这是莎士比亚十四行诗的一首诗。这是“创作”的十四行诗。 Deep-speare人工智能程序。至少在韵律，韵律和语法方面，撇开深调的“作品”的质量，十四行诗的这一部分表现得非常好，足以使许多人感到困惑。这就是为什么一些研究小组发现大多数读者无法区分人工智能产生的诗词和人类创造的诗词的原因。 Deep-speare团队由三位机器学习研究人员和一位文学学者组成。他们使用了大约2,700个十四行诗和大约367,000个单词来训练这种人工智能“诗人”。并让它学会“创造”通过它自己。 。简而言之，深度复制使用深度学习来过滤训练数据库中的诗歌，并一次又一次地尝试创建与样本匹配的经文。尽管在过去的一些类似项目中，研究人员会提前将韵律和节奏的知识发送给人工智能，但是Deep-speare独立地学习了与十四行诗写作相关的三个要素：韵律，韵律和自然语言（即单词）正确，流畅地结合在一起）。具体来说，深度调教系统由三个部分组成：节奏模型，韵律模型和确保语法正确性的自然语言模型，其中自然语言模型是最重要的部分。首先，语言模型将过滤并预测语料库中的单词（语料库的内容基于Wikipedia条目，Reddit主题和一些特殊构建的数据库），并确定哪些单词适合组合为句子。经过适当的训练后，语言模型将为流利的句子提供高分，为无意义的句子提供低分。语言模型的质量可以通过观察下一个单词的相关强度（从右到左）来揭示。例如，“旧金山”（San-Francisco）经常在同一时间出现，而“咖啡”指的是通常与诸如“刷新”等词更相关。或“赋予生命”，而不是诸如“强大”之类的词语。或“光”。如果语言模型可以正确处理此信息，则可以认为该模型已在很大程度上捕获了语言的复杂性。一旦对语言模型进行了良好的训练，从头开始生成句子就不再困难了。重复此步骤以获取创建十四行诗的基础。除单词和句子外，Deep Speare还需要学习节奏，即观察每一行中的字母和标点，并确定哪些字符对应于哪个音节，哪些音节接收重音。例如，单词“夏天”指的是“夏天”。应将“应声”理解为两个音节，并且重音也应是不同重音的“和”。和不受压力的“ mer”。当Deep-speare编写十四行诗时，语言模型会生成候选行，节奏模型会选择与节奏匹配的行，然后重复该过程。当然，也有韵律模式。这种模式只注意每行诗的最后一个单词，并尽可能地实现单词押韵。例如，“天”表示以及“可以”，“温带”和“可能”。和“日期”。在检查诗歌输出时，研究小组发现Deep-speare生成的诗歌短语与训练数据没有太多重叠。换句话说，它没有记住训练数据，而是直接复制了它，而是创作了原始的诗歌。但是，这不能解释诗歌的文学品质。为此，研究团队招募了两名批评家，以区分人类和机器创造的十四行诗。第一批是由Amazon Mechanical Turk雇用的众包工人。他们只会说基本的英语，却没有诗歌专业知识。最终结果是工人们以50％的准确度猜出了人类诗歌和机器诗歌。但是，此数据可能虚假地很高，因为工作人员可能会在Internet上搜索诗歌摘录，人类诗歌将获得搜索结果反馈，而机器诗歌将不会出现。第二位法官是多伦多大学文学助理教授亚当·哈蒙德（Adam Hammond）。这次，判断的方法是对人与机器共同编写的十四行诗的四个属性进行评分：节奏，节奏，可读性和情感冲击力。结果，亚当·哈蒙德（Adam Hammond）对《深歌》的节奏和韵律给予了很高的评价，甚至超越了人类（因为诗人常常故意不遵守规则以达到一定的效果）；在可读性和情感方面，《深度复制》稍微差一点，一位文学专家可以一目了然地分辨出哪些是莎士比亚的，哪些是人工智能诗人的。目前，研究团队正在努力改善AI诗人在可读性和情感方面的表现。