笔趣阁

手机浏览器扫描二维码访问

第六章 暗知识神迹机器能否超越人类（第2页）

（2）设计实验：验证可控变量和可测变量之间的关系。

（3）如果实验不能验证，就重新回到步骤（1）。如果能够验证，就把验证过的关系制造成仪器，使原来的可测变量变为可控变量。然后回到步骤（1）。

机器学习在每个步骤中都能加快速度。在步骤（1），机器学习可以通过阅读历史文献提出大量可能的组合。虽然在大量的备选假设中最终还要科学家定夺为哪个做实验，但机器可以帮助科学家想得更全面。在步骤（2）最花时间的是改变可控变量的值来测量可测变量，这正是机器的拿手好戏。在收集、整理、分析数据方面机器比人要快，也更准确。在步骤（3）制造仪器方面又分为设计、实验和制造三个步骤，机器学习在实验和制造上都能加快速度。可以想象在不久的将来会出现“机器人研究生”，人类科学家给机器一个大致的研究方向，当机器遇到困难时请教一下导师，剩下的大部分研究工作就是机器自己做了。它们不知疲倦，7×24小时做研究，阅读速度是人类研究生的一亿倍，测量分析数据速度是人类研究生的一万倍。只要有电力和算力，世界上可以有几十亿个这样的“研究生”在研究人类关心的各种课题。

唐诗高手

机器学习不仅在科学技术的进步上大显神威，而且也开始进入人文领域。下面的四首律诗中有两首是人写的，两首是机器写的。

云峰

白云生处起高峰，

鬼斧神工造化成。

古往今来谁可上，

九重宫阙握权衡。

画松

孤耐凌节护，

根枝木落无。

寒花影里月，

独照一灯枯。

悲秋

幽径重寻黯碧苔，

倚扉犹似待君来。

此生永失天台路，

老凤秋梧各自哀。

春雪

飞花轻洒雪欺红，

雨后春风细柳工。

一夜东君无限恨，

不知何处觅青松。

在告诉读者答案之前，先看看机器写诗的原理。把机器写诗的原理讲得最清楚的莫过于《红楼梦》里的林黛玉。在《红楼梦》第四十八回中，被薛宝钗带进大观园的姑娘香菱让黛玉教她写诗：

黛玉道：“什么难事，也值得去学！不过是起承转合，当中承转是两副对子，平声对仄声，虚的对实的，实的对虚的，若是果有了奇句，连平仄虚实不对都使得的。”香菱笑道：“怪道我常弄一本旧诗偷空儿看一两首，又有对的极工的，又有不对的，又听见说‘一三五不论，二四六分明’。看古人的诗上亦有顺的，亦有二四六上错了的，所以天天疑惑。如今听你一说，原来这些格调规矩竟是末事，只要词句新奇为上。”黛玉道：“正是这个道理，词句究竟还是末事，第一立意要紧。若意趣真了，连词句不用修饰，自是好的，这叫作‘不以词害意’。”香菱笑道：“我只爱陆放翁的诗‘重帘不卷留香久，古砚微凹聚墨多’，说的真有趣！”黛玉道：“断不可学这样的诗。你们因不知诗，所以见了这浅近的就爱，一入了这个格局，再学不出来的。你只听我说，你若真心要学，我这里有《王摩诘全集》你且把他的五言律读一百首，细心揣摩透熟了，然后再读一二百首老杜的七言律，次再李青莲的七言绝句读一二百首。肚子里先有了这三个人作了底子，然后再把陶渊明、应玚，谢、阮、庾、鲍等人的一看。你又是一个极聪敏伶俐的人，不用一年的工夫，不愁不是诗翁了！”

黛玉说的第一件事是格律，押韵合辙，平仄对仗。这是律诗的基本规则，属于作诗的明知识。而词语之间的相关性，也即一个词出现在另一个词后面的概率，对诗人来说则是默知识。学习这些默知识是机器最擅长的，机器通过大量的阅读，对每个词后面出现什么词都有了“感觉”。黛玉说的第二件事是训练集要大，要多样化。陆游一生写了万余首诗，但一个诗人毕竟有局限性，例如陆游的诗题材单调，意境空疏。如果香菱只学陆游的诗就会像黛玉说的那样“一入了这个格局，再学不出来的”，这就是机器学习里面当训练数据集太小时出现的“过度拟合”问题。所以黛玉让香菱学王维、杜甫、李白等不同风格的诗人，王维的空灵幽远，杜甫的悲天悯人，李白的潇洒豪放，都会避免“过度拟合”，多种风格的混合才能出新意。

机器作诗的原理和人学作诗类似，本质上也是模式识别，通过大量学习识别然后记忆平仄、对仗、押韵、词句的常见组合，即一个词出现在另一个词后面的概率。诗歌是文字的一部分，是一个前后有相关性的序列数据流，第三章里提到过，RNN最适合序列数据处理。产生诗歌的思路有两种。第一种思路是将诗歌的整体内容作为训练语料送给RNN语言模型进行训练。训练完成后，先给定一些初始内容，然后就可以按照语言模型输出的概率分布进行采样得到下一个词，不断地重复这个过程就产生完整的诗歌。具体步骤如下：首先由用户给定的关键词生成第一句，然后由第一句话生成第二句话，由第一句话和第二句话生成第三句话，重复这个过程，直到诗歌全部生成。该模型由三部分组成。

（1）卷积语句模型（ConvolutionalSentenceModel，CSM）：这个卷积模型用于获取一句话的向量表示。

（2）复发上下文模型（RecurrentContextModel，RCM）：句子级别的RNN，根据历史生成句子的向量，输出下一个要生成句子的上下文向量。

（3）复发生成模型（RecurrentGenerationModel，RGM）：字符级别的RNN，根据RCM输出的上下文向量和该句之前已经生成的字符，输出下一个字符的概率分布。解码的时候根据RGM模型输出的概率和语言模型概率加权以后，生成下一句诗歌，由人工规则保证押韵。

第二种思路是把写诗看成一个翻译过程。将上一句看成源语言，把下一句看成目标语言，用机器翻译模型进行翻译，并加上平仄押韵等约束，得到下一句。通过不断地重复这个过程，得到一首完整的诗歌。

现在到了揭开谜底的时候：第二首和第四首诗是机器写的，仔细看还是能看出来。一首好诗首先是要语句自然流畅，意境浑然天成。第二首的第一句“孤耐凌节护”根本不知所云。除了句子不通顺，两首机器写的诗还很难让读者有画面感。一首好诗重要的是意境，正如黛玉所说：“词句究竟还是末事，第一立意要紧。若意趣真了，连词句不用修饰，自是好的，这叫作‘不以词害意’。”目前机器写诗像一个缺乏天资的但极为刻苦的诗歌爱好者，怎么做都无法有“意境”。能够打动人的好诗需要“触景生情”，并且能引起读者的共鸣。这更是目前机器学习还无法企及的境界。最绝妙的诗歌除了以上几点，还要能出奇出新，打破常规，使用从来未使用过的词句组合但又合情合理。正如黛玉在进一步提点香菱时所说：

“可领略了些滋味没有？”香菱笑道：“领略了些滋味，不知可是不是，说与你听听。”黛玉笑道：“正要讲究讨论，方能长进。你且说来我听。”香菱笑道：“据我看来，诗的好处，有口里说不出来的意思，想去却是逼真的。有似乎无理的，想去竟是有理有情的。”黛玉笑道：“这话有了些意思，但不知你从何处见得？”香菱笑道：“我看他《塞上》一首，那一联云：‘大漠孤烟直，长河落日圆。’想来烟如何直？日自然是圆的：这‘直’字似无理，‘圆’字似太俗。合上书一想，倒像是见了这景的。若说再找两个字换这两个，竟再找不出两个字来。还有‘渡头余落日，墟里上孤烟’：这‘余’字和‘上’字，难为他怎么想来！我们那年上京来，那日下晚便湾住船，岸上又没有人，只有几棵树，远远的几家人家做晚饭，那个烟竟是碧青，连云直上。谁知我昨日晚上读了这两句，倒像我又到了那个地方去了。”