提出公眾參與的三種模式，建議將資料發布於「維基數據」（Wikidata）等國際資料開放共作彙集平台，主動「走出去」藉以強化資料能見度、再利用性。同時期許透過異見融合，聚焦議題本質「是什麼」而非「為什麼」，從而揭示「未知的未知」（the Unknow-Unknow）。
德國國家經濟資訊中心ZBW將「20世紀新聞檔案」（PM20）資料發布於「維基數據」（Wikidata）後，平台提供眾多查詢問題以利使用者即時獲取答案，如「20世紀新聞檔案」中的經濟學家出生地分布圖與視覺化資料（圖片提供/曾蕾）
向深度推進、向廣度拓展
除了兩場對外講座分享，為了能更進一步探討圖像分析的技術發展與運用模式，數位文化中心也邀請曾蕾教授透過內部交流的形式，辦理「國際圖像互操作架構（IIIF）應用專題講座－數位文化中心工作坊」。
內部交流會上，數位文化中心陳弘音專案經理簡介目前圖像分析平台的規劃
在數位圖像分析和數據標準化的領域中，核心焦點是如何透過標準化的方法有效整合研究資料，從而創建出既能展示，又便於研究的靈活圖像資源。這不僅涉及技術層面的創新，也包括對數據共享和互操作性原則的深入理解，以確保圖像資源能夠在不同研究背景下被廣泛而有效地複用。
本中心近年來開始著手開發圖像分析平台，發展相關圖像分析技術，藉由這次難得的機會，除了展示目前正在建置的圖像平臺初步研發成果，更與曾蕾教授進行深入交流，探討國際圖像互操作架構（IIIF）在數位文化資產保存與學術研究中的創新應用與挑戰，從而為圖像分析平臺的未來發展方向提供寶貴的見解。
在本次工作坊中，曾蕾教授不僅提供了對IIIF技術的深入解析，也展示其在文化遺產數位化與學術研究中的廣泛應用。她闡述了IIIF在數位化手抄本修復、重組，以及分析大尺寸古代地圖等方面的能力；並延續性地介紹IIIF結合機器學習技術在識別古文書文字方面的應用，展示如何實現圖像與文本的深度融合。
這些創新應用的進展不僅提升了對歷史文獻的存取和理解，也為其數位保存和學術研究提供了新的方向。通過與曾蕾博士的交流及分享，專案團隊得以對國際趨勢有更深刻的理解，並藉以在平臺發展的階段進行相應的評估與調整，以期更加符合未來圖像研究的期待與需求。
善用智慧數據，邁向知識發現
當數位科技不斷顛覆認知，一路從搜尋，進展到智慧問答與互動，人工智慧正在滲入人文研究領域，讓傳統的人文研究產生實質的改變。這些發展同時也促進了跨學科合作，將人文學科與科技領域進行有機結合。例如，在語言學、社會學、心理學等領域，相關學者可以透過智慧數據的分析，發現言論模式、社會行為規律等，讓研究更為全面、深入。
講座中，數位文化中心陳淑君執行秘書與曾蕾教授合影
透過曾蕾教授的分享，我們見識到智慧數據的魅力與潛力，為學者提供更廣泛的資源，運用機器學習、自然語言處理等技術，讓學者迅速有效地分析大量資料，發現隱藏在檔案背後的脈絡，提出更具洞見的觀點。
在這個充滿機會的時代，本中心將致力推動智慧數據在人文領域的創建與應用，為人文研究注入更多活力，讓我們對歷史、社會、文化的認識與理解能更寬廣、更深刻。
訂閱RSS