无法保存的数据，正在消失的历史

题图丨Pixabay

编者按：本文来自微信公众号“放大灯”（ID：guokr233），36氪经授权发布。

作者丨普通酱

编辑丨好了你不要再说了

“洛阳纸贵”。自2016年起，纸类产品，包括全新的纸浆与纸产品，以及废纸的回收价格都走出了过山车一样的折线图。

在“纸”这个传统知识载体上，折射出的全是新经济作用于社会所产生的一系列后果：电商等业务催生的包装需求、现代经济社会对环境提出的更高要求，清退落后产能与限制废弃纸张进口，都在无形中推升纸价。

废纸是可再生资源，而现代的知识与信息载体——例如硬盘——就没有这么好的待遇了。一方面，数据很脆弱，就在本文发布的12月26日下午，微信公众号后台崩溃，公众号们曾发布的信息，暂时与读者断开连接。

另一方面，数据还有点贵。数据的存储与使用都有看得见成本，有务实的公司打起了清空历史数据的主意。

今年10月，老牌互联网公司雅虎曾有一则新闻，标题已经很好地总结了新闻内容，大概是这个画风[1]：

《雅虎宣布逐渐关闭“雅虎群组”网站，12月14日后删除所有上传内容》

新闻一出就惹了众怒。雅虎群组是雅虎公司在2001年推出的一个线上讨论社区，也是世界上最大的网络社区之一。（其运营者雅虎公司于2017年被美国电信行业巨头Verizon收购。）

根据NPR（美国公共广播电台）的报道[2]，一些互联网历史研究者对删除数据的行为表示激烈反对，他们认为，雅虎群组保留了包括关于9·11事件在内的诸多历史讨论，是研究互联网早期历史的绝佳窗口。

在NPR的讨论者中，有一位致力于保存雅虎群组数据的非盈利组织的工作人员。无独有偶，在著名论坛Reddit上，也有用户开始为了保存雅虎群组数据开发各类工具[3]。但雅虎并不允许这样的事情发生——雅虎宣布封禁了上百个试图存档雅虎群组数据的账号，想保存数据？没门。

Verizon封禁了试图备份雅虎群组的账号 | 图：ZDNet

这个事件的最新消息是，雅虎为个人数据延长了一个多月的“保质期”，让个人用户可以导出数据。想从更高维度审视这些自发形成、群力搭建的网络遗迹？不好意思，此路依然不通。

数据遗迹，谁来保护？

在人类的历史上，通常是大大小小的图书馆、博物馆承担“保存信息”这个重大任务，它们完成了知识的传承与文明的记录。而在过去的信息时代几十年里，人类创造了前所未有的信息财富，这些记录的载体，正是保存着数据的硬盘（当然，还有其它数据载体）。

但，人类真的在好好记录这个时代吗？

BBC在今年4月发表的一篇评论曾提出这个问题[4]：早期互联网历史存档内容为何如此之少？

他们找到了更多数据丢失的案例：同属电信巨头Verizon旗下的互联网门户“美国在线”（AOL），曾在2013年关闭旗下所有音乐网站，数百位撰稿人及数十位编辑的多年工作成果几乎全部消失。最后，作者悲观地认为，即使用户将照片发送到Facebook这样如日中天的平台上，也早晚有一天会像已被关闭的Google+一样失去所有内容。

早期互联网历史存档为何如此之少？| 图：BBC

史学研究者推崇王国维提出的“二重考据法”，追求“纸上之材料”与“地下之材料”的相互参证。在互联网时代，数据就是这“纸上之材料”。尊重数据的公司也是有的，它们正在致力于建设数据的图书馆。

成立于1996年的互联网档案馆（Internet Archives）致力于存档各个网站的网页，但即使已经成立三十多年，互联网档案馆依然缺席了互联网刚刚诞生的那五年，并且也不可能存档下整个互联网——更何况随着移动互联网诞生，如今的信息更多散落在封闭体系内，而不是可以公开访问、记录的网站页面了。

数据无法获取，存储也是难题。有一些公司正在试图把更多的数据更长久地保存下去。

在上个月，代码托管平台Github宣布[5]，计划将包括Linux、Android在内的6000多个流行开源项目的源代码，以胶片形式存储并封存在北极地下250米的仓库里，预计这些数据可以保留上千年。另一方面，针对长期、低成本保存数据的需求，也有公司在积极开发相应的技术。例如微软最近宣布了一项在石英玻璃上用激光刻蚀存储数据的技术[6]，声称可以在一片杯垫大小的玻璃上刻入一部电影母带的容量，可以保存数千年。

百年之后，历史数据属于谁？

保存数据，除了需要用情怀去覆盖成本以外，还有一个务虚的问题：用户产生的数据，在更长远的历史视角上，数据的所有权将归于谁？

对于仍然健在的公司来说，复杂的用户协议中往往对用户产生的数据做出了诸多免责规定，甚至将用户内容的所有权（著作权等）归于平台，并且不对数据的保存期限做出保证。而对于已经消失的公司，曾经的用户协议也已经和历史数据一样成了“故纸堆”。

在2015年的《纽约时报》的一则报道[7]调查了 99 个有英文服务条款或者隐私政策的网站，其中有 85 个网站称，它们可能会在合并、兼并、破产、资产出售或者其他交易发生时转移用户的信息。

我们可能已经对数据的产生与消失变得麻木——各类网盘、博客平台的关停屡见不鲜。而除了关停，还有更多的数据被雪藏，如百度贴吧，这个与雅虎群组类似的产品，同样记录着很多关于某些时刻的舆论史料，这些记录至今已无法追溯。

另外一个问题是，即使这些信息都可以追溯并保存上千年，但这些由用户贡献、显著带有个人特色及隐私的内容，能否进入公共领域，成为每个研究者都可以引述的对象？

在没有互联网的时代，传统的出版业部分解决了这个问题。我们至今还能看到大量的名人日记出版，有些名人，像清末的李慈铭和民国时代的胡适，甚至在生前就开始出版日记。这些内容也得益于公开出版而免于散佚。

但“名人日记”总归不同于平民百姓的朋友圈日常吐槽，在日益强调“隐私”和“权益”的今天，你在网上的发言，在几年、几十年甚至上百年后，被一记“洛阳铲”挖出来作为史料研究，还需要你来批准、同意与署名吗？

新一轮“文献灾难”的罪魁

中外历史上曾发生过无数次“文献灾难”。

亚历山大图书馆，这座可能是世界上最早的图书馆，其馆藏的无数古代典籍，数次毁于兵火；十字军东征期间，开罗、叙利亚图书馆的旧藏也遭统治者变卖充军饷；而在中国,古人将文献灭失事件称为“书厄”，意为“书籍遭遇的劫难”。从隋代的“五厄”到明代的“十厄”，再到近现代的“十五厄”，文献毁灭事件从未停止。

总结起来，人类历史上文献消失可分为如下几类因素：

一来是政治劫难，历代禁书活动也因内外交困不得不卖书求生的事件，从未停止；

二来是战争因素，每当内外战争或改朝换代，因为战争导致的图书被烧毁和劫掠事件不断。如鸦片战争期间，中国最早的私家藏书楼天一阁遭抢；清圆明园藏书楼文源阁，因英法联军入侵而遭毁；

三来是自然因素，一些条件良好的藏书楼，因为天火、水灾等自然因素而遭毁，如粤雅堂藏书在“十三行大火”中被毁；俄罗斯科学院社会科学信息研究所起火，导致所内图书馆被烧。

但互联网却显得更特殊：市场经济条件下，倘若无人愿花钱保存这些文献，我们也无法横加指责；有人以隐私之名拒绝公开资源，历史研究者们也只能望洋兴叹。

时代在进步，互联网向我们展示了技术是如何轻易打破信息不对称，但最终，技术也暴露出其难以克服的缺陷：它不能为我们保存更多历史，甚至给消灭历史带来更多便利。

下一轮“文献灾难”，可能离我们并不远。

相关报道：

[1] 雅虎宣布逐渐关闭群组网站，12月14日后删除所有上传内容，澎湃新闻，https://www.thepaper.cn/newsDetail_forward_4697895

[2] Internet Historians Mourn Loss Of Cultural Record As Yahoo Prepares To Delete Groups, NPR, https://www.npr.org/2019/12/09/786469397/internet-historians-mourn-loss-of-cultural-record-as-yahoo-deletes-group-archive

[3] Verizon kills email accounts of archivists trying to save Yahoo Groups history, ZDNet, https://www.zdnet.com/article/verizon-kills-email-accounts-of-archivists-trying-to-save-yahoo-groups-history/

[4] why there's so little left of the early internet, BBC, https://www.bbc.com/future/article/20190401-why-theres-so-little-left-of-the-early-internet

[5] GitHub 要把全球开源代码埋在北极，保存 1000 年，爱范儿，https://www.ifanr.com/1282927

[6] 微软将数据保存在玻璃中 可以安全地存储数千年，cnBeta，https://www.cnbeta.com/articles/tech/906909.htm

[7] When a Company Is Put Up for Sale, in Many Cases,Your Personal Data Is, Too, The New York Times, https://www.nytimes.com/2015/06/29/technology/when-a-company-goes-up-for-sale-in-many-cases-so-does-your-personal-data.html