江苏龙网

  1. 首页 > 生活 > >

诗歌堪比莎士比亚？AI 诗人创作十四行诗，节奏和押韵表现超越人类


北京联盟_本文原题：堪比莎士比亚？AI 诗人创作十四行诗 ， 节奏和押韵表现超越人类
这是莎士比亚十四行诗中的一节 。
这是 Deep-speare 人工智能程序“创作”的十四行诗 。
诗歌堪比莎士比亚？AI 诗人创作十四行诗，节奏和押韵表现超越人类
本文插图

暂且不说 Deep-speare“作品”的质量如何 ， 至少在节奏、押韵以及语法方面 ， 这一小节十四行诗的表现都非常不错 ， 足以迷惑不少人 。 这也正是一些研究团队发现 ， 大多数读者无法区分人工智能生成的诗歌和人类创作诗歌的原因 。
Deep-speare 团队包括三名机器学习研究人员和一名文学学者组成 ， 他们用了大约 2700 首十四行诗 ， 约 36.7 万个单词来训练这个人工智能“诗人” ， 让它学会自己“创作” 。
简单来说就是 ， Deep-speare 通过深度学习来对训练数据库中的诗歌进行筛选 ， 一次又一次地尝试创造出与样本匹配的诗句 。
尽管以前在一些类似项目中 ， 研究人员会提前给人工智能输送押韵、节奏等方面的知识 ， 但 Deep-speare 独立地学习了十四行诗写作相关的三大要素：节奏、韵式和自然的语言（即单词正确流畅地组合在一起) 。
具体来说 ， Deep-speare 的系统由三个部分组成：一个节奏模型 ， 一个韵式模型 ， 以及一个确保语法正确的自然语言模型 ， 其中 ， 自然语言模型是最主要的部分 。
首先 ， 语言模型会对语料库（语料库的内容基于维基百科词条、Reddit 话题 ， 以及一些专门为构建的数据库）中单词进行筛选和预测 ， 判断哪些单词是适合组合在一起成为句子的 。 经过适当的训练后 ， 语言模型会赋予流利的句子高评分 ， 赋予无意义的句子低评分 。
语言模型的质量则可以通过观察下一个单词（从右往左）的关联性强度来提现 。 比如“San-Francisco”经常同时出现 ， “coffee”常常与“refresh”或“life-giving”等单词的关联性更强 ， 而不和“powerful”或“light”等词有关 。 如果语言模型能够正确处理这些信息 ， 那么 ， 就可以认为这个模型已经在很大程度上捕获了语言的复杂性 。
一旦语言模型训练有素之后 ， 从零开始生成一个句子就不再是难事 ， 重复这一步骤就能实现创作十四行诗的基础 。
除了单词和句子 ， Deep Speare 还要学习节奏 ， 即观察每一行中的字母和标点符号 ， 并确定哪些字符对应哪些音节 ， 哪些音节接受重音 。 例如 ， 单词“summer”应该被理解为两个音节 ， 重音情况也有所不同——重读的“sum”和不重读的“mer” 。
当 Deep-speare 写十四行诗时 ， 语言模型会生成候选诗行 ， 韵律模型再从中挑选出符合节奏的诗行 ， 然后重复这一过程 。
当然 ， 还有韵式模型 。 这个模型只关注每一行诗的最后一个单词 ， 尽可能地实现单词押韵 。 比如 ， “day”和“may” ， “temperate”和“date” 。
在检查诗歌输出时 ， 研究团队发现 ，Deep-speare 生成的诗歌短语与训练数据并没有太多重叠 。 也就是说 ， 它并没有对训练数据进行记忆 ， 然后直接从中复制 ， 而是创作了具有原创意义的诗歌 。 然而 ， 这并不能说明诗歌在文学方面的质量 。
为此 ， 研究团队找来了两批评委 ， 让评委分辨人类和机器创作的十四行诗 。
第一批是亚马逊 Mechanical Turk 雇佣的众包工人 ， 他们只会基本的英语 ， 但没有诗歌方面的专业知识 。 最终的结果是 ， 工人们以 50% 的准确率猜出人类诗歌和机器诗歌 。 不过 ， 这一数据可能虚高 ， 因为工人们可能在网上对诗歌节选进行了搜索 ， 人类诗歌会出现搜索结果反馈 ， 而机器诗歌不会出现 。
第二个评委是多伦多大学的文学助理教授 Adam Hammond 。 这一次 ， 评判的方式是对人机合写的十四行诗的韵律、节奏、可读性和情感影响等四大属性进行评分 。 结果 ， Adam Hammond 对 Deep-speare 的节奏和韵式给予了极高的评价 ， 甚至超越人类（因为诗人常常为了达到某种效果而特意不遵循规律）；在可读性和情感方面 ， Deep-speare 则略逊一筹 ， 文学专家一眼就能看出来哪些出自莎士比亚之手 ， 哪些来自 AI 诗人 。


推荐阅读


上一篇：郑秀文金像奖的怨夫和怨妇：成龙9次提名0获奖，郑秀文提名5次陪跑五次

下一篇：[]“薄荷绿”是夏日里的一抹小清新