圓的方塊

上世紀(jì)，美國出現(xiàn)了一位神秘的炸彈客。

從1978年到1996年被捕，17年里，他寄出了16枚炸彈，造成了3人死亡，23人受傷。在這期間，F(xiàn)BI出動(dòng)了500多名特工，花費(fèi)了數(shù)百萬美元，也沒抓到這位“炸彈客”。

看起來，這是一位行事謹(jǐn)慎的高智商犯罪者：隨機(jī)選擇襲擊目標(biāo)，并且?guī)缀鯖]有在現(xiàn)場(chǎng)留下任何可以追溯的證據(jù)，比如指紋、頭發(fā)或其他纖維，包括制作炸彈的材料，也無從追溯購買地址，比如用到的木頭看起來就像是路邊撿來的垃圾。

破案的線索，最終落到了“炸彈客”的語言風(fēng)格。

1995年，F(xiàn)BI收到一封信。寄信人說，那些炸彈都是自己寄的，并且以“停止炸彈攻擊”為條件，要求刊登他的一篇論文，題為《論工業(yè)社會(huì)及其未來》（Industrial Society & Its Future）。寄信人聲稱，這篇論文可以解釋他的作案動(dòng)機(jī)以及對(duì)社會(huì)弊病的看法。

經(jīng)過“要不要屈從于恐怖分子”的辯論，F(xiàn)BI決定將這篇論文公開發(fā)布，希望有人能認(rèn)出作者。

這篇論文宣稱現(xiàn)代技術(shù)與工業(yè)化嚴(yán)重侵蝕了人類社會(huì)，因此需要有人站出來阻止技術(shù)進(jìn)步，從而拯救全人類。這些極端言論引發(fā)了廣泛討論，“炸彈客”因此被很多極端分子和無政府主義者視為“英雄”；同時(shí)，也引起了民眾的注意。

很快，一位名叫大衛(wèi)·卡辛斯基的群眾通過律師聯(lián)系了警方，說發(fā)現(xiàn)這篇論文的觀點(diǎn)和寫作風(fēng)格都很像自己的兄弟泰德·卡辛斯基，并提供了一些舊的信件和文章素材。

FBI專家對(duì)這些材料進(jìn)行了語言學(xué)分析，發(fā)現(xiàn)，除了“科技有罪”的論點(diǎn)，還有很多寫作風(fēng)格都和公開的炸彈客的論文相符，比如，格式、標(biāo)點(diǎn)和獨(dú)特的拼寫（炸彈客的論文發(fā)布之前，F(xiàn)BI就注意到，論文里的“analyse”一詞采用了英式拼寫）——但這些證據(jù)不足以讓他們簽署搜查令。

關(guān)鍵證據(jù)來自一封信，里面有一句“you cant have your cake and eat it， too”，在炸彈客的論文第185段，也使用了同樣的措辭。以此為突破口，警方最終在美國蒙大拿州一處偏遠(yuǎn)的小木屋中找到并逮捕了炸彈客本人，也就是泰德·卡辛斯基。

資料顯示，泰德·卡辛斯基的智商高達(dá)167，16歲就被哈佛大學(xué)數(shù)學(xué)系錄取，25歲就成為加州大學(xué)伯克利分校歷史上最年輕的數(shù)學(xué)系助理教授——這樣一位瘋狂的高智商反社會(huì)炸彈客，最后敗露于自己的行文風(fēng)格。

在刑偵工作中，能夠追溯一個(gè)人身份的方法有很多，比如指紋、虹膜、DNA等，都是獨(dú)一份兒的身份標(biāo)識(shí)。

其實(shí)，語言和寫作風(fēng)格也能夠用來確認(rèn)身份，比如，上文中的炸彈客就是被自己兄弟辨認(rèn)出了寫作風(fēng)格。調(diào)查這宗案件的FBI調(diào)查員曾說：“沒有兩個(gè)人會(huì)寫得一樣?！?/p>

一個(gè)人在書寫或者打字時(shí)，會(huì)形成一些特定的詞語用法，而這點(diǎn)小線索，就像文字上的指紋，可以讓我們分辨這篇文字到底出自誰手。這種將文章書寫特征作為“指紋”來判斷作者的技術(shù)，叫做“作者識(shí)別”。有一門叫做“刑偵語言學(xué)”的學(xué)問，就是專門研究書寫或語言的表達(dá)方式，來分析案情中嫌疑人或被害者的身份信息。

2018年，《紐約時(shí)報(bào)》刊登了一篇匿名文章《我是特朗普政府中的一名抵抗者》，作者自稱是白宮的工作人員，對(duì)當(dāng)時(shí)的美國政壇一頓批評(píng)。這可把時(shí)任總統(tǒng)特朗普氣得不輕，表示一定要揪出這個(gè)“內(nèi)鬼”。這時(shí)，作者識(shí)別就有了用武之地。有人發(fā)現(xiàn)，在這封匿名信中出現(xiàn)了“北極星（lodestar）”，而當(dāng)時(shí)的副總統(tǒng)彭斯就特別愛用這個(gè)詞。后者當(dāng)然趕緊出來否認(rèn)。

作者識(shí)別有很多流派和技巧。比如，特定年代的用語可以判斷書寫者所處的年份（“你是GG還是MM”，“你媽喊你回家吃飯”，“神馬都是浮云”這些當(dāng)年爆火的流行語如今已經(jīng)成了時(shí)代的眼淚）；一些特定詞匯的使用也可以體現(xiàn)作者的職業(yè)（比如，總是把閉環(huán)、抓手、賦能這些詞掛在嘴邊的，很大可能是互聯(lián)網(wǎng)從業(yè)人員）。

這些流派在分析時(shí)，大多以實(shí)詞作為依據(jù)。實(shí)詞，比如名詞、動(dòng)詞、形容詞之類，一般會(huì)用來表達(dá)具體的意思。但是，使用實(shí)詞分析會(huì)面臨一個(gè)問題：作者在撰寫不同的內(nèi)容時(shí)，會(huì)用到不同體系的實(shí)詞。比如，一個(gè)生物學(xué)家兼職寫作言情小說。在工作時(shí)，他會(huì)用到大量的生物術(shù)語；而在夜班碼字時(shí)，可能會(huì)用到很多情情愛愛的詞匯。所以，用實(shí)詞來判斷作者時(shí)，容易被不同文體間的轉(zhuǎn)換干擾。

比起實(shí)詞，副詞、介詞、連詞等虛詞通常就沒啥確定的含義，即使寫不同題材的文章，虛詞的使用頻率也大體不變。有人做過統(tǒng)計(jì)，在漢語文章中，“的”字的出現(xiàn)頻率大約是每10字出現(xiàn)0.45次，是所有人都最常用的漢字之一 。同樣，“地”、“得”、“嗎”、“呢”之類虛詞的出現(xiàn)頻率，也幾乎不受文章內(nèi)容的影響，更能反映作者的寫作習(xí)慣。

在中國，最知名的作者識(shí)別案例，當(dāng)屬“《紅樓夢(mèng)》后40回作者懸案”。《紅樓夢(mèng)》全書120回，目前公認(rèn)的說法是曹雪芹寫了前80回，高鶚續(xù)寫了后面的40回。1970年，紅學(xué)家趙岡，就用 “的”、“了”、“在”、“兒”、“著” 這五個(gè)字的出現(xiàn)頻率來研究紅樓夢(mèng)的作者問題，得出了前80回和后40回確實(shí)出自不同人之手。

這項(xiàng)研究中用了5個(gè)字，其中3個(gè)都是虛詞。

與曹雪芹類似，國外也有那么幾個(gè)大作家，需要后世學(xué)者來給其名下的作品掌掌眼，比如英國文豪莎士比亞。

很多文學(xué)研究者認(rèn)為莎士比亞的一些作品其實(shí)也是他人續(xù)寫的，其中就包括名作《亨利八世》?！逗嗬耸馈肥巧掏砥诘淖髌?。晚年的莎士比亞一直擔(dān)任Kings Men劇團(tuán)的劇作家，他去世后，約翰·弗萊徹接替了這個(gè)職務(wù)。因此，有人“合理”懷疑弗萊徹續(xù)寫、甚至修改了《亨利八世》。

1850年，文學(xué)評(píng)論家詹姆斯·斯派丁提出了一些證據(jù)：在《亨利八世》書稿中，有時(shí)會(huì)用ye代替you，或用em代替them，而這些都是弗萊徹的行文習(xí)慣。

當(dāng)然，相關(guān)的說法一直存在爭(zhēng)議。即便是二人合著，也沒法判斷到底這部作品中，莎翁和弗萊徹各自貢獻(xiàn)了多少。

然而，隨著技術(shù)的進(jìn)步，特別是機(jī)器學(xué)習(xí)算法的成熟，有人就想用新方法來解開《亨利八世》的謎題。

2019年，一位名叫彼得·普萊查的研究員說自己有了答案。這位來自捷克科學(xué)院的學(xué)者，使用機(jī)器學(xué)習(xí)算法來識(shí)別劇本的每一行文字，然后讓機(jī)器來判斷作者是誰。

為了訓(xùn)練算法，得出優(yōu)化模型，彼得先是翻出與《亨利八世》同時(shí)期的其他莎翁著作，包括《冬天的故事》、《暴風(fēng)雨》等。然后，他將這些著作變成一行行數(shù)據(jù)，喂給了算法，再讓程序能識(shí)別莎士比亞的單詞和語句模式。同樣，彼得也找來了不少弗萊徹所寫的劇本，讓算法進(jìn)行學(xué)習(xí)。最后，這個(gè)經(jīng)過訓(xùn)練的算法就可以成為一名裁判，來分辨《亨利八世》的內(nèi)容到底出自誰人之手。

人工智能的分析結(jié)果證實(shí)了斯派丁的猜測(cè)——弗萊徹確實(shí)參與了《亨利八世》的撰寫。而且，根據(jù)算法的分析，弗萊徹貢獻(xiàn)還不小，有一半左右的劇本都出自他筆下。甚至，算法還能精確地指出哪些段落是莎士比亞自己寫的，而哪些是弗萊徹所寫。比如，算法分析了第二幕第三場(chǎng)，前1261行是莎士比亞所寫，而1261～1299行的作者則是弗萊徹，隨后又轉(zhuǎn)回莎士比亞。

當(dāng)然，真相早已埋沒在歷史洪流之中，現(xiàn)代學(xué)者能做的，只是基于概率來做出合理的推測(cè)。對(duì)于成名的作家來說，即使部分作品存在捉刀人，也不能撼動(dòng)其文學(xué)地位。

不過，有些作家面臨的狀況就更窘迫些了，因?yàn)橛泻笕藨岩善渌凶髌范疾皇亲约簩懙摹▏鴦∽骷夷锇Ь驮獾搅诉@樣的全盤否定。

寫出過《吝嗇鬼》、《偽君子》等名作的莫里哀，在法國人民心中的地位和莎士比亞在英國人心中的地位差不多。

然而，幾百年后，有人開始懷疑莫里哀并沒有寫過劇本，說他其實(shí)是個(gè)欺世盜名之徒，理由包括：首先，根據(jù)歷史記載，莫里哀是當(dāng)時(shí)的知名演員，一輩子幾乎都在旅行和巡演，哪有時(shí)間寫劇本？再者，人們從沒發(fā)現(xiàn)過莫里哀親筆簽名的原稿。

還有評(píng)論家列出了幾位可能的“槍手”人選，其中呼聲最高的，是一位名叫皮埃爾·科尼耶的劇作者。有人甚至據(jù)此腦補(bǔ)了一出“代筆大戲”：受過良好教育的科尼耶，寫了這些劇本，然后簽上莫里哀的名字，這樣可以利用莫里哀的明星效應(yīng)，讓劇本更受歡迎。

“代筆疑云”中的這些當(dāng)事人早已長眠地下，沒法出來對(duì)證。于是，探案工作又交到了機(jī)器手中。

2019年，兩位法國學(xué)者在學(xué)術(shù)期刊《科學(xué)進(jìn)展》上發(fā)表了一篇論文，題為“Why Molière most likely did write his plays（為什么說莫里哀很可能寫了他的劇本）”。

看論文標(biāo)題，就知道這項(xiàng)研究一定十分嚴(yán)謹(jǐn)。

研究者收集了莫里哀、科尼耶以及其他10位同時(shí)代作家的作品，將這些作品輸入計(jì)算機(jī)程序，并統(tǒng)計(jì)了每個(gè)作者對(duì)虛詞的使用頻率。為了力求準(zhǔn)確，他們還分析了詞匯、詞綴、語法等方方面面，最終提煉出了每個(gè)作者的行文特征。

經(jīng)過海量的數(shù)據(jù)收集、復(fù)雜的統(tǒng)計(jì)學(xué)分析，配合優(yōu)化的機(jī)器學(xué)習(xí)算法，這兩位法國學(xué)者心滿意足地敲下了論文的結(jié)論：

“These conclusions strongly substantiate the idea that Molière indeed wrote his own plays。”

（這些證據(jù)強(qiáng)烈表明：莫里哀的劇本確實(shí)是莫里哀寫的）。

（方特摘自“果殼網(wǎng)”）