閱讀率與人工稿件基本持平 機(jī)器寫作正逐漸被接受

華凌

? 近幾年，機(jī)器寫作不再是紙上談兵的技術(shù)，已然滲透到了我們的生活之中。今日頭條、騰訊、百度、360等公司，以及新華社、南方都市報(bào)、第一財(cái)經(jīng)等傳統(tǒng)媒體單位均開(kāi)展了機(jī)器寫作技術(shù)的研究與應(yīng)用。

除了新聞寫作，還能應(yīng)用于這些領(lǐng)域

目前，機(jī)器寫作在傳媒、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注于機(jī)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(guò)機(jī)器寫作生成行業(yè)報(bào)告或新聞報(bào)道，從而節(jié)省大量人力。同時(shí)，不少國(guó)外知名媒體單位紛紛采用機(jī)器寫作技術(shù)進(jìn)行新聞稿件創(chuàng)作，以節(jié)約人力成本，提高效率。

? “與人類作者相比，機(jī)器寫作具有效率高、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)，能夠被廣大用戶所接受?！北本┐髮W(xué)計(jì)算機(jī)科學(xué)技術(shù)研究所研究員萬(wàn)小軍表示。

然而，計(jì)算機(jī)不能憑空寫作，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)輸入的不同類型的信息，計(jì)算機(jī)一般采用不同的寫作方式進(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)器寫作除了用于撰寫新聞、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，不依賴于模板或規(guī)則。這樣的寫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，主要依賴于兩類自然語(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。

? 文本復(fù)述則用于對(duì)現(xiàn)有文字進(jìn)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。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。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)。