美國馬薩諸塞大學(xué)研究人員Valentin Kassarnig為我們帶來了答案，他開發(fā)了一套撰寫政治演講稿的人工智能（AI）機(jī)器算法，機(jī)器寫出的講稿幾乎可以以假亂真。經(jīng)典的政治演講少之又少，普普通通的演講倒是很多，比如美國國會的辯論演講。這些演講大多千篇一律，都遵循標(biāo)準(zhǔn)的格式，重復(fù)相似的論調(diào)，甚至使用一樣的短語來表述特定的政治立場和觀點(diǎn)。看起來好像背后有一套算法在決定它的內(nèi)容。于是它引導(dǎo)我們?nèi)ニ伎家粋€(gè)有趣的問題：有沒有可能讓機(jī)器自動(dòng)撰寫政治演講稿呢？

　　分析文本預(yù)測單詞

　　從表面上看，基本原理還是很簡單的。Kassarnig首先建了一個(gè)數(shù)據(jù)庫，從53場美國國會辯論中抽取4000個(gè)政治演講片斷，編成一套“機(jī)器學(xué)習(xí)”算法，讓它自動(dòng)撰寫稿件。這些政治演講由5萬多個(gè)句子組成，平均每個(gè)句子包涵23個(gè)單詞。凱斯塞寧將演講按政黨進(jìn)行分類，比如哪些是民主黨的，哪些是共和黨的，看它們是否贊同或者反對某個(gè)特定的主題。

　　魔鬼在于細(xì)節(jié)，分析數(shù)據(jù)庫是最大的挑戰(zhàn)。在嘗試了許多種技術(shù)之后，Kassarnig最終采用了基于“N-grams（元語法模型即馬爾可夫模型）”的方法。他首先用詞類法分析文本，也就是用語法規(guī)則來給每一個(gè)詞語和短語作標(biāo)志（標(biāo)為名詞、動(dòng)詞、形容詞等）。然后分析第6個(gè)詞或者短語，根據(jù)前5個(gè)詞或者短語判斷第6個(gè)詞或者短語最有可能是什么。Kassarnig說：“只要看它前面是5個(gè)是什么，我們就可以很快確定所有的單詞。”

　　在分析詞的過程中演講稿會同步生成。Kassarnig需要告訴算法寫什么類型的演講稿，比如是給民主黨寫還是給共和黨寫。算法最開始會按給定的類別搜索6個(gè)詞或者短語組成的數(shù)據(jù)庫，然后用5個(gè)詞或者短語作為起點(diǎn)來撰寫演講稿。

　　算法的寫作從隨機(jī)選擇的5個(gè)詞或者短語開始，然后選擇可以與之相關(guān)聯(lián)的下一個(gè)單詞。Kassarnig說：“跟著系統(tǒng)就會自動(dòng)一個(gè)接一個(gè)地預(yù)測單詞，并最終預(yù)測演講的結(jié)尾。”

　　整個(gè)過程有一些技巧。例如，算法會知道演講中最可能出現(xiàn)的特定主題是什么，然后它會挑選其它主題嵌入到演講中去，它還要決定如何修飾這些主題。

　　機(jī)器的政治寫作水平挺高

　　下面是機(jī)器寫的一則民主黨講稿：

　　“議長先生，多年來，因?yàn)槭艿狡飘a(chǎn)法的保護(hù)，誠實(shí)而不幸的消費(fèi)者可以為自己的案子進(jìn)行申訴了，最終他們合理而有效地償還了債務(wù)。系統(tǒng)所采用的方法是管用的，破產(chǎn)法院會評估各種情況，如收入、資產(chǎn)、債務(wù)，從而決定哪些債務(wù)應(yīng)該償還，決定消費(fèi)者如何自力更生。讓我們支持增長和機(jī)會，請通過這項(xiàng)立法。”

　　寫出來的文稿還算通順，畢竟Kassarnig的人工智能算法還沒有接受過訓(xùn)練，它只是在最開始時(shí)作了標(biāo)記，并對政治演講按6個(gè)詞組或者短語進(jìn)行過一番分析。他用一些標(biāo)準(zhǔn)對演講稿進(jìn)行評估，比如檢查語法正確性、句子過渡、講稿結(jié)構(gòu)和內(nèi)容，評估發(fā)現(xiàn)機(jī)器寫的東西很不錯(cuò)。Kassarnig說：“特別值得欣慰的是講稿的語法很正確，句子過渡也非常流暢。”

　　盡管如此，讓機(jī)器算法走上政治舞臺，Kassarnig并不樂觀：“盡管算法的確可以為政治家撰寫演講稿，但它的結(jié)果不太可能好。”愿意使用這套算法的政客沒幾個(gè)。

　　幸好算法還可以用來撰寫其它類型的文本，比如新聞，只要根據(jù)同樣的事件給它們提供一些故事就可以了。它還可以用來寫博客，只要為它準(zhǔn)備一個(gè)很大的數(shù)據(jù)庫，在里面裝滿相似的文章就行了。

　　凱斯塞寧希望大家都來試一試，他已經(jīng)將源代碼發(fā)布在GitHub上，快去試下吧。