名古屋大学教授佐藤理史说，“星新一”文学奖初评入围的标准比较低，“把不出现奇怪的日语放在第一位，暂时不考虑是否生动有趣”，这也是机器人小说能够入围的原因。

日本科幻小说作家长谷敏思则表示，“能够完整写出小说太令人震惊了。如果100分满分的话我打60分，未来令人期待。”不过他同时也认为，机器人小说目前“对角色的刻画还很粗，情节的转换也不够自然、对于故事的交待也不够巧妙。不能算很好的小说，距离星新一奖得奖的距离还很远。”

AI写作的原理和“不可能”

看过了AI的新闻报道、诗歌创作和小说片段，也许你会对文字工作者的未来产生一丝担忧。但是，正如各个创作领域的专家所说的，AI的写作更像是在海量文字数据之中进行的“填词游戏”，或者说始终还是在“做数学题”。

以擅长创作古诗的度秘来说，它的创作过程充满了理性的统计和运算：百度度秘首创诗歌规划模型，根据一个关键词，“联想”出主题，进而创新作出诗句。度秘的作品因此拥有人类的情感和意境。依托大数据与机器学习，度秘分析整合古诗词的韵脚和语境，重新生成新的诗句，甚至还能写出“藏头诗”哦！

需要重点介绍的是，度秘的创作过程不同以往：

首先，我们不限制用户的输入。它可以是一些关键词、短语、句子甚至文档。以前的方法只能支持一些关键词或必须提供诗的第一行。

其次，我们会根据用户的输入确定这首诗的主题，每一行都有一个特定的子主题，保证生成的诗是连贯的、有条理的。而之前的方法基本上只能够保证第一行是符合用户意图的，下一行可能就会文不对题。

第三，节奏和语调控制方面，我们的模型可以自动地从训练语料中学习约束。

最后，我们的诗歌生成模型较之其他方法，拥有更简单的结构。

百度度秘所采用的模型 Chinese Poetry Generation with Planning based Neural Network

不需要专家知识，是一个端到端的模型。它试图模仿人类开始写作前，先规划一个写作大纲的过程。整个诗歌生成框架由两部分组成：规划模型和生成模型。

规划模型：将代表用户写作意图的 Query 作为输入，生成一个写作大纲。写作大纲是一个由主题词组成的序列，第 i 个主题词代表第 i 句的主题。

生成模型：基于 encoder-decoder 框架。有两个 encoder, 其中一个 encoder 将主题词作为输入，另外一个 encoder 将历史生成的句子拼在一起作为输入，由 decoder 生成下一句话。decoder 生成的时候，利用 Attention 机制，对主题词和历史生成内容的向量一起做打分，atv，由模型来决定生成的过程中各部分的重要性。

从传统方法到深度学习，诗歌生成技术有了很大发展，甚至在一定程度上，已经可以产生普通人真假难辨的诗歌。但是目前诗歌生成技术，学习到的仍然只是知识的概率分布，即诗句内、诗句间的搭配规律，而没有学到诗歌蕴含的思想感情。因此尽管生成的诗歌看起来有模有样，但是仍然感觉只是徒有其表，缺乏一丝人的灵性。

显然，在AI写作这种“撞大运”似的排列运算之下，读者最看重的“创造力”似乎在AI身上并不能看到太多的展现。在“创作”中，AI挑选了它认为很不错的这些词语，安放在故事的各个位置组成了一个“完整”的故事结构。

关于AI终究难以逾越文学创作的症结何在，知名作家马伯庸的一段话似乎可以很好地解答：

文学最大的价值在于朦胧感、在于隐晦、在于隔靴搔痒，我举一个文学著作《金瓶梅》的例子，《金瓶梅》里面有一段描述潘金莲与武松对话：潘金莲说：你若有心，吃我这半盏儿残酒。这句话表面看非常平常，但是蕴含的隐晦意味是 AI 很难模拟出来的。

想到一个前人所未想到的内容来隐晦的描述，这就是 AI 难进行文学创作的原因之一，AI 或许会比赋前人，但是很难实现独创性。第二是 AI 能不能把好的原创识别出来，AI 可以有别出心裁、有创意的修辞手法或者文学技法么？我觉得可以有，但是问题在于那么大的数据量，它能不能从中提取出来，我觉得这也是一个需要思考的问题。

你可能更多想了解的内容

百度AI微信号栏目索引

▎AI 头条 ▎· ▎百度大脑洞 ▎· ▎AI 内参 ▎

微信号：baidubrain

微博：@百度AI

网站：ai.baidu.com