[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假华为诺亚方舟实验室语音语义

华为诺亚方舟实验室语音语义首席科学家刘群表示，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。

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：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

而且，还能写藏头诗：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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。

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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 。

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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” 。

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

华为乐府赋诗是这样的：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

从押韵和意境来看，都还不错。华为乐府给出了这样一首诗：

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

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。

----[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假 //----[ http://www.caoding.cn]

对了，答案选C 。

[量子位]华为推出AI诗人“乐府”：唐诗宋词都不在话下，一时分不出真假

推荐阅读

大S|汪小菲和S妈开战？为夺子深夜开骂，S妈怒放话“不要抢我外孙”

内存|DDR5和DDR4性能对比实测：提升明显

『江苏省』汛期临近江苏省要求“零疏漏”排查各类安全隐患

什么方法可以快速排便按摩肚子什么方法可以快速排便

萌叔说历史|刘禅的一个问题，诸葛亮才明白，他平时“装傻”，诸葛亮临终前

上观|上海市第三届市民运动会2020“战FUN宝山”罗泾美丽乡村徒步赛举行

青年是多少岁到多少岁中年青年是多少岁到多少岁

央视|新疆特色美食走出国门货物含9万个馕及1万个列巴

水浒传|曹雪芹为何要在红楼梦中，描写1个藏污纳垢、丑陋不堪的馒头庵？

你心中的小龙女是什么样子你心中的小龙女

央视|美国一连锁医院系统遭网络攻击

iPhone 12不再附送充电器深度分析苹果为哪般

什么属于多媒体功能卡，多媒体使用卡

常见的坚果有哪些吃坚果的好处

中华人民共和国国务院新闻办公室|2020-08-22 13:58:13来源:Xinhua

央视新闻|伊拉克新冠肺炎确诊病例累计逾29万例，死亡超8千人

新手适合养小狗吗最不适合新手养的狗

#洋哥爱生活#鸢尾传情，良缘再现，旧情碰撞，3星座携手真爱，地老天荒，月底

职业教育|担心孩子不知道从事什么职业？别怕，新规定来了

大理or大理+丽江