理科生文藝起來，可能真沒文科生什么事了。
不信？你看下這首七言絕句：
有網(wǎng)友讀完之后表示：
真????啊，押韻，意境，內(nèi)涵都很贊。
不僅能夠?qū)懺姡€能作詞，比如這首滿江紅：
而且，還能寫藏頭詩：
你能想象，這是完全不懂寫詩的理工生的杰作嗎？
但它就是。
這些詩來自華為諾亞方舟實驗室新推出的寫詩AI“樂府”。
問世之處便引發(fā)了不少關(guān)注。
對于它的作品，有人稱贊：
蘊(yùn)意豐富的詩，工整不乏意趣，程序做的實在牛逼，給開發(fā)人員點贊
還有人“搞事情”，表示：
一聲塞雁江南去，幾處家書海北連。莫道征鴻無淚落，年年辛苦到燕然。要說這個 AI 寫的沒有北大中文系平均水平好我是不信的。
甚至有人說“李白看了會沉默，杜甫看了會流淚”。
當(dāng)然，也有人指出問題：
很工整，不過感覺目前大多還是syntax層面的，沒有到semantics層面。稍微欠缺些靈魂。
也有“真相帝”出來發(fā)聲：
辛棄疾的流水散文式用典，老杜的沉郁頓挫拗救法，都是AI比較難學(xué)會的。問題不是AI太厲害，而是讀者已經(jīng)看不出格律詩里面比較精密的手法了…
對于這些問題，華為諾亞方舟實驗室語音語義首席科學(xué)家劉群也在微博進(jìn)行了答疑，披露了不少這只AI背后的故事：
其實我們也不懂詩，我們也沒有用詩的規(guī)矩去訓(xùn)練這個系統(tǒng)，完全是系統(tǒng)自己學(xué)到的。
那么，這一AI到底是如何學(xué)的？論文已經(jīng)公布。
與自由生成文本不同，生成中國的古詩詞是一個挑戰(zhàn)，通常需要滿足形式和內(nèi)容兩個方面的要求。
中國的古詩詞有各種各樣的形式，比如五絕、七絕、五律、七律、滿江紅、西江月、水調(diào)歌頭等各種詞牌以及對聯(lián)，每一種都有相應(yīng)的字?jǐn)?shù)、押韻、平仄、對仗等規(guī)定；
內(nèi)容方面雖然簡單，但要求更加難以琢磨：一首詩要圍繞著一個主題展開，內(nèi)容上還要具有連貫性。
華為提出的“樂府”系統(tǒng)，與當(dāng)前大多數(shù)解決方案不同，不需要任何人工設(shè)定規(guī)則或者特性，也沒有設(shè)計任何額外的神經(jīng)元組件。
整個研究中，需要做的就是把訓(xùn)練用的詩詞序列化為格式化的文本序列，作為訓(xùn)練數(shù)據(jù)。
然后通過對語言模型token的抽樣，生成滿足形式和內(nèi)容要求的詩詞，比如絕句、律詩、詞，以及對聯(lián)等等。
而且，他們還提出并實現(xiàn)了一種對模型進(jìn)行微調(diào)以生成藏頭詩的方法。
這背后的能量來自GPT，一個由OpenAI提出的預(yù)訓(xùn)練自然語言模型，核心理念是先用無標(biāo)簽的文本去訓(xùn)練生成語言模型，然后再根據(jù)具體的任務(wù)通過有標(biāo)簽的數(shù)據(jù)對模型進(jìn)行微調(diào)。
樂府AI是首個基于GPT打造的作詩系統(tǒng)，而且與谷歌提出的BERT息息相關(guān)。
整體的GPT模型是在BERT的源代碼基礎(chǔ)上實現(xiàn)的，Transformer大小的配置與BERT-Base相同，也采用了BERT中發(fā)布的tokenization 腳本和中文 vocab。
具體來說，訓(xùn)練詩歌生成模型的過程如下：
整個模型訓(xùn)練過程一共有兩個階段: 預(yù)訓(xùn)練和微調(diào)。
華為的這個GPT模型，是用一個中文新聞?wù)Z料庫進(jìn)行預(yù)訓(xùn)練的，然后通過收集了公開可得的中國古詩詞進(jìn)行微調(diào)。
如上圖所示，首先將示例詩歌轉(zhuǎn)換為格式化序列。序列包括三個主要部分：格式、主題和詩體，中間用標(biāo)識符分開。
在對聯(lián)中，因為沒有主題，就上句為主題，第二行為正文。所以，在生成對聯(lián)的時候，就成了給出上聯(lián)，生成下聯(lián)的模式，也符合了“對對子”的習(xí)慣。
整體的數(shù)據(jù)集規(guī)模并不小，預(yù)訓(xùn)練用的中文新聞?wù)Z料庫，有2.35億句子。微調(diào)用的數(shù)據(jù)集有25萬絕句和律師，2萬首詞以及70萬對對聯(lián)。
預(yù)訓(xùn)練是在華為云上完成的，使用8塊英偉達(dá)V100(16G) GPU訓(xùn)練了4個echo，一共耗費了90個小時。
微調(diào)的過程是將所有詩歌序列輸入Transformer，并訓(xùn)練一個自回歸語言模型。目標(biāo)是觀測任何序列的概率最大化：
微調(diào)的過程，不需要特別長的時間，如果訓(xùn)練過長，這個模型就在生成過程中，就會傾向于從語料庫中直接用原始句子了。
訓(xùn)練完成后，先將要生成的詩歌的格式和主題轉(zhuǎn)化為一個初始序列，然后將初始序列輸入到模型中，然后對詩體部分的剩余字段按token進(jìn)行解碼。
在解碼過程中，并不使用硬約束來保證格式的正確性，而是讓模型自動為特定位置分配逗號和句號，在識別到token為“EOS”的時候，解碼過程結(jié)束。
而且，采用截斷 top-k 抽樣策略來獲得不同的詩歌，而不是束搜索。具體是每次采樣一個Token時，首先選擇具有 top-k 最大概率的Token，然后從 top-k Token中采樣一個特定的token。
他們說，即使采用截短的 top-k 抽樣策略，生成的詩歌仍然是正確的形式。
論文中介紹稱，訓(xùn)練藏頭詩的方法也是這樣，只是在格式化序列的時候方法有所不同：用每一行中第一個字符的組合來代替一首詩的原始主題：“五言絕句(格式)床疑舉低(藏頭詩)床前明月光，疑…月，低頭思故鄉(xiāng)?！?/p>
效果如何，華為也在論文中進(jìn)行了充分的展示，比如下面這四首“江上田家”，只有一首是唐朝詩人寫的，其他三首都是來自樂府AI。
從上到下，ABCD，你能辨別出來哪個是真跡嗎？（答案在文末揭曉）
中國古詩詞生成AI，華為“樂府”并不是第一個，也不是最后一個。
在此之前，就有清華大學(xué)孫茂松團(tuán)隊提出的“九歌”。
根據(jù)官方介紹，這一系統(tǒng)的采用深度學(xué)習(xí)技術(shù)，結(jié)合多個為詩歌生成專門設(shè)計的模型，基于超過80萬首人類詩人創(chuàng)作的詩歌進(jìn)行訓(xùn)練學(xué)習(xí)，具有多模態(tài)輸入、多體裁多風(fēng)格、人機(jī)交互創(chuàng)作模式等特點。
近日，也有人基于中文版的語料訓(xùn)練出了中文版的GPT-2，并將其用于詩歌生成。
就在“樂府”上線的這一天，還有北京大學(xué)、國防科大等機(jī)構(gòu)聯(lián)合發(fā)布了新的作詩模型，基于無監(jiān)督機(jī)器翻譯的方法，使用基于分段的填充和強(qiáng)化學(xué)習(xí)根據(jù)白話文生成七言律詩。
那么，哪一個更強(qiáng)呢？
因為中文版GPT-2和北京大學(xué)聯(lián)隊的系統(tǒng)還沒有開放體驗，參與這場“華山論劍”的就只有華為“樂府”和清華“九歌”兩個選手。
第一輪：主題“夏日”，七言絕句
清華九歌賦詩一首：
華為樂府賦詩是這樣的：
兩個AI都有瑕疵的地方，清華九歌一張嘴就開始說“秋來”，華為樂府也提到了“四月”，并沒有特別的意思，顯然都與夏日有些出入。
但相比之下，華為樂府的夏日元素也更多一些，比如荷香，夏陰等等。
第二輪：主題“長夜”，五言絕句
來自清華九歌的詩是這樣的：
不須愁獨坐，相對倍凄然？這個意境Emmm……婚姻要破裂了？
華為樂府的作品：
直觀上來看，意境刻畫不錯，但沖擊力有所不足。
這一輪，兩個AI表現(xiàn)都不錯，而且都有相應(yīng)的意境體現(xiàn)出來。相對來說， 清華九歌的情感層次更豐富一些。
第三輪，藏頭詩“神經(jīng)網(wǎng)絡(luò)”，七言絕句
清華九歌作品是這樣的：
從押韻和意境來看，都還不錯。華為樂府給出了這樣一首詩：
同樣，這首藏頭詩也能夠展現(xiàn)幾分意境。
這一輪，兩只AI都能較確切地完成任務(wù)，給出了具有幾分意境的詩詞。
至此，經(jīng)過三輪比拼，整體上來說，高下難分。其差別，在于雙方的實現(xiàn)方式。
清華九歌，基于多個為詩歌生成專門設(shè)計的模型，相對來說比較復(fù)雜，在詩歌的格式上，控制比較嚴(yán)格，雖然嚴(yán)肅但作詩速度的確比較慢。
而華為的樂府，只是基于GPT，按照劉群的話來說，他們也不懂詩歌，并沒有用詩的規(guī)矩去訓(xùn)練這個系統(tǒng)，完全是系統(tǒng)自己學(xué)到的，生成詩歌的時候速度很快。
對于樂府AI生成的詩歌水平，劉群也頗為謙虛：
我們找過懂詩的人看，說韻律平仄并不完全符合規(guī)矩，只是外行讀起來還比較順口而已。
至于兩種方式孰優(yōu)孰劣，也不妨參考下那句老話：文無第一。
華為諾亞方舟實驗室成立于2012年，隸屬于華為2012實驗室。
諾亞方舟為名，也能體現(xiàn)出這一實驗室在華為內(nèi)部的重要性。此前，任正非也提到過，希望這些實驗室能夠成為華為的“諾亞方舟”。
目前，這一實驗室在深圳、香港、北京、上海、西安、北美和歐洲等城市設(shè)有分部。研究方向包括計算機(jī)視覺、自然語言處理、搜索推薦、決策推理、人機(jī)交互、AI理論、高速計算等。
關(guān)于樂府AI，華為也在論文中標(biāo)注說明，這是他們在研究GPT時的一個副產(chǎn)品。目前，華為樂府AI已經(jīng)在小程序EI體驗空間上線。
支持五言絕句、七言絕句、五言律詩和七言律詩，以及藏頭詩模式。作詞、對對子還沒有上線。
最后，附上一首樂府生成的七言律詩人工智能。
? ? ? ?
對了，答案選C。
相關(guān)傳送門：
樂府AI論文
GPT-based Generation for Classical Chinese Poetry
https://arxiv.org/pdf/1907.00151.pdf
清華九歌作詩網(wǎng)站：
http://118.190.162.99:8080/
— 完 —
