模糊过滤法

一种筛选文件源的强力方法是 “离散法”：是一种将大量数据转换为一个较小数值（即离散值）的数学方法，便于比较文件。但是，即使原始数据发生了微小的改变，离散值将得出截然不同的结果，从而难以分辨文件副本之间的联系。

将每个文件分割成一些片段，每个片段有其独立的离散值，如果两个文件的绝大部分由相同的片段组成，那么它们很可能相互关联。

这些“模糊的离散值”可以用于找出近似的文件副本，或识别出不完整的或早期的文件，——传记作家会发现这些信息很有帮助。

但是这种方法并不完善，只能模糊地找出文件的相似之处，而且只适用于一部分文件类型。举例来说，将一张图片轻微压缩，外观上不会受到明显影响，但是图片数据的离散值会显著改变。

文字类文件

那网络上的文本要如何研究？人们在互联网上四处匿名评论、更新状态、发布博客等等，未来历史学家没准想追本溯源找出发布文字的作者呢。

有一个办法可以找出作者，即跟踪他们的特色“书写痕迹”：惯用词汇啦，句子长度啦，特别爱用的单词和标点符号啦，甚至是习惯性的语法错误等等。

但是，要使用这个方法一般需要大量的文本。法国国家计算和自动化研究所设计了一个系统，该系统通过分析用户名中包含的字母或文字，将同一个人在网络上使用的不同化名联系起来，

你也可以在 I Write Like 网站尝试一下这个方法的简化版。 I Write Like 网站可以告诉你，你在网上写的那些“永恒的”文字和哪个著名作家的风格最相似。但是， I Write Like网站使用的这种搜索方法也存在问题，比如该网站将某些作家的作品作为搜索的参考依据，那么输入这些作家的文字，网站就无法识别。

当然，更加精良的算法可能会解决这一问题。但是随着时间变化，我们的“书写痕迹”也会改变，这样一来要确定作者就更加困难了。（文字的变化对文学考据颇有启发：有人就把阿加莎·克里斯蒂后期作品的文本分析结果用来当做她患有老年痴呆的证据。）

找寻意义

分析“书写痕迹”只限于分析文本的文字结构。语意分析则更进一步，它能够识别文字中意义相关联的信息。这样一来，未来的研究人员不必搜罗出你更新过的每一条状态，就可以分析出你是个怎样的人。

麻省理工学院的亚伦·金曼（Aaron Zinman）正在开发一个名为“Defuse”的新系统。Defuse能根据网络用户使用的语言类型以及他们在网络社区里的行为方式，用不同颜色的方块来标注每个用户。金曼说：“我们尝试建立一种‘数码实体’，这样一来，我们在网上也能跟现实中一样，只要看一眼就能判断出对方大致是个怎样的人。”

但是，金曼指出，不能过于机械地理解该系统对人的分析。他表示：“人类本来就非常复杂，意识到这一点相当重要。一个伟人的传记可能长达数百页。但是，通过特别的图像或者事物记录，传记还是将其一生浓缩了。要把一个人一生有关的数据进行细分，有上亿种方法，每一种分法千差万别。”

金曼早期的计划——Personas（人肉啊），更清楚地论述了这一观点。Personas号称通过搜索“别有意味”的信息就可以揭示网络对你的看法。

现实的杂乱无章

我有次对自己进行“人肉”搜索时，搜出了“管理、教育、新闻”等信息，我认为这些信息组合起来的更像一张我的模糊的传真照片，而不是关于我本人的详细描述。这正是问题所在，金曼打算用Personas证明：我们如今用机器分析人类复杂性，效果有多不堪。

英国牛津大学网络学院的维克托·梅尔-斯伯格（Viktor Mayer-Schönberger）也发出了警告：“数码存储只能采集数字信息，我们越是依赖它，就越想赋予它一些它本不具备的属性，例如真实性和综合性。”

因此，即使在未来半个世纪，各种数字产品会得到显著改进，但它们依然会被我们留下的记录所限制。各种新的记录层出不穷，比如人类足迹的记录啦，甚至心跳次数的记录啦，等等等等。2061年的历史学家也许仍然捉摸不透现在的我们到底是个什么模样——至少他们捉摸不透我们是如何看待自己的。

现在的考古就嫌找到的东西少，挖出来的都是宝。未来的考古翻出来的信息肯定多，可考古学家还是得在“山”里挖。历史啊。

（果壳环球科技观光团微博 http://t.sina.com.cn/guokrdigest ）