人工智能藝術生成機理探究

趙樹軍

(云南民族大學 瀾湄國際職業學院，云南 昆明 650500)

關于人工智能藝術，主要是指詩歌、繪畫、音樂等，這里就以詩歌為代表對人工智能藝術生成機理進行探討。人工智能詩歌創作始于20世紀60年代，其發展大致可以分為兩個階段，即傳統的人工智能藝術創作階段和基于深度學習技術的詩歌創作階段。具體分析如下：

一、傳統的人工智能藝術創作階段

最初出現的是機器詩歌，或稱之為詩歌沙拉(Word Salada)，體現為詞語的任意堆砌，而詞語間的意義關聯卻被忽略。之后，就是模板詩歌創作，如，RACTER和PROSE[1]，這與大學英語四六級考試中的完形填空類似，即給出一定的語言背景，在留有空白處來填充詞語，這樣可以保證語法的連貫和語義的一致，但容易導致雷同，缺乏創新和變化。再就是，模式詩歌創作，與模板創作一樣，要事先設定模式，但其靈活性要好于模板。如，Kurzweil開發的Cybernetic Poet系統[2]、Rubaud等人領導的 ALAMO 小組開發的 Rimbaudelaires詩歌生成器[3]，前者通過對大量詩作中的詞匯、詞匯結構、排列順序、韻律等進行統計分析和建模來生成詩歌，而后者則主要通過對不同位置的詞性、音律、平仄等作出限定來生成詩歌。還有，就是基于實例推理(case-based reasoning，簡稱 CBR)的詩歌創作，主要包括搜索(retrieve)、重用(reuse)、修正(revise)、保留(retain)等步驟，代表性的詩歌生成系統是ASPERA系統[4](P181-188)和COLIBRI系統[5](P157-159)，其在知識獲取、求解效率、求解質量、知識積累等方面，為生成優質詩歌創造了條件，但在自動優化修改算法設計上存在不足。

再之后，就是基于遺傳算法的詩歌生成。遺傳算法源自于達爾文的進化論中的核心觀點，即“物競天擇，適者生存”，它通過對遺傳、變異、選擇等生物進化過程的模擬，來實現對問題最優解的搜索。遺傳算法關注的并非單獨的某一個體，而是所有種群的一些個體集合，以隨機的方式來對一個被編碼的參數空間實現有效搜索，其關鍵的操作包括選擇、交叉和變異，具體地說，選擇就是把優化的個體或解直接遺傳到下一代或提供配對交叉產生新的個體再遺傳到下一代，而交叉則是把兩個附帶個體的部分結構加以替換重組進而生成新個體，這樣可以大幅提升搜索力，變異是對群體中的個體串的某些基因座上的基因值作出變動，以加速整個搜索向最優解收斂，也可以避免未成熟收斂，這就像國家出臺政策要杜絕“未婚早育”一樣。其基本程序包括參數編碼、適應度函數的設定、初始群體的選取、遺傳操作、控制參數的設定等。遺傳算法屬于全局性最優解搜索，能充分體現優勝劣汰的生存機制，并具有自組織、自適應和自學習的能力，而其作為算法本身也具有動態自適應能力，即在進化中可以自動調整算法來實現對參數和編碼精度的控制，相較于前面提到的CBR算法模型，具有了很大的進步。它在許多領域得到廣泛應用，如，Levy開發的原型系統POEVOLVE[6]，可以生成Limerick(一種源自歐洲的幽默短詩)，再如，Hisar Maruli Manurung的MCGONAGALL系統[7]，把詩歌生成問題轉換為狀態空間搜索。同理，周昌樂等人在此基礎上，利用遺傳算法技術將宋詞生成問題模擬為空間最優解搜索問題，并成功實現了宋詞的自動生成，其設計“基于平仄的編碼方式，基于句法和語義加權值的適應度函數、基于精英主義和輪盤賭算法的選擇策略，采用部分映射和啟發式交叉算子和啟發式變異算子，從而構建了一種基于遺傳算法的宋詞生成計算模型”[8](P427)。

嚴睿等人把自動文摘技術引入到人工智能詩歌生成模型[9](P2197-2203)中，該模型要求用戶先輸入某些能體現自己創造意圖的關鍵詞，而后在語義群中搜索相關或相似的詞語，并依照韻律和格調來排序和篩選，再運用自動文摘技術以保持每一個詩句和每一首詩歌在語義上的連續性，最終輸出最優解進而生成一首完整的詩歌。與宋詞生成模型存在的缺點相似，即詩歌質量的好壞過多依賴于評估函數，因而該模型難以確保一首花費很多精力生成的詩就一定是好詩。何晶、周明等在對聯自動生成模型基礎上，利用統計機器翻譯技術，并結合基于傳統詞藻分類的生成模型，加以改進和拓展，進而完成中國古典格律詩的自動生成。具體來說，先由用戶給出幾個關鍵詞，而后利用傳統詞藻分類模型生成不同的候選詩句，從中選擇得分最高的作為即將生成詩歌的首句，并把它作為源語言句子，利用統計機器翻譯技術，生成目標語言句子，也就是這首詩的第二個句子。其他的詩句生成，可以如法炮制，但都要求結合相鄰句子和全詩的語境，以保持前后詩句語義的一致性，直到最終完成整首詩歌。其優點在于不需要太多的人力和時間來設定評估函數，利用機器翻譯模型就可以自動把握詩歌語料中隱含的統計規律。

二、利用深度學習技術生成詩歌階段

傳統方法生成詩歌，在很大程度上依賴于專業知識，由文學或計算機領域的專家制定規則并設定評估函數，以確保詩歌的生成符合語義規范、平仄押韻等要求，并保證詩歌生成的質量，但與此同時也產生了一系列問題，如應用場景比較單一、遷移能力差等，唐詩生成系統并不適用于宋詞的生成，英語詩歌生成系統并不適用于漢語詩歌的生成，等等。隨著深度學習技術在語音識別、圖像處理、機器翻譯等方面的快速發展，在詩歌自動生成領域也有所突破，學者們先后提出了一系列基于神經網絡的詩歌生成方法，如，基于循環神經網絡的生成方法(RNNPG)等。

第一，是Zhang等人于2014年提出的基于循環神經網絡的生成方法RNNPG(RNN-based Poem Generator)[10](P670-680)。他們較早地將深度學習技術運用于中國詩歌的生成，先根據用戶給定的關鍵詞，在相應的語料庫中進行擴展并按格律要求生成候選詩句，再運用語言模型評估出最優詩句作為詩歌的首句，由首句生成第二句，再結合前兩句生成第三句，結合前三句生成第四句，以此類推，生成整首詩歌。RNNPG模型由CSM(Convoluional Sentene Model)、RCM(Recutent Context Model)和RGM(RECURRENT GENERATION MODEL)三部分組成，其中，CSM作為基于卷積神經網(Convolutional Neural Networks，CNN)的模塊，主要用于一句話的向量表示，RCM作為基于循環神經網絡(Recurrent Neural Network，RNN)的模塊，依據歷史信息生成句子的向量，并輸出下一個要生成句子的語義向量。RGM也是基于循環神經網絡的模塊，其依據RCM輸出的語義向量和先前字符編碼，生成下一個字符的相關概率分布，在解碼時基于RGM模型輸出概率和語言模型概率進行加權處理，以生成下一個詩句，如此循環下去，進而完成整首詩歌。RNNPG建基在深度學習技術之上，可以從訓練數據集中完成特征的自動提取，而無需過多的人工干預，與先前的方法相比有了明顯的進步，但由于僅首句與關鍵詞相關性大，仍會產生主題偏離、漂移現象。

第二，是基于神經機器翻譯的生成方法。QIXIN Wang等人于2016年將基于注意力機制的神經網絡翻譯模型(Attention based Neural Machine Translation Network，ANMT)[11]用于宋詞生成，該模型運用了從輸入序列到輸出序列(seq2seq)模式，包含一個編碼器和一個解碼器。通過編碼器來完成對輸入序列的編碼，并將其映射為高維的語義向量，再通過解碼器解碼生成目標序列。在解碼器生成每個字符的時候，歸因于注意力機制的作用，模型對當前生成字符相關的源序列信息特別加以關注，以至于模型能夠承載更多歷史信息，進而使句子的語意聯系更為緊密。另外，雙向長短時記憶網絡(Bi-directional Long Short Term Memory，BiLSTM)和長短時記憶網絡(LongShort Term Memory，LSTM)被分別運用于編碼器和解碼器中，而基于LSTM之上的初始化向量解碼器可以用來區分詞牌，整個LSTM模型能夠減少梯度消失問題，并保持對長篇幅詩歌的學習和生成。由于ANMT模型在編碼-解碼框架下融入了注意力機制，再配合以LSTM，使得詩歌生成效果大為改善。但是，與RNNPG情形相似，由于用戶只負責第一句話的提出，對后面句子的生成影響甚微，所以仍有可能發生主題漂移。

第三，基于規劃的生成方法。Zhe Wang等人提出一種基于規劃的詩歌生成方法PPG(PLANNING-BASED POEM GENERATOR)[12]。該方法同樣運用了基于注意力機制的編碼-解碼框架，其創新之處在于模仿人類創作模式，即在正式動筆之前，先根據主題擬訂一個提綱，而后根據提綱來完成寫作。具體來說，就是根據用戶意圖的輸入，完成對主題詞的提取、擴展，進而生成一個主題詞序列，并對主題詞作出限定，即每個主題詞只和一個句子相對應，每個主題詞都構成相對應句子的核心。每個主題詞結合歷史已生成詩句，來生成下一個詩句。如此循環下去，直到生成整首詩歌。基于規劃的詩歌生成方法分為規劃、生成兩個階段，首先是主題規劃階段。如，機器寫詩系統輸入的詩歌題目為“春天的桃花開了”，通過運用TEXTRANK等算法對主題詞進行抽取，并依據詞語的重要程度進行排序，結果為“春天”“桃花”，再利用語言模型或其他統計方法并根據已有詞語對后續詞語序列進行預測，進而完成主題詞的擴展，其結果為“燕”和“柳”，于是就形成了“春天”“桃花”“燕”和“柳”組成的主題詞序列。主題詞和句子構成一一對應的關系，即“春天”對應于第一句待生成的詩，“桃花”對應于第二句待生成的詩，“燕”對應于第三句待生成的詩，“柳”對應于第四句待生成的詩。

其次是生成詩歌階段。與檢索得到首句的做法不同，它是依據第一個主題詞“春天”來完成首句的生成，在后面依次生成詩句的過程中，要結合所有已生成的歷史上文詩句和相對應待生成詩句的主題詞，來生成下一個詩句。具體而言，就是要用第一句詩“春天麗日照晴川”加上待生成詩句的主題詞“桃花”生成第二句“十里桃花映滿山”，用第一、二句詩“春天麗日照晴川”“十里桃花映滿山”，再加上待生成詩句的主題詞“燕”生成第三句“燕子呢喃尋舊夢”，用第一、二、三句詩“春天麗日照晴川”“十里桃花映滿山”“燕子呢喃尋舊夢”，再加上待生成詩句的主題詞“柳”生成第四句“清風拂面柳如煙”。這樣就形成了一個由上文詩句、主題詞、待生成詩句組成的三元模型結構，而主題詞就是預置在待生成詩句中并通過算法抽取而來的，也就是說，它就是待生成詩句的一個組成部分，也就是即將生成詩句的一個組成部分，也即它將存在于生成詩句中。如，“十里桃花映滿山”作為生成詩句就包含有“桃花”這個主題詞，“燕子呢喃尋舊夢”包含有“燕”這個主題詞，等。這就確保了每個生成詩句和用戶意圖存在有一定的關聯性，防止了主題漂移問題的發生。具體生成過程，如下圖所示：

上述實例是基于規劃方法的四句詩歌生成模式，以此類推，可以有五句詩歌生成模式、六句詩歌生成模式……n句詩歌生成模式，四句詩有四個主題詞、四個句子，五句詩歌，含有五個主題詞、五個句子，六句詩歌有六個主題詞、六個句子……n句詩歌就含有n個主題詞、n句詩。我們來分析n句詩歌的生成情形。n句詩歌生成也分為規劃、生成兩個階段。同理，在主題規劃階段，運用TEXTRANK等算法并依據詞語的重要度進行抽取、排序，得到一個主題詞序列，同時，也限定一個主題詞只能對應于一個句子，如果用n1、n2、n3……nn表示每個主題詞，用N1、N2、N3……Nn表示每個句子，那么，在所有的主題詞序列n1、n2、n3……nn和所有的句子n1、n2、n3……nn之間就存在一個一一對應的關系，即，n1是第一個句子n1的主題詞，n2是第二個句子N2的主題詞，n3是第三個句子N3的主題詞……nn就是第n個句子nn的主題詞。同樣，在詩歌生成階段，可以依據第一個主題詞n1直接生成首句詩N1，后面的詩句依次由歷史上文和待生成詩句的主題詞結合生成，即，第二個句子N2由第二個主題詞n2和第一個句子N1結合生成，第三個句子N3由第三個主題詞n3和第一個句子N1和第二個句子N2結合生成，以此類推，第N個句子Nn就是由第n個主題詞nn和N1、N2、N3……Nn-1句子結合生成。這樣就形成了由上文詩句、主題詞、待生成詩句組成的三元模型結構，同樣，每個主題詞都預置于與之相對應的待生成詩句中，在即將生產的每個詩句中也必然包含了相應的主題詞在內，即，N1句子中包含了主題詞n1，N2包含了主題詞n2，N3包含了主題詞n3……Nn句子中包含了主題詞nn，這樣就保持了每個生成詩句和用戶意圖的相關性，從而很大程度上避免了主題偏離現象的發生。

無論是四句式的詩歌生成還是其他句式的詩歌生成，都采用了兩個編碼器，一個是對主題詞進行編碼，另一個是對歷史上文進行編碼，這樣就可以得到兩個隱層向量序列，然后將二者進行拼接，再運用解碼器進行解碼，具體過程如下圖所示。每個漢字代表它的embedding向量。首先對主題詞“桃花”作字級別雙向GRU運算，分別取正反兩個方向的最后一個向量，然后進行拼接，生成一個新向量。如，上面的例子中，主題詞“桃花”的向量為h0，再對詩句“春天麗日照晴川”作字級別雙向GRU運算，生成一個向量序列[h1：h8]。之后，對主題詞向量h0和詩句“春天麗日照晴川”向量[h1：h8]進行拼接，就生成一個新的向量序列[h0：h8]。再運用基于注意力機制的神經網絡翻譯模型(ANMT)的解碼器對向量序列[h0：h8]進行解碼，生成詩句“十里桃花映滿山”。

編碼器在編碼過程中，主題詞向量和上文詩句的向量序列在進行拼接時，主題詞向量一般會固定放在前面，如上述例子中的“桃花”和“春天麗日照晴川”在進行向量拼接時，主題詞“桃花”向量排在了“春天麗日照晴川”向量序列之前。在解碼器解碼時，運用注意力機制來實現對主題詞關注時機和程度的自動控制，其結果就是能影響到主題詞在生成詩句中出現的位置次序。如，一首七言詩中，如果分別用一二三四五六七來分別表示一句詩中所包含的七個漢字的位置次序，那么，主題詞是一個單獨漢字構成的詞語情形下，它可能出現在一、二、三、四、五、六和七中的某個位置，或者主題詞是由兩個漢字組成的詞語情形下，它可能出現在一二、二三、三四、四五、五六和六七中某個位置，但無論在什么位置次序出現，該主題詞都被包含在該生成詩句中。如，上述例子中，主題詞“春天”位于詩句“春天麗日照晴川”的一二位置，即它也被包含在該生成詩句中，而主題詞“柳”位于詩句“輕風拂面柳如煙”第五的位置，即它也被包含在該生成詩句中。相比而言，先前的幾個模型，用戶的寫作意圖，主要反映在第一句詩中，而越往后，用戶的寫作意圖越稀疏、淡薄，這就容易導致主題漂移現象。而基于主題規劃的詩歌生成模型，通過運用算法對主題詞的提取、擴展而形成的主題詞序列會依次被安置于即將生成詩歌的相應詩句中，并且有著不同的排列次序，這也就是從根本上杜絕了主題漂移的發生。另外，就是在主題詞的規劃階段，主題詞的獲取不僅來自于語料庫，還可以通過引入外部知識來擴充，如挖掘網頁、搜索日志等，以擴大語料庫的覆蓋面。

第四，Xu、Jiang等人提出一種基于記憶的圖片生成中國詩歌的深度神經網絡模型(Memory-based Image to Poem Generator，MIPG)[13]。MIPG模型的建構受到PPG的啟發，PPG模型是根據關鍵詞來生成詩歌，而MIPG則是根據圖片來生成關鍵詞，再結合其他程序來生成詩歌。從本質上來說，MIPG也屬于編碼-解碼模型，它由兩部分組成，一是基于圖片的編碼器I-Enc(Image-based Encoder)，另一個是基于記憶的解碼器M-Dec(a Memory-based Decoder)。在編碼過程中，首先從圖片中抽取一系列關鍵詞，然后基于卷積神經網絡(CNN)完成對圖片的視覺特征向量的提取，再加上一個雙向門控循環單元(Bi-directional gated recurrent unit，BiGRU)，來實現對歷史已生成詩句的相關語義特征的提取。而后，將關鍵詞、視覺特征向量、歷史詩句的相關語義特征輸入解碼器，以生成詩歌。在解碼過程中，由于融入了主題記憶網絡，在動態中實現了對生成詩句的相關語義特征的有效影響，使其和該句的主題、語境氛圍相適應，再通過有利于主題增強的Sofmax設置，預知該句語義特征的不同的主題偏離率并擇優選用，以增加生成詩歌和圖片主題的一致性。

第五，Lantao Yu等人提出基于對抗式網絡的詩歌生成模型SEQGAN(SEQUENCE GENERATIVE ADVERSARIAL NETS)[14](P2852-2858)，該模型包括兩個部分，一個是詩歌生成器，另一個是詩歌判別器，它們分別基于循環神經網絡(RNN)和卷積神經網絡(CNN)。該模型的主要貢獻在于，一方面，它依據蒙特卡洛搜索補全了所有可能的序列，從而解決了原先判別器無法判別非完整序列的問題，另一方面，通過運用強化學習中的梯度策略，把詩歌判別結果反饋給詩歌生成器，通過獎勵因子的設定，來激發詩歌生成器生成更方便讓詩歌判別器判別為與人類真實作品相近的作品來，也就是，通過強化學習使得基于循環神經網絡的詩歌生成更加優化。

從以上的分析，可以看出，人工智能藝術創作越來越成熟，從最初的語詞拼湊，到后來的句法、詞義、語境等的協調一致，其創作水平越來越接近于甚或超越于人類普通的創造者。盡管如此，人工智能在語言隱喻的人性深度、情感抒寫的藝術高度、人物刻畫的細膩程度、讀者接受的范圍廣度等方面和人類藝術家的情形仍有較大差距，要趕上和超越人類優秀藝術家的創作水平還需時日。無論是傳統的人工智能詩歌生成方法，如早期的詩歌沙拉、Kurzweil開發的Cybernetic Poet系統、Rubaud等人組織開發的Rimbaudelaires詩歌生成器、基于實例推理(CBR)的詩歌生成方法、基于遺傳算法的宋詞生成方法、運用自動文摘技術的詩歌生成方法等，還是后來的基于深度學習的宋詞生成方法，如基于循環神經網絡的生成方法(RNNPG)、基于注意力機制的神經機器翻譯生成模型(ANMT)、基于規劃的詩歌生成方法(PPG)、基于記憶網絡的詩歌生成方法(MIPG)、基于對抗式網絡的詩歌生成方法(SEQGAN)等，都存在一些共同的特質，如觀念性、去經驗化、去社會化、去生活化、去意識化、去創造性、非媒介性等，而對這些特點的進一步分析和研究，將為探尋人工智能藝術本質做好鋪墊。