华为推出AI诗人“乐府”:唐诗宋词都不在话下

今日头条
Toutiao
最新回复:2019年9月9日 5点2分 PT
  返回列表
71676 阅读
19 评论
量子位

理科生文艺起来,可能真没文科生什么事了。

不信?你看下这首七言绝句:

有网友读完之后表示:

真啊,押韵,意境,内涵都很赞。

不仅能够写诗,还能作词,比如这首满江红:

而且,还能写藏头诗:

你能想象,这是完全不懂写诗的理工生的杰作吗?

但它就是。

这些诗来自华为诺亚方舟实验室新推出的写诗AI“乐府”。

问世之处便引发了不少关注。

对于它的作品,有人称赞:

蕴意丰富的诗,工整不乏意趣,程序做的实在牛逼,给开发人员点赞

还有人“搞事情”,表示:

一声塞雁江南去,几处家书海北连。莫道征鸿无泪落,年年辛苦到燕然。要说这个AI写的没有北大中文系平均水平好我是不信的。

甚至有人说“李白看了会沉默,杜甫看了会流泪”。

当然,也有人指出问题:

很工整,不过感觉目前大多还是syntax层面的,没有到semantics层面。稍微欠缺些灵魂。

也有“真相帝”出来发声:

辛弃疾的流水散文式用典,老杜的沉郁顿挫拗救法,都是AI比较难学会的。问题不是AI太厉害,而是读者已经看不出格律诗里面比较精密的手法了…

对于这些问题,华为诺亚方舟实验室语音语义首席科学家刘群也在微博进行了答疑,披露了不少这只AI背后的故事:

其实我们也不懂诗,我们也没有用诗的规矩去训练这个系统,完全是系统自己学到的。

那么,这一AI到底是如何学的?论文已经公布。

理工男の文艺源自GPT

与自由生成文本不同,生成中国的古诗词是一个挑战,通常需要满足形式和内容两个方面的要求。

中国的古诗词有各种各样的形式,比如五绝、七绝、五律、七律、满江红、西江月、水调歌头等各种词牌以及对联,每一种都有相应的字数、押韵、平仄、对仗等规定;

内容方面虽然简单,但要求更加难以琢磨:一首诗要围绕着一个主题展开,内容上还要具有连贯性。

华为提出的“乐府”系统,与当前大多数解决方案不同,不需要任何人工设定规则或者特性,也没有设计任何额外的神经元组件。

整个研究中,需要做的就是把训练用的诗词序列化为格式化的文本序列,作为训练数据。

然后通过对语言模型token的抽样,生成满足形式和内容要求的诗词,比如绝句、律诗、词,以及对联等等。

而且,他们还提出并实现了一种对模型进行微调以生成藏头诗的方法。

这背后的能量来自GPT,一个由OpenAI提出的预训练自然语言模型,核心理念是先用无标签的文本去训练生成语言模型,然后再根据具体的任务通过有标签的数据对模型进行微调。

乐府AI是首个基于GPT打造的作诗系统,而且与谷歌提出的BERT息息相关。

整体的GPT模型是在BERT的源代码基础上实现的,Transformer大小的配置与BERT-Base相同,也采用了BERT中发布的tokenization脚本和中文 vocab。

具体来说,训练诗歌生成模型的过程如下:

整个模型训练过程一共有两个阶段: 预训练和微调。

华为的这个GPT模型,是用一个中文新闻语料库进行预训练的,然后通过收集了公开可得的中国古诗词进行微调。

如上图所示,首先将示例诗歌转换为格式化序列。序列包括三个主要部分:格式、主题和诗体,中间用标识符分开。

在对联中,因为没有主题,就上句为主题,第二行为正文。所以,在生成对联的时候,就成了给出上联,生成下联的模式,也符合了“对对子”的习惯。

整体的数据集规模并不小,预训练用的中文新闻语料库,有2.35亿句子。微调用的数据集有25万绝句和律师,2万首词以及70万对对联。

预训练是在华为云上完成的,使用8块英伟达V100(16G) GPU训练了4个echo,一共耗费了90个小时。

微调的过程是将所有诗歌序列输入Transformer,并训练一个自回归语言模型。目标是观测任何序列的概率最大化:

微调的过程,不需要特别长的时间,如果训练过长,这个模型就在生成过程中,就会倾向于从语料库中直接用原始句子了。

训练完成后,先将要生成的诗歌的格式和主题转化为一个初始序列,然后将初始序列输入到模型中,然后对诗体部分的剩余字段按token进行解码。

在解码过程中,并不使用硬约束来保证格式的正确性,而是让模型自动为特定位置分配逗号和句号,在识别到token为“EOS”的时候,解码过程结束。

而且,采用截断 top-k 抽样策略来获得不同的诗歌,而不是束搜索。具体是每次采样一个Token时,首先选择具有 top-k 最大概率的Token,然后从 top-k Token中采样一个特定的token。

他们说,即使采用截短的 top-k 抽样策略,生成的诗歌仍然是正确的形式。

论文中介绍称,训练藏头诗的方法也是这样,只是在格式化序列的时候方法有所不同:用每一行中第一个字符的组合来代替一首诗的原始主题:“五言绝句(格式)床疑举低(藏头诗)床前明月光,疑…月,低头思故乡。”

效果如何,华为也在论文中进行了充分的展示,比如下面这四首“江上田家”,只有一首是唐朝诗人写的,其他三首都是来自乐府AI。

从上到下,ABCD,你能辨别出来哪个是真迹吗?(答案在文末揭晓)

谁是第一AI诗人?

中国古诗词生成AI,华为“乐府”并不是第一个,也不是最后一个。

在此之前,就有清华大学孙茂松团队提出的“九歌”。

根据官方介绍,这一系统的采用深度学习技术,结合多个为诗歌生成专门设计的模型,基于超过80万首人类诗人创作的诗歌进行训练学习,具有多模态输入、多体裁多风格、人机交互创作模式等特点。

近日,也有人基于中文版的语料训练出了中文版的GPT-2,并将其用于诗歌生成。

就在“乐府”上线的这一天,还有北京大学、国防科大等机构联合发布了新的作诗模型,基于无监督机器翻译的方法,使用基于分段的填充和强化学习根据白话文生成七言律诗。

那么,哪一个更强呢?

因为中文版GPT-2和北京大学联队的系统还没有开放体验,参与这场“华山论剑”的就只有华为“乐府”和清华“九歌”两个选手。

第一轮:主题“夏日”,七言绝句

清华九歌赋诗一首:

华为乐府赋诗是这样的:

两个AI都有瑕疵的地方,清华九歌一张嘴就开始说“秋来”,华为乐府也提到了“四月”,并没有特别的意思,显然都与夏日有些出入。

但相比之下,华为乐府的夏日元素也更多一些,比如荷香,夏阴等等。

第二轮:主题“长夜”,五言绝句

来自清华九歌的诗是这样的:

不须愁独坐,相对倍凄然?这个意境Emmm……婚姻要破裂了?

华为乐府的作品:

直观上来看,意境刻画不错,但冲击力有所不足。

这一轮,两个AI表现都不错,而且都有相应的意境体现出来。相对来说, 清华九歌的情感层次更丰富一些。

第三轮,藏头诗“神经网络”,七言绝句

清华九歌作品是这样的:

从押韵和意境来看,都还不错。华为乐府给出了这样一首诗:

同样,这首藏头诗也能够展现几分意境。

这一轮,两只AI都能较确切地完成任务,给出了具有几分意境的诗词。

至此,经过三轮比拼,整体上来说,高下难分。其差别,在于双方的实现方式。

清华九歌,基于多个为诗歌生成专门设计的模型,相对来说比较复杂,在诗歌的格式上,控制比较严格,虽然严肃但作诗速度的确比较慢。

而华为的乐府,只是基于GPT,按照刘群的话来说,他们也不懂诗歌,并没有用诗的规矩去训练这个系统,完全是系统自己学到的,生成诗歌的时候速度很快。

对于乐府AI生成的诗歌水平,刘群也颇为谦虚:

我们找过懂诗的人看,说韵律平仄并不完全符合规矩,只是外行读起来还比较顺口而已。

至于两种方式孰优孰劣,也不妨参考下那句老话:文无第一。

华为诺亚方舟实验室

华为诺亚方舟实验室成立于2012年,隶属于华为2012实验室。

诺亚方舟为名,也能体现出这一实验室在华为内部的重要性。此前,任正非也提到过,希望这些实验室能够成为华为的“诺亚方舟”。

目前,这一实验室在深圳、香港、北京、上海、西安、北美和欧洲等城市设有分部。研究方向包括计算机视觉、自然语言处理、搜索推荐、决策推理、人机交互、AI理论、高速计算等。

关于乐府AI,华为也在论文中标注说明,这是他们在研究GPT时的一个副产品。目前,华为乐府AI已经在小程序EI体验空间上线。

支持五言绝句、七言绝句、五言律诗和七言律诗,以及藏头诗模式。作词、对对子还没有上线。

最后,附上一首乐府生成的七言律诗人工智能。

对了,答案选C。

m
mastGD
1 楼
早有了,几年前就玩过了
珠漪慝
2 楼
十分僵化的填空方式,千年前的流行舆论方式额,早就没有任何实际娱乐意义了。说实话,要是语文课教这个,小学生都会填,高中生都会出不少诗词高手。
三介中
3 楼
有意思吗
傻逼一个
4 楼
吹牛逼呗,OS都黑屏死机了还作诗呢?
X
X00X
5 楼
哈哈
糖桔喝得
6 楼
这种只能叫填诗而不是写诗,中国因为儒家文化的影响文人是不便将自己的想法和主张还有一些情感等很自白的写出来所以往往要借助诗词来表达,所以中国的古诗词是带有很强烈的人文主义色彩的,那种意境和感情需要反复的揣摩与阅读才能体味出来。诗词如果没有人文主义色彩和哲学的意境那就算写得再工整也没有意义的,历史上写诗最多的是乾隆帝可惜他的诗没有一首能传唱下来就是因为他的诗没有什么营养。
u
uuiioopp
7 楼
为什么写诗,写诗是有了意境,再用诗来表达意境。AI有意境吗?明显没有,本末倒置。
东方红NO1
8 楼
2003年刘慈欣写了诗云。 16年前的刘慈欣认为,只能透过穷举才能用科技还原艺术。 然后依然无法用科技选出好诗。
d
dancingwater
9 楼
还没有感情和情怀,上下文不能很好的呼应,只是问了押韵
j
jsunqld1978
10 楼
诗歌乃诗人有感而发,而非由发而感。如此本末倒置,弄虚作假,实不知所谓。作品本身也是东拼西凑,意境参差,让人不知所云。还不是为了附庸风雅,装逼而已。造假大国之又一发明创作。
y
yxqp
11 楼
笑死了😂这尼玛也能拿出来吹。也只能骗骗五毛了
斗山
12 楼
楼下一帮嘴炮,就让来首押韵的应景的诗你们也来不了还聊啥情怀意境
n
neenun
13 楼
能写小说吗?
a
asdfzxc
14 楼
那首满江红还是真不错,在这里逼逼的人学五年也写不出来,呵呵
n
neoviva1942
15 楼
那也成不了古人气度和风韵。
我很性福!
16 楼
这个牛逼。哈哈哈
C
Cup3
17 楼
真不如直接推出个AI语文老师。
j
juedui
18 楼
人家的诗是真女人会流会淫会娇喘 你的诗就是个吹气的,除了橡胶就是塑料
y
ytytkankan
19 楼
请问,谁知道这个app怎么下载啊?