閱讀率與人工稿件基本持平 機(jī)器寫(xiě)作正逐漸被接受 深度學(xué)習(xí)生成模型

不久前，在北京大學(xué)科技成果發(fā)布會(huì)暨北京市科技成果轉(zhuǎn)化統(tǒng)籌協(xié)調(diào)與服務(wù)平臺(tái)系列項(xiàng)目路演中，北京大學(xué)計(jì)算機(jī)科學(xué)技術(shù)研究所研究員萬(wàn)小軍的AI寫(xiě)作機(jī)器人頗受關(guān)注。

據(jù)介紹，這項(xiàng)成果已應(yīng)用于多家媒體單位，研發(fā)單位與各媒體單位合作推出了小明、小南、小柯等多款寫(xiě)作機(jī)器人，各類(lèi)機(jī)器人已經(jīng)自動(dòng)撰寫(xiě)新聞稿件十萬(wàn)多篇。

除了新聞寫(xiě)作，還能應(yīng)用于這些領(lǐng)域

機(jī)器寫(xiě)作，又稱(chēng)自然語(yǔ)言生成，是自然語(yǔ)言處理領(lǐng)域的重要研究方向和研究熱點(diǎn)之一， 也是人工智能走向成熟的重要標(biāo)志之一。

目前，機(jī)器寫(xiě)作在傳媒、出版、文娛、廣告等多個(gè)行業(yè)均具有廣闊應(yīng)用場(chǎng)景。歐美等地較早成立專(zhuān)注于機(jī)器寫(xiě)作技術(shù)應(yīng)用的多家公司，例如ARRIA、AI、NarrativeScience等基于行業(yè)數(shù)據(jù)，通過(guò)機(jī)器寫(xiě)作生成行業(yè)報(bào)告或新聞報(bào)道，從而節(jié)省大量人力。同時(shí)，不少?lài)?guó)外知名媒體單位紛紛采用機(jī)器寫(xiě)作技術(shù)進(jìn)行新聞稿件創(chuàng)作，以節(jié)約人力成本，提高效率。

“與人類(lèi)作者相比，機(jī)器寫(xiě)作具有效率高、時(shí)效性好、覆蓋性強(qiáng)、無(wú)偏見(jiàn)等優(yōu)勢(shì)。今日頭條的線上測(cè)試表明，機(jī)器人撰寫(xiě)新聞稿件的閱讀率與人工稿件的閱讀率基本相同，這說(shuō)明機(jī)器稿件的質(zhì)量不錯(cuò)，能夠被廣大用戶(hù)所接受。”萬(wàn)小軍告訴記者。

萬(wàn)小軍說(shuō)，我們希望計(jì)算機(jī)同時(shí)具有讀與寫(xiě)的能力，除了掌握閱讀和理解語(yǔ)言文字的本領(lǐng)之外，還能夠掌握文字創(chuàng)作的本領(lǐng)，從而像人類(lèi)一樣寫(xiě)出高質(zhì)量的文字作品，例如新聞資訊、報(bào)告、詩(shī)歌、小說(shuō)、作文等。

然而，計(jì)算機(jī)不能憑空寫(xiě)作，必須根據(jù)所輸入的數(shù)據(jù)與素材進(jìn)行創(chuàng)作。據(jù)介紹，根據(jù)輸入的不同類(lèi)型的信息，計(jì)算機(jī)一般采用不同的寫(xiě)作方式進(jìn)行創(chuàng)作。例如，計(jì)算機(jī)根據(jù)輸入的結(jié)構(gòu)化數(shù)據(jù)(報(bào)表、RDF數(shù)據(jù)等)進(jìn)行文字創(chuàng)作，從而能夠生成稿件。這是目前機(jī)器寫(xiě)作應(yīng)用的主要方式，適用于天氣預(yù)報(bào)、醫(yī)療報(bào)告、賽事簡(jiǎn)訊、財(cái)經(jīng)報(bào)道等文本的生成。

萬(wàn)小軍介紹說(shuō)，近幾年機(jī)器寫(xiě)作除了用于撰寫(xiě)新聞、報(bào)告等實(shí)用型文本之外，還被用于創(chuàng)作古詩(shī)、現(xiàn)代詩(shī)、散文等文學(xué)作品，例如微軟小冰、清華九歌等系統(tǒng)分別能夠創(chuàng)作現(xiàn)代詩(shī)和古詩(shī)，在文字表現(xiàn)形式上的總體效果還不錯(cuò)，但在意境上有所欠缺。

深度學(xué)習(xí)生成模型，但還難保準(zhǔn)確性和可讀性

近幾年，深度學(xué)習(xí)發(fā)展迅速，機(jī)器寫(xiě)作技術(shù)也受到其深刻影響。

據(jù)萬(wàn)小軍介紹，基于深度學(xué)習(xí)技術(shù)進(jìn)行文本生成，不依賴(lài)于模板或規(guī)則。然而，這樣的寫(xiě)作方式雖然在研究上取得一定進(jìn)展，但目前還不能保證所生成稿件的準(zhǔn)確性與可讀性，難以滿(mǎn)足很多應(yīng)用場(chǎng)景下對(duì)稿件的質(zhì)量要求。此外，深度學(xué)習(xí)生成的模型訓(xùn)練需要大量的平行語(yǔ)料，而在很多領(lǐng)域內(nèi)較難獲取到這樣的大規(guī)模語(yǔ)料。

計(jì)算機(jī)根據(jù)已有的文字素材(例如已經(jīng)發(fā)表的新聞)進(jìn)行二次文字創(chuàng)作時(shí)，能夠基于已有稿件創(chuàng)作出不一樣的稿件，主要依賴(lài)于兩類(lèi)自然語(yǔ)言處理技術(shù)：自動(dòng)文摘與文本復(fù)述。其中自動(dòng)文摘用于對(duì)單篇文本或多篇文本進(jìn)行內(nèi)容提煉與綜合，形成摘要或綜述。

萬(wàn)小軍指出，多文檔自動(dòng)文摘比單文檔自動(dòng)文摘更具有挑戰(zhàn)性，原因在于不同文檔內(nèi)容的冗余性、片面性與弱連貫性。因此，對(duì)多篇新聞報(bào)道進(jìn)行長(zhǎng)篇綜述生成極其困難，其研究團(tuán)隊(duì)在這方面進(jìn)行了嘗試，提出基于段落排序與融合的方法為多篇新聞報(bào)道進(jìn)行綜述生成，取得一定效果。

文本復(fù)述則用于對(duì)現(xiàn)有文字進(jìn)行改寫(xiě)，在主題與意思基本不變的前提下產(chǎn)生另一種文字表述，從而避免原文照抄，也可實(shí)現(xiàn)文本風(fēng)格化的目的。文本復(fù)述可以看作是一種單語(yǔ)言機(jī)器翻譯問(wèn)題，因此在平行語(yǔ)料充足的前提下，各種統(tǒng)計(jì)機(jī)器翻譯方法(包括神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯)均可應(yīng)用于此問(wèn)題。但現(xiàn)實(shí)中卻難以獲得大規(guī)模的此類(lèi)平行語(yǔ)料，因此針對(duì)文本復(fù)述的研究需要另辟蹊徑，最新的研究主要集中在如何有效利用少量的平行語(yǔ)料和大規(guī)模的非平行語(yǔ)料進(jìn)行復(fù)述模型的學(xué)習(xí)。