網路搜尋年代的書籍索引

《索引，知識的鑰匙》

卡爾維諾的《如果在冬夜，一個旅人》（If on a Winter’s Night a Traveller）裡，小說因為工廠裝訂錯誤而發展出的錯亂多重敘事呼應了人物角色的心理；其中一條線是小說家賽拉斯．佛拉納利迷上他理想中的美女讀者魯德米拉。之後某日，女子拜訪佛拉納利，可惜她並非魯德米拉，而是雙胞胎姊妹的另一人羅塔利亞。這對患上相思病的小說家構成很大的問題。魯德米拉是《如果在冬夜》的讀者公認的女主角，她視創作過程為充滿生命力的果實，將作家比喻為瓜藤、作品是藤蔓結出的南瓜，甜美又多汁。知道女方這種觀點以後，佛拉納利的感情更加深刻。相較於魯德米拉的豐潤想法，她的孿生姊妹則顯得十分尖刻，評論文學的角度切斷了作者與讀者之間曖昧動人的關係。佛拉納利覺得寫作是對讀者的挑逗或示愛，羅塔利亞卻無動於衷，因為她不讀書，而是分析書。更精確來說，她以機器代替自己「閱讀」，由機器輸出她需要知道的內容。佛拉納利將自己撰寫的小說借給羅塔利亞，後來詢問她是否讀過，羅塔利亞道歉說自己還沒機會，因為那段時間她沒回去使用電腦。

羅塔利亞解釋了自己如何閱讀：安裝了合適軟體的電腦幾分鐘就能讀完一部小說，並將其中所有字詞製成表格，還會標示每個詞彙出現的頻率，「從表格一眼就能看出怎麼研究那本書。」稀鬆平常的詞語，像冠詞、代名詞、助詞，就不值得她付出時間心力。羅塔利亞進一步解釋：「以五萬到十萬字的小說而言……我建議立刻查看重複超過二十次的詞條。」舉例而言：

「看這邊，重複十九次的詞有：血、子彈帶、指揮官、做、有、立刻、它、生命、看見、哨兵、開槍、蜘蛛、牙齒、一起、你的……
「十八次的有： 男孩們、棒球帽、來、死、吃、夠、傍晚、法國人、去、英俊、新、通過、期間、馬鈴薯、那些、直到……
「主軸很清楚了不是嗎？」羅塔利亞說：「毫無疑問是本戰爭小說，很多動作場面，風格乾淨俐落，有一定程度的暴力內容，表面的敘事比較多。」

《如果在冬夜》大部分的橋段是俏皮風格，反觀這個場景則沒有表面那麼簡單。讀者從中意識到自己不應該認同羅塔利亞和分析式閱讀，理由之一是孿生姊妹之間對比強烈。然而，卡爾維諾這樣聰明的作者又怎會不在這件事情做文章，挑動心理矛盾？看看羅塔利亞舉的例子，電腦輸出的詞彙表上有血、子彈帶、指揮官，讀者的預期完全如其所言；當她說「主軸很清楚了」的時候，大家確實心裡有數，想必講的是戰爭，有動作場景，表象敘述多過情緒深度。我們不願意贊同羅塔利亞的做法，卡爾維諾卻營造了兩難情境—說不定她真的說對了。想要反對羅塔利亞得從別的角度下手：雖然機器或字母排序的詞彙表可以呈現書籍的部分內容，但那並非完整的閱讀體驗。不過這樣主張的同時，我們便與近世以來的批判者站上同一陣線，畢竟伊拉斯謨和格斯納都埋怨過索引導致學生不讀書，卡克斯頓也警告讀者別錯將地圖當作疆域。

《如果在冬夜》出版於一九七○年代尾聲，當時機器生成的語彙索引、詞彙頻率表逐漸進入文學評論領域，「紙張」這種專業索引編輯運用了七個世紀的工具，慢慢轉換為「位元組」。此現象有其科技脈絡，也反映出二十世紀後期文學界遭電腦入侵所引發的不安。不過說穿了這種現象只是舊日情緒的重新演繹，一如基督堂學院古典派人士謾罵嘲弄賓特利博士和他的「字母讀書」，甚至可以追溯到蘇格拉底警告費德魯斯不專注的閱讀導致「徒具表象沒有實質的智慧」。我們對機器閱讀感到忐忑，還有部分是源於自古以來對於審查的焦慮。即便現代社會也質疑Google 演算法是否有黑箱作業，擔心搜尋結果並不清白，背後藏有我們不樂見的偏誤，放大某些聲音又打壓特定立場，就像約翰．奧彌森在艾柯德的書後面動手腳，十八世紀小冊作家發現之後也無法接受。美國前總統川普在推特說：「Google 和其他平臺壓制保守派的聲音……他們控制了我們能看見什麼又不能看見什麼。」他無意間將古老的恐慌帶進數位場域，代表二十一世紀共和黨學著麥考利大叫：「我的《歷史》不給該死的托利黨編索引！」 值得留意的是，搜尋引擎很快就被免除罪責了。 儘管如此，觀察電腦與索引兩種技術結合的過程，不難察覺對於閱讀和專注、努力和便利、直接與間接體驗等等傳自先人的疑慮情結比以往更加浮上檯面。而我認為，瞭解歷史脈絡才不會那麼糾結。

這種說法並非否認時代帶來改變。看看現在我們如何利用字串搜尋處理數位文件，本質與羅塔利亞的閱讀機器很接近，基本單位不是概念而是字母。索引發展歷史的前面一大半都被主題索引給佔據；到了二十一世紀的網路搜尋年代以後，卻反過來是自動化的語彙索引稱霸。可是網際網路未能消滅所有實體書，主題索引和索引編輯依舊在閱讀生活中扮演重要角色。專業索引人員比起印刷術還早一個多世紀出現，教會紀錄裡自一三二○年代就有編纂索引的費用支付，家用電腦普及不但沒有擊潰這行業，反倒造就很多實務上的進步革新，簡化許多勞務以節省腦力資源。對本就隱身幕後的索引編輯而言，最重要的是工作方式變得乾淨清爽太多。

（中略）

索引仍是我們最好的羅盤

可是羅塔利亞呢，這章主角不是她嗎？難道不聊聊網路搜尋年代下的注意力分散與螢幕強迫症，不講講拜Google 大神治疑難雜症嗎？當前的資訊文化建立在機器上，它們代替人類閱讀世界。Google 文件形容自己「探索網路，找出能加入索引的網頁」，數據規模之大難以想像，還要整理排列，處於下游的人們才能發揮自己所長：瀏覽、組合、詮釋。「電子閱讀會報告字詞頻率，我看一眼就懂了，」羅塔利亞如是說。喬瑟芬．麥爾斯透過柏克萊大學主機揭開了新時代的序幕，但舞臺看點其實不是索引電子化，而在於她從索引的最基礎形態切入，德萊頓的詩句被切割為可存放和可處理的最小單位：單詞。能象徵這個時代的恐怕並非專家製作、符合風箏標記的主題索引，而是語彙索引。2

建立語彙索引、清查單詞並計算出現的次數，文學作品數位化之後也能接受搜尋，羅塔利亞的分析方法成為現實。「遠讀法」（distant reading）以資料庫工程師開發的演算法為基礎，可以一次調查極大分量的文獻，數百本小說也能夠瞬間轉換為數字報表。馬修．賈克斯（Matthew Jockers）的「情感分析」（sentiment analysis）便採用此做法，類似莫雷「眼淚索引」的大數據版本，篩選出一部小說內正向與負向的情緒詞彙。 統計結果是否符合人類對小說情節的理解，譬如危機時刻和喜劇（或悲劇）結局？演算法處理許多小說之後（精確來說是四萬一千三百八十三部），是否能找出小說寫作中情緒曲線的原型，甚至固定的敘事模式？昔有博伊爾抨擊賓特利，現在遠讀法遭到批評也是理所當然：這種基於字母的分析結果有用嗎？對情緒的判讀可靠嗎？從我們的立場如何評價？另一個類似情況是Google 的nGram，這個應用程式背後有個龐大的語言史料庫，可以分析出例如「偵探」（detective）這個詞在一九二○年代中葉的使用頻率明顯上升，「潛意識」（unconsious）這個詞在佛洛伊德死後其實頻率增加很緩慢，但在整個十九世紀裡持續提高。這些資料如何處理詮釋能夠發揮功能？交給文學歷史研究者。關鍵在於語料庫或索引雖然難以估量，但篩選統計這些苦差事如今有了機器代勞只要眨幾下眼就能完成。電子閱讀提供詞語頻率表，而我們則負責從中找出意義。

然而，傳統分析想要數位化卻沒這麼簡單。主題索引是針對實體書所做的精細詮釋，但書籍媒介改變、成為文字可重排的電子版時效果不好，即使保留了也會因為頁碼失去參考價值而彷彿一縷幽魂無從著力，有時候遭到出版單位不客氣直接刪除。雖然有些電子書內仍能看見實體書頁碼，實際運用並不靈活，必須反覆執行搜尋指令才能在正文與索引間跳躍，與書本拿在手上直接翻找無法相提並論。科技革新影響了閱讀行為，語彙索引普及化，需要專業人員投入心力製作的主題索引反倒式微了。

但並非沒有轉機。印刷術問世後，以頁碼為基礎的索引順位總是在排版與編頁的後面。來到數位時代，我們可以在電子文件的任何地方插入隱形標記，「嵌入式索引」應運而生，也是軟體製作索引的新路線。嵌入式索引如其名，並不需要等到最後再慢慢整理資料，可以像標籤般直接「插入」文本，例如{XE ‘index, embedded, example of ’} 這樣標記關鍵詞與位址。文本全部標好，電腦可以根據標籤直接摘錄所有記號內容、附上檢索位址、依字母順序排列整齊。就算事後因為置入新圖、頁面不連貫、章節順序調動而必須修改版面，軟體也能按照新的位址代碼重新生成對應的新版索引。

這種工作模式始於一九九○年代，相較於軟體為主的編纂法，對人力需求還是高，好處是編輯人員在書籍製作初期拿到作者的Word 檔案就能參與，無需等到最終定稿的PDF檔。儘管原意是為實體書的索引編纂節省時間，嵌入式索引還是開啟新的可能性：或許電子書也能運用功能完整的主題索引。畢竟嵌入式索引建立在數位標記的功能上，技術本質無異於網際網路的根基，也就是串起幾十億不同網頁的超連結。編輯者在文件中插入標籤就等同為「主動式索引」（active index）打底，每個位址代碼都成為可點擊的連結，輕輕一按就會跳到目標頁面。

然而，本書完稿之際，主動式索引依舊沒有成為主流。明明當前文化將搜尋功能視為理所當然，索引編輯學會卻還是進退維谷，原因又出在財務上。數位平臺的讀者就算不完全滿意，卻覺得裝置內建的搜索功能足以湊合，出版商自然不會多花錢提供更好的服務。再者，當年孛可評估機器製作索引所需的軟硬體成本高到多數機構無力負擔，如今自動生成索引卻成了廉價選項，反而專業編輯人員才花錢。目前索引生成軟體在功能面上與五十年前孛可的實驗相差不大，首先剔除虛詞，剩下的詞語以低階AI 判斷去留，成果談不上令人驚豔，但大量節省時間金錢，因此如孛可所料，不少出版社選擇先機器輸出再人工調整。本書書末有兩份索引供讀者比較，第一份是軟體自動產出的索引，第二份則是由寶菈．克拉克．本恩（Paula Clarke Bain）編纂，（大致）符合國際標準組織ISO 999:1996〈索引之內容、架構、呈現準則〉的精編索引。兩者就品質與實用性簡直是天壤之別。

其實不只機器入侵索引界，現代人習慣電子裝置以後，不只對搜尋更講究，還對分類產生莫大熱情，話題標記（hashtag）就是個好例子。二○○七年八月二十三日，網路開發者克里斯．梅西納（Chris Messina）在當時羽翼未豐的社交平臺推特上發布一段訊息：

大家覺得用井字號來分類，像「#barcamp」這樣如何？

這個例子的意思是，若推特使用者想要討論有關程式設計研討社群「BarCamp」的事情，發文開頭可以加上「#barcamp」這個標籤再輸入想說的話。井字號表示其後字詞為標籤內容，藉此可判別文章主題，有興趣的使用者會更容易搜尋到。

又過了兩天，梅西納進一步擴大自己的提案。他認為話題標記可以作為「特設的語言路牌」，這句話呼應了索引學會的徽章，路標為尋找知識的人存在。至於為何說是「特設」，梅西納解釋：當時既存的社交媒體平臺已經針對各種主題準備好團體空間，不過其組織較為正式，也就是說若想加入討論必須主動申請，甚至需要通過群組管理員審核。不能有比較鬆散但即時反應的組織嗎？又或者我只是一時興趣，想看看大家對當時的比賽或新聞事件有何意見？他的說法是：「我就想在推特上享受偷看的樂趣。」

從一開始，梅西納就造了個字來說明自己的提議：folksonomic（群眾分類法）。後半部取自taxonomy，也就是分類法，但新模式並非事前決定好類別名稱，而是隨時隨地由任何人（亦即群眾）來創造。從未有人使用過的話題標記在貼文發布當下就建立了新類別，且不受到任何高層獨佔或管控。最後這個特徵是雙面刃，已有好幾次案例是品牌邀請消費者參與背書卻引發公關危機。例如歌手蘇珊．波伊爾（Susan Boyle）於二○一二年發表專輯《起立鼓掌》（Standing Ovation），行銷團隊透過話題標記「#susanalbumparty」做宣傳，卻沒察覺到這個字串可以拆解為另一種意義，推特系統又無法分辨歌迷的支持與開玩笑的回應。同一年，麥當勞邀請消費者在推特書寫與其相關的小故事，使用話題標記「#McDStories」，現在用這標籤查詢的話會看到很多可怕的內容，從漢堡夾帶不該有的東西到譴責大企業的環保及勞資問題，不一而足。3

話題標記之所以成功且蔚為風潮，與依賴搜尋的文化脫不了關係。它依附搜尋列及全球網路社群，而網路使用者在話題標記出現之前的十年裡已經被鍛鍊為Google 專家，大家不再滿足於查詢並得到結果，還要加以分類：無論推特貼文、圖片或聲音檔，任何新資訊都可以透過既有的標籤串連，又或者藉此機會創造新標籤，看看別人是否跟風。標籤可以認真，也可以嘲諷。話題標籤的運作過程與索引有異曲同工之妙，都是篩選內容之後選出最適合那個概念的標題—#WeAreAllSubjectIndexersNow（現在大家都是索引編輯）。然而，話題標記太過從眾，受到難以預測、喜愛反諷與狂歡氣氛的群體左右。這些標記使用者承襲了索引編輯的使命，只是傳統編輯古板但有耐心，新生代則表現出反覆又尖銳的性格，在新媒體的多變環境中如魚得水。

至於Google 則在二○一五年十月二日進行內部重整。時間往前兩個月，其創辦人之一賴利．佩吉（Larry Page）解釋原因：Google 成長到了累贅的程度。經歷長期發展與多次併購後，他們旗下有地圖服務（Google 地圖）、媒體（YouTube）和主流作業系統（Android）及許多小的子公司，必須調整結構才能多線並進。Google 自身會精簡，不再作為母公司，與其他子公司一起納入新的傘狀企業管理下。但佩吉特別請投資人放心，結構變化會採取損害最少的方式進行，舊股票全數自動轉換到新的控股公司名下，為免手續繁雜在股市的代號仍舊是GOOGL和GOOG。代號不變只是圖方便，新的總公司要改個更純粹的名字，畢竟Google實在太像理工科學生之間開的玩笑。搜尋和索引是企業基石，因此將來他們就叫做Alphabet。4

新名字象徵全面性，從始至終無所不包，也象徵自亞歷山卓圖書館到矽谷不變的秩序、資訊處理的基礎工具。佩吉初次宣布重整時就明確連結到索引：「我們喜歡Alphabet 這個名字，因為它……是Google 搜尋建立索引的核心機制。」然而，在我看來，「字母表」這個概念提醒大家鴻溝依舊存在—語彙索引和主題索引之間仍有難以跨越的阻礙，字母對應與概念辨識、聖謝爾的休與格羅斯泰斯特難以兩全。

Google 已經走在智慧搜尋技術的尖端。輸入「怎麼釣牛魚」（how to catch a cow fishing），系統能夠從「釣」、「魚」判斷出「牛」應該是俚語，得出使用者想釣銀花鱸魚（ Striped bass）這個正確答案，於是與釣鱸魚有關的結果被排在前面，與家畜有關的則被擠到後面。但離開搜尋引擎，來到文書處理軟體、社交平臺、電子書閱讀器、檔案管理系統這些情境中，會發現搜尋列停留在比對字母的層次。字母有其極限，所以孛可的演算法不理想，蘇珊大嬸的話題標記變成公關災難，精細閱讀不因遠讀法而失去價值（只要人類還下意識選擇魯德米拉而非羅塔利亞），搜尋列也無法在一時半刻間取代主題索引。

我們應該心存感激。好的索引本身值得欣賞，但好的索引只有可能出於好的編輯之手。索引編輯學會於一九七八年召開第一次國際大會時，藝術史學家威廉．赫克歇爾（William Heckscher）在演說中讚美優秀的索引「是想像力的孩子並引以為傲」，他說這樣的作品「足以給我們一夜好眠，閱讀體驗彷彿讀完一本出色的小說」。聽起來有些不合理不恰當，畢竟索引這個工具會打散文本的線性流動才對。可是看看下面勞柏．拉坦（Robert Latham）為山繆．佩皮斯（Samuel Pepys）日記所做的索引，不難理解赫克歇爾為何有那種想法：

貝格威爾， —，威廉的妻子：其美貌，4/222；P設法引誘，4/222、266； 拜訪，4/233-4； 瞭解其貞潔，4/234； 及謙和，5/163； 請P為丈夫安排，5/65-6、163；P與其接吻，5/287； 她表露出好感，5/ 301-2； 他愛撫，5/313； 她前去拜訪，5/316，339；她在酒館放下抗拒，5/322；幽會：她住處，5/350-1；6/40、162、189、201、253、294；7/166、284、285；8/39、95；9/211；海軍辦公室，6/186；7/351、380；小酒館，6/20； 約會受阻，9/25，217；P的情人，6/35、226、294； 要求為丈夫升等，6/ 39-40；P 扭到手指，6/40；她從普利茅斯返回，7/96；面部生瘡，7/191；自哈維奇返回，9/12、25；一併，6/158；7/96、210、339；8/99；僕役染疫死亡，7/166。

就故事張力與角色鮮明而言確實是經典之作，生動呈現佩皮斯與貝格威爾夫妻之間祕而不宣的往來，以十七個分散位址講述他難以控制的性慾及這段關係最終受阻，然後是他莫名其妙扭到手指、貝格威爾夫人臉上長瘡，大尺度婚外情故事突如其來以僕人病故劃下句點。索引也能如此引人入勝，借用赫克歇爾的說法就是「有了自己的生命」。並非主題索引都應該這樣子說故事，拉坦給佩皮斯日記做的索引也不是每一條都有貝格威爾夫人這樣的女主角。重點在於，好的主題索引應該建立在想像力上。優秀的主題索引必然出於優秀的索引編輯，優秀的索引編輯在處理文本之前就已經對相關內容有所掌握，以其專業判斷未曾明言的概念是否應該得到標註：有關尚保羅．沙特（Jean-Paul Sartre）的段落幾乎註定要放在「存在主義」底下，生物的俗名與學名應該合併以利查詢，卡爾．馬克思（Karl Marx）、格魯喬．馬克思（Groucho Marx)、理查．馬克思（Richard Marx）這三個「Marx」就算沒寫名字也得分辨清楚，還要熟悉英語轉喻以判斷「十號」和「唐寧街」是否代指英國首相。缺乏想像力的索引成了單純的字串搜尋，其不足之處一目瞭然—若要靠聖經的語彙索引找到「浪子回頭」（the parable of the prodigal son）極其困難，儘管這個訴說仁慈寬恕的故事相當有名，但出處文字不但沒有「仁慈」、「寬恕」兩個詞，其實連「浪子」都沒提到過，所以阿爾坦迪與孛可使不上力。

專業索引編輯兢兢業業走在前面，剷平阻礙、開拓道路，我們這些沒時間的求學者看著路標便能快速又從容到達目的地—找到需要的引文、數據和知識。自從一八九○年代祕書事務所興起，索引編輯的性別比例迅速傾斜，如今絕大多數為女性。她們與歷代前輩一樣，通常隱身幕後默默無聞，功勞被大家遺忘。我希望能透過這本書向她們致敬。

展望未來，以紙張和墨水印製的傳統書本雖然不能文字重排又受限於書脊裝訂，卻在電子化浪潮下證明自己歷久彌新，短時間內依然是智識的象徵，霸佔書架與大學校徽。只要人類還在實體書刊的汪洋中探索，想像力的孩子、與大學歷史同樣悠久的索引，仍舊是我們最好的羅盤。

＊摘自《索引，知識的鑰匙》（丹尼斯‧鄧肯著，陳岳辰譯，商周出版，2023年）