作者 | 神经小兮
本文经授权转载自HyperAI超神经（ID:HyperAI）
封图 | CSDN 付费下载自东方 IC
中秋假日之际，在这个团圆赏月的节日，引发了古今无数文人的情怀，留下了诸多隽永的诗句。
面对中秋花好月圆的良辰美景，古人能够吟出「海上生明月，天涯共此时」的绝美诗句，而现在大多数人却只能无奈地，将无限感慨化为一句「啊，玉轮好圆。」
这大概便是「落霞与孤鹜齐飞，秋水共长天一色」和「好大一只鸟」之间的间隔吧。
不过，不用难过，现在，AI 可以帮我们超过这个间隔，让每个人都能轻松吟诗为难刁难，成为墨客！
华为推出「乐府作诗」小程序
近日，华为 EI 体验空间小程序上线了一个新功能——乐府作诗。只要给出主题，选定字数与文体（绝句或律诗），就能瞬间作出一首诗。
比如，输入「中秋」：
「赏月」：
「机器学习」：
「人工智能」：
如果不见告你，你能看出这些诗是 AI 所写吗？
今年 6 月，华为诺亚方舟实验室就揭橥了论文《GPT-based Generation for Classical Chinese Poetry》，详细先容了该模型的演习过程以及成果展示。
总的来说，这个诗歌天生模型背后的关键技能，在于强大的 GPT 模型。
GPT 是由 OpenAI 提出的预演习自然措辞模型，核心理念是先用无标签的文本去演习天生措辞模型，然后再根据详细的任务通过有标签的数据对模型进行微调。
团队先用大规模中文新闻语料，演习出了中文 GPT 模型。然后用中国古典诗歌作为语料库，对其进行了微调，就得到了诗歌天生系统——乐府 AI。
除了绝句和律诗，诺亚方舟团队还用微调的方法
演习它学会天生藏头诗
而且，为了让 AI 能够学习自己写诗，这个 GPT 模型没有进行任何设定，作诗所须要的字数、韵律、平仄、对仗知识，都没有设定，模型全靠自己从古诗数据中学会了这些。
和「乐府 AI」比较，学了多年语文，却依然写不出一句像样的诗的人类，真要自叹弗如了。
细数 AI 学作诗的进程
中国古典诗歌的天生，是自然措辞天生领域中一个有趣的寻衅。
与自由文本天生不同，中国古典诗歌在形式和内容上常日要知足一定的哀求。比如字数、押韵、平仄以及对仗等。此外，内容上也哀求整首诗的主题是同等且连贯的。
苏轼的《水调歌头》朗朗上口
如今还被谱成歌曲传唱
此外，中国古典诗歌有很多形式，五言绝句、律诗，七言绝句、律诗，以及词牌如满江红、水调歌头等，还有对联。
因此，要用人工智能的方法产生中国古典诗歌是比较繁芜的。华为诺亚方舟实验室的科学家，通过研究给定形式和特定主题的诗歌天生问题，提出了基于预演习模型 GPT 的诗歌天生方法。
方法详细细节为：「乐府 AI」以 Transfomer 为根本模型，基于 BERT 源代码，实现了自己的 GPT 模型。其 Transformer 大小的配置与 BERT-Base 相同，还采取了 BERT 中发布的标记化脚本和中文词汇。对付文本天生，他们实现了截断的 top-k 采样来天生不同的文本。
三首「乐府 AI」天生的诗歌，与一首诗歌真迹
总的来说，「乐府 AI」学作诗一共分为以下三个阶段：
第一阶段：数据处理
华为诺亚方舟实验室的 GPT 模型，以中文新闻语料库进行演习，数据演习紧张分为预培训和微调两个阶段。为了进行微调，他们网络了公开的中国古典诗歌，然后将样本诗转换为格式化的序列。
数据演习过程
第二阶段：模型演习
接着，他们在云做事上预演习了其 GPT 模型，包含一个新闻语料库，这一过程花费了 90 个小时。然后用 8 个 NVIDIA V100（16 GB）演习了 4 个阶段。
演习完成后，进行微调，将所有诗歌演习序列输入 transformer，并演习自动回归措辞模型，以不雅观察任何序列的概率最大化 X：
第三阶段：诗歌天生
演习完成后，便运用该模型，根据哀求天生特定主题的诗歌。
他们首先将形式和主题转换为[形式，标识符 1，主题，标识符 2 ]的初始序列，然后将初始序列给到模型，并对主体字段逐个进行解码。
在解码过程中，并不须要硬约束来担保形式的精确性。相反，该模型能够在解码时，自动分配逗号和句号的位置。当完成诗歌的天生时，会以「EOS」的 token 来结束这一过程。
「乐府 AI」不仅学会了作诗，还节制了一个新技能——藏头诗。
对付藏头诗，他们依然采取同样的方法来演习。只不过，演习藏头诗模型时，他们将之前演习过程中的主题（如「静夜思」），用该诗歌的每句首字来更换（如「床疑举低」）。
AI 墨客带来的惊喜
通过该方法天生的结果，令团队感到惊异。
他们创造模型学会了律诗的繁芜配对规则，这一规则，纵然对付母语为中文，并接管了正常教诲的人来说，都很难节制（相信很多同学也深有同感）。
在天生的绝句和律诗中，95% 以上都表现良好，不过在词牌方面稍有逊色。缘故原由可能是，相对绝句和律诗来说，词牌的形式相对来说更加繁芜，而且演习样本也远远不如前者多。
绝句和律诗都有成千上万的演习样本，而词牌只有 882 种，个中，只有 104 种的演习样本超过 100 个，纵然是最大的样本，也仅包含 816 个。
系统根据「秋思」主题天生的各个体裁的诗歌
其余，在给定的主题中，常日天生结果都很好，但是对付某些主题，比如「机器翻译」，由于在演习语料库中很少涌现，就不好天生诗歌。相反的，像「秋思」这类主题，就很随意马虎天生。
团队先容道，该方法比现有基于循环神经网络（RNN）的方法大略的多，并且可以产生更好的诗歌。
AI 学作诗，早已有之
有人说，中国是一个诗的国度。自古至今，文人墨客、文艺青年对付写诗都激情亲切不减。而广大理工生，也不断用技能来表达其浪漫情怀。
2017 年 12 月，清华大学团队研发的诗歌机器人「九歌」亮相央视节目《机警过人》，作的诗给不雅观众带来了巨大惊喜。
「九歌」便是基于深度学习，学习了超 80 万诗歌后学会了写诗。它具有多模态输入、多文体多风格、人机交互创作模式等特点。
除了古诗，当代诗对付 AI 来说也彷佛不在话下，比如微软小冰就出版过诗集，国外也有多种措辞版本的 AI 诗歌天生工具。
AI 是真正会写诗，还是瞎凑？
AI 写诗，有人讴歌，有人批驳。
微博网友对 AI 写诗的意见
上海诗词学会理事刘鲁宁曾表示，写诗拼速率，人类比不过电脑，但是自己用一天韶光写的诗，电脑写一千首页比不过。理事邓婉莹也表示，AI 作诗的特点是「有诗无篇」。
比较起文人墨客，在文思泉涌之时的创作而言， AI 写的诗可以说是「没有感情的写手」，他们在大量的笔墨中，创造诗词的规律，并「拼凑」出完全但可能无意义的诗句。
但对付研究者们来说， AI 作诗更多是作为技能能力的展现，他们更看重 AI 作诗背后 NLP 技能的发展。
其余，对付普通人来说，AI 作诗工具也让每个人都可以去创作，用诗歌表达自己的感情，便是作为一个娱乐的工具，也是不错的。让我们也给 AI 一些韶光，相信它会为这个天下带来更多惊喜。
【END】