解决眼高手低，促进触类旁通。

作诗

如果你今天还没有被AI作的唐诗刷屏，那说明你身边的科技爱好者和尝鲜者不够多。

引爆点来自于2019 AI 开发者大会上，华为的刘群老师做了一段 AI 赋诗演示。

现场观众非常兴奋，不时发出惊呼与啧啧赞叹。

与几年前人工智能作诗的演示效果完全不是一个等级，如今机器已经能够自主学习到平仄、押韵等基本技法，使得编出来的诗在技术层面上突飞猛进。

开会归来，我也给乐府 AI 命了个题，叫做《古亭咏怀》。

这是做出来的效果。

你觉得 AI 云得怎么样？

我把它发到了朋友圈。

不出所料，褒贬不一。

评价

褒奖的，自然是觉得这种技法运用让人惊喜。这里咱们就不提了。

质疑的，主要是以下这几种评价：

缺少灵魂
明显的模仿痕迹
拿词拼凑

也有问得更直接的：

啥意思？

这些质疑评价有没有道理？

当然有。

因为从原理上讲，机器就不可能学到“灵魂”，它只是学到了一些文本规律而已。

其原理，我在《人工智能写手，好用吗？》一文中已经给你介绍过了。如果你已想不起来，还是得复习一下。

了解了模型训练与生成的原理，你便会清楚，其“写作”（标准叫法是“文本生成”）内容的质量上限，也无非是高考时所谓“二类文”的等级。

在体育新闻快报，或者是证券市场资讯等领域，读者更关注的是事实类信息，对于文采、情感不甚关切。这些行当里，机器早就替代了人，成为了当仁不让的作者。

对写诗 AI 来说，输入的文本里，目前只是唐宋诗词，尚未包含那形象化的自然环境，作者胸中的喜怒哀乐，亦或是大时代里的风云变幻。

要想学到李白的洒脱，苏轼的豪放，机器巧妇难为无米之炊，怕是要望洋兴叹的。

但是，如果你因为目前机器作诗“没有灵魂”就轻视甚至是全盘否定它，那恐怕是要错过许多机会的。

赋能

与前几年，人们总在担心“机器换人”这个事儿不同，现在的人工智能开发者，更愿意宣称自己是为某个行业，或者某个具体人群赋能。

为什么？

第一可以有效减少抵触情绪。想想看，你天天闹唤着要抢人家饭碗，谁会给你好脸色看？

第二，也是更重要的，这是一种非常聪明的预期管理。

当人们并不认为机器可以聪明到替代人，而觉得它只是人类的助手和高参时，容忍度就会更高，与其合作也会更加愉快。

作诗，能给谁赋能？

当然有服务对象。

首先是缺乏创作古诗基本功的人。这种状况，俗称“眼高手低”。

他可能没有平仄押韵的训练，所以看见了一处景物，例如大瀑布，胸中一股激情奔腾，却无法吟唱出“疑是银河落九天”那样等级的原创诗句，又不甘心说那句人尽皆知的“口头语”，以“哇”或者“我”开头。

这时候，如果有作诗 AI 帮忙，他就可以立即把一首绝句或者律诗跟照片一起发出去，等着看无数涌来的赞，不亦乐乎？

就在刚刚，我在学校院子里溜达，看见了鲤鱼型的喷泉，觉得很有意思。

然后呢，我立即就让 AI 赋诗一首。所谓歌以咏志嘛。

这是结果：

有人觉得这纯属作弊，没有意思。但他显然忽略了一个因素——由于目前作诗 AI 的水平还不是太高，所以你看到朋友圈里的几乎每一首 AI 吟诵诗词，几乎都是人工筛选出来的。

差别是，前几年，为了找出一首像样的诗，你得从机器生成的几十上百个选项里面选，还不一定能找到合适的。

如今，三五个选项，兴许就会有佳句出现。

机器做的诗，不论意境还是遣词造句，难免会有疏漏。可实话实说，咱自己作一首，别说七步成诗，就是给你俩小时，质量就真能甩开 AI 好几条街吗？

选择的过程，也是对人们诗歌鉴赏水平的锻炼与提高。

不是吗？

另外一种情境，就是激发人们本来就很丰沛的联想能力。

服务对象嘛，例如我的小学数学老师。

他老人家，平时钻研数学知识，琢磨怎么把学生教好。不过一到运动会，就暴露出自己文人的癖好——爱作个诗，让学生拿上去让主持人念。

其实也不一定是什么千古名句，打油诗就行。一来为学生打气助威，二来也是满足一下自己被学生们崇拜为诗人的良好感觉。

我亲眼看见过，他老人家被煎熬的时候。

那首七绝，前三句写得一气呵成，到了最后一句，突然怎么也想不出合适的句子，学生们都眼巴巴在一旁盯着，搞得他很是狼狈。

这时候，如果有作诗 AI 暗中帮忙……

当然，以老师的傲骨，是断然不肯让 AI 来捉刀代笔的。

不过，AI 提供的对仗功能，很可能瞬间帮助他打开思路，妙句就很可能涌现了。

应用

其他的应用场景，也颇可期待。

例如有好事者，如今已经把“黑手”伸到了学术界。

Arxiv 这个预印本平台，我给你反复介绍过的。

他们就把这些论文的内容，喂给了文本生成模型。

于是，机器一张口，就是洋八股了。

例如这里，我输入了一句话，大意是“知识图谱集成到Transformer模型，可以形成通用结构，从而达成强人工智能”。

别管我这句话看起来有多不靠谱。机器看到后，就立即开始酝酿，往后接着“云”了。

这里，你只需要不断按下去 Tab 键，就可以像编程时代码补全一样，不断有新的文字供你选择。几秒钟，一个段落就写好了。

你可能会担心人们用它作弊。没错，这确实可能发生。但是更可能发生的是，人们在写论文写不下去的时候，通过这种补全，给自己提供一些开阔思路的语句。

尤其是英文论文写作时，国内不少研究者已经想好了要说什么，却会在遣词造句上颇觉头痛。

此时，这个应用就可能发挥很大功效。

如果你想自己尝试一下机器作诗和写论文，在我的公众号“玉树芝兰”（nkwangshuyi）后台回复“aipoem”，就能看到链接。

小结

读过本文之后，希望你能够放下对 AI 文本生成质量的苛责。转而去思考，可以在它发展改进的过程中，快人一步，做些什么。

因为篇幅关系，本文只举了作诗和论文写作这两个应用场景。在你的工作或者生活中，有没有发现文本生成可以帮助你赋能的场景呢？

如果有的话，欢迎你在留言中，将它分享给大家。让专业研究人员了解你的需求。只要需求足够大，他们就有激励，开发出更好用的应用，让你和更多人享受科技进步的成果。

祝深度学习愉快！

喜欢别忘了点赞。

还可以微信关注我的公众号“玉树芝兰”(nkwangshuyi)。别忘了加星标，以免错过新推送提示。

延伸阅读

你可能也会对以下话题感兴趣。点击链接就可以查看。

• 如何高效学 Python ？

• 如何用 Python 和深度迁移学习做文本分类？

• 如何用 Python 和 BERT 做中文文本二元分类？

• 如何用 Python 和 BERT 做多标签（multi-label）文本分类？

• 如何在 fast.ai 用 BERT 做中文文本分类？

题图: Photo by Jon Tyson on Unsplash