在可讀性和情感方面，AI 詩人則略遜一籌。
文 | 伍文靚
這是莎士比亞十四行詩中的一節(jié)。
這是 Deep-speare 人工智能程序“創(chuàng)作”的十四行詩。
暫且不說 Deep-speare“作品”的質(zhì)量如何，至少在節(jié)奏、押韻以及語法方面，這一小節(jié)十四行詩的表現(xiàn)都非常不錯，足以迷惑不少人。這也正是一些研究團隊發(fā)現(xiàn)，大多數(shù)讀者無法區(qū)分人工智能生成的詩歌和人類創(chuàng)作詩歌的原因。
Deep-speare 團隊包括三名機器學(xué)習(xí)研究人員和一名文學(xué)學(xué)者組成，他們用了大約 2700 首十四行詩，約 36.7 萬個單詞來訓(xùn)練這個人工智能“詩人”，讓它學(xué)會自己“創(chuàng)作”。
簡單來說就是，Deep-speare 通過深度學(xué)習(xí)來對訓(xùn)練數(shù)據(jù)庫中對詩歌進(jìn)行篩選，一次又一次地嘗試創(chuàng)造出與樣本匹配的詩句。
盡管以前在一些類似項目中，研究人員會提前給人工智能輸送押韻、節(jié)奏等方面的知識，但 Deep-speare 獨立地學(xué)習(xí)了十四行詩寫作相關(guān)的三大要素：節(jié)奏、韻式和自然的語言（即單詞正確流暢地組合在一起)。
具體來說，Deep-speare 的系統(tǒng)由三個部分組成：一個節(jié)奏模型，一個韻式模型，以及一個確保語法正確的自然語言模型，其中，自然語言模型是最主要的部分。
首先，語言模型會對語料庫（語料庫的內(nèi)容基于維基百科詞條、Reddit 話題，以及一些專門為構(gòu)建的數(shù)據(jù)庫）中單詞進(jìn)行篩選和預(yù)測，判斷哪些單詞是適合組合在一起成為句子的。經(jīng)過適當(dāng)?shù)挠?xùn)練后，語言模型會賦予流利的句子高評分，賦予無意義的句子低評分。
語言模型的質(zhì)量則可以通過觀察下一個單詞（從右往左）的關(guān)聯(lián)性強度來提現(xiàn)。比如“San-Francisco”經(jīng)常同時出現(xiàn)，“coffe”常常與“refresh”或“l(fā)ife-giving”等單詞的關(guān)聯(lián)性更強，而不和“powerful”或“l(fā)ight”等詞有關(guān)。如果語言模型能夠正確處理這些信息，那么，就可以認(rèn)為這個模型已經(jīng)在很大程度上捕獲了語言的復(fù)雜性。
一旦語言模型訓(xùn)練有素之后，從零開始生成一個句子就不再是難事，重復(fù)這一步驟就能實現(xiàn)創(chuàng)作十四行詩的基礎(chǔ)。
除了單詞和句子，Deep Speare 還要學(xué)習(xí)節(jié)奏，即觀察每一行中的字母和標(biāo)點符號，并確定哪些字符對應(yīng)哪些音節(jié)，哪些音節(jié)接受重音。例如，單詞“summer”應(yīng)該被理解為兩個音節(jié)，重音情況也有所不同——重讀的“sum”和不重讀的“mer”。
當(dāng) Deep-speare 寫十四行詩時，語言模型會生成候選詩行，韻律模型再從中挑選出符合節(jié)奏的詩行，然后重復(fù)這一過程。
當(dāng)然，還有韻式模型。這個模型只關(guān)注每一行詩的最后一個單詞，盡可能地實現(xiàn)單詞押韻。比如，“day”和“may”，“temperate”和“date”。
在檢查詩歌輸出時，研究團隊發(fā)現(xiàn)， Deep-speare 生成的詩歌短語與訓(xùn)練數(shù)據(jù)并沒有太多重疊。也就是說，它并沒有對訓(xùn)練數(shù)據(jù)進(jìn)行記憶，然后直接從中復(fù)制，而是創(chuàng)作了具有原創(chuàng)意義的詩歌。然而，這并不能說明詩歌在文學(xué)方面的質(zhì)量。
為此，研究團隊找來了兩批評委，讓評委分辨人類和機器創(chuàng)作的十四行詩。
第一批是亞馬遜 Mechanical Turk 雇傭的眾包工人，他們只會基本的英語，但沒有詩歌方面的專業(yè)知識。最終的結(jié)果是，工人們以 50% 的準(zhǔn)確率猜出人類詩歌和機器詩歌。不過，這一數(shù)據(jù)可能虛高，因為工人們可能在網(wǎng)上對詩歌節(jié)選進(jìn)行了搜索，人類詩歌會出現(xiàn)搜索結(jié)果反饋，而機器詩歌不會出現(xiàn)。
第二個評委是多倫多大學(xué)的文學(xué)助理教授 Adam Hammond。這一次，評判的方式是對人機合寫的十四行詩的韻律、節(jié)奏、可讀性和情感影響等四大屬性進(jìn)行評分。結(jié)果，Adam Hammond 對 Deep-speare 的節(jié)奏和韻式給予了極高的評價，甚至超越人類（因為詩人常常為了達(dá)到某種效果而特意不遵循規(guī)律）；在可讀性和情感方面，Deep-speare 則略遜一籌，文學(xué)專家一眼就能看出來哪些出自莎士比亞之手，哪些來自 AI 詩人。
當(dāng)前，研究團隊正在努力提高人工智能詩人在可讀性和情感影響方面的表現(xiàn)。
另一方面，人類詩人在創(chuàng)作前并不會端坐在桌前思考，“嗯，我的第一個詞應(yīng)該是什么?”然后，在做出這個艱難的決定之后，再絞盡腦汁想第二個詞。相反，詩人頭腦中會有一個預(yù)想的主題，然后尋找詞語來表達(dá)這個想法。
研究團隊已經(jīng)朝這個方向邁出了一步，通過賦予 Deep-speare 能力來生成基于特定主題的詩歌，比如愛或失去。而且，堅持一個主題可以增加四行詩的連貫性，模型可選擇的詞匯也將受到主題的限制。
毫無疑問，這是一個雄心勃勃的項目。
雷鋒網(wǎng)注：本文編譯自 IEEE Spectrum
