閱讀率與人工稿件基本持平 機器寫作正逐漸被接受 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)布會暨北京市科技成果轉(zhuǎn)化統(tǒng)籌協(xié)調(diào)與服務(wù)平臺系列項目路演中，北京大學(xué)計算機科學(xué)技術(shù)研究所研究員萬小軍的AI寫作機器人頗受關(guān)注。

據(jù)介紹，這項成果已應(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、小柯等多款寫作機器人，各類機器人已經(jīng)自動撰寫新聞稿件十萬多篇。

除了新聞寫作，還能應(yīng)用于這些領(lǐng)域

機器寫作，又稱自然語言生成，是自然語言處理領(lǐng)域的重要研究方向和研究熱點之一， 也是人工智能走向成熟的重要標(biāo)志之一。

目前，機器寫作在傳媒、出版、文娛、廣告等多個行業(yè)均具有廣闊應(yīng)用場景。歐美等地較早成立專注于機器寫作技術(shù)應(yīng)用的多家公司，例如ARRIA、AI、NarrativeScience等基于行業(yè)數(shù)據(jù)，通過機器寫作生成行業(yè)報告或新聞報道，從而節(jié)省大量人力。同時，不少國外知名媒體單位紛紛采用機器寫作技術(shù)進行新聞稿件創(chuàng)作，以節(jié)約人力成本，提高效率。

“與人類作者相比，機器寫作具有效率高、時效性好、覆蓋性強、無偏見等優(yōu)勢。今日頭條的線上測試表明，機器人撰寫新聞稿件的閱讀率與人工稿件的閱讀率基本相同，這說明機器稿件的質(zhì)量不錯，能夠被廣大用戶所接受。”萬小軍告訴記者。

萬小軍說，我們希望計算機同時具有讀與寫的能力，除了掌握閱讀和理解語言文字的本領(lǐng)之外，還能夠掌握文字創(chuàng)作的本領(lǐng)，從而像人類一樣寫出高質(zhì)量的文字作品，例如新聞資訊、報告、詩歌、小說、作文等。

然而，計算機不能憑空寫作，必須根據(jù)所輸入的數(shù)據(jù)與素材進行創(chuàng)作。據(jù)介紹，根據(jù)輸入的不同類型的信息，計算機一般采用不同的寫作方式進行創(chuàng)作。例如，計算機根據(jù)輸入的結(jié)構(gòu)化數(shù)據(jù)(報表、RDF數(shù)據(jù)等)進行文字創(chuàng)作，從而能夠生成稿件。這是目前機器寫作應(yīng)用的主要方式，適用于天氣預(yù)報、醫(yī)療報告、賽事簡訊、財經(jīng)報道等文本的生成。

萬小軍介紹說，近幾年機器寫作除了用于撰寫新聞、報告等實用型文本之外，還被用于創(chuàng)作古詩、現(xiàn)代詩、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)代詩和古詩，在文字表現(xiàn)形式上的總體效果還不錯，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，機器寫作技術(shù)也受到其深刻影響。

據(jù)萬小軍介紹，基于深度學(xué)習(xí)技術(shù)進行文本生成，不依賴于模板或規(guī)則。然而，這樣的寫作方式雖然在研究上取得一定進展，但目前還不能保證所生成稿件的準(zhǔn)確性與可讀性，難以滿足很多應(yīng)用場景下對稿件的質(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料，而在很多領(lǐng)域內(nèi)較難獲取到這樣的大規(guī)模語料。

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

萬小軍指出，多文檔自動文摘比單文檔自動文摘更具有挑戰(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，對多篇新聞報道進行長篇綜述生成極其困難，其研究團隊在這方面進行了嘗試，提出基于段落排序與融合的方法為多篇新聞報道進行綜述生成，取得一定效果。

文本復(fù)述則用于對現(xiàn)有文字進行改寫，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言機器翻譯問題，因此在平行語料充足的前提下，各種統(tǒng)計機器翻譯方法(包括神經(jīng)網(wǎng)絡(luò)機器翻譯)均可應(yīng)用于此問題。但現(xiàn)實中卻難以獲得大規(guī)模的此類平行語料，因此針對文本復(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料和大規(guī)模的非平行語料進行復(fù)述模型的學(xué)習(xí)。