人工智能識(shí)別中的人物性格分析
——以經(jīng)典人物麥克白為例

陳 珂

從有文字記載的文明時(shí)代開(kāi)始,文明躍進(jìn)的內(nèi)驅(qū)力有不少來(lái)自少數(shù)精英。然而,今天的智能時(shí)代則是由大量普通人共同參與而形成的。許多無(wú)名程序員,他們通過(guò)開(kāi)放源代碼,以他們的智慧參與到這個(gè)變革之中,通過(guò)網(wǎng)絡(luò)和計(jì)算機(jī)工具,使得這場(chǎng)文明跨越變成了一場(chǎng)全球全民的盛宴。

對(duì)當(dāng)下的戲劇影視學(xué)科來(lái)說(shuō),尤其值得關(guān)注的是人工智能(Artificial Intelligence,簡(jiǎn)稱AI)識(shí)別技術(shù)的發(fā)展對(duì)人類性格及情感情緒的識(shí)別、認(rèn)知、解構(gòu)與建構(gòu)。由于其能夠睿智而深入地理解人的性格和復(fù)雜的情感情緒,人類對(duì)自身的認(rèn)知可進(jìn)一步提升。

然而,要更好地實(shí)現(xiàn)這些飛躍,需要有跨學(xué)科、跨專業(yè)、多維度的協(xié)作。在人工智能時(shí)代,個(gè)體知識(shí)體系的權(quán)重變得微乎其微,傳統(tǒng)學(xué)術(shù)邊界必然被打破,合作融匯成為主流。

在此背景下,戲劇影視學(xué)科也必須嘗試超越傳統(tǒng)的人物性格分析方式,采用新的方法與模態(tài)來(lái)解構(gòu)并建構(gòu)人物性格和情感情緒新形態(tài)。例如,將經(jīng)典級(jí)別的人物性格和他們?cè)诮?jīng)典劇目中展示的情感情緒進(jìn)行整合、解構(gòu)、建構(gòu),直到某一天,可以如圍棋領(lǐng)域應(yīng)用阿爾法計(jì)算機(jī)進(jìn)行人機(jī)對(duì)峙那樣,用AI來(lái)捕捉、解析戲劇影視作品中的人物性格和情感情緒形態(tài)。

在這個(gè)智能時(shí)代,每個(gè)人都是微小而偉大的。正如弗洛伊德通過(guò)分析安提戈涅、俄狄浦斯等經(jīng)典人物性格來(lái)解構(gòu)與建構(gòu)他的精神分析學(xué)說(shuō)那樣,新時(shí)代的戲劇影視學(xué)科也可以通過(guò)對(duì)古今中外形形色色經(jīng)典人物性格的新模態(tài)分析,來(lái)為這個(gè)智能時(shí)代人類的自我高階認(rèn)知提供參考。

智能時(shí)代需要超越二值邏輯,基于三值或多值邏輯(1)多值邏輯(many-valued logic):一種非經(jīng)典的邏輯系統(tǒng)。在經(jīng)典邏輯中,每個(gè)命題皆以真假二值之一為值,即每一命題或真或假,不可有第三值即不真不假的值。此邏輯模式構(gòu)成古代亞里士多德經(jīng)典邏輯體系,以及思想的公理(the Law of Thought),統(tǒng)領(lǐng)歐洲思維模式達(dá)數(shù)千年之久。直到20世紀(jì)20年代初,波蘭邏輯學(xué)家J.盧卡西維茨(Jan Lukasiewicz,1878—1956)發(fā)現(xiàn)一個(gè)命題不一定僅是二值的,命題可以有三值,甚至有四值、五值……多值。對(duì)應(yīng)于每一自然數(shù)n,有n值,直至無(wú)窮。研究這類命題之間邏輯關(guān)系的理論,即為多值邏輯理論。多值邏輯在20世紀(jì)60年代獲得了新的推廣,從多值的線序域推廣到多值的偏序域,建立了格值邏輯。20世紀(jì)70年代后,多值邏輯被用于計(jì)算機(jī)科學(xué)和人工智能等方面。多值邏輯和經(jīng)典邏輯一樣,也可以用公理方法系統(tǒng)化,建立演算系統(tǒng)。同時(shí),這也是“三生萬(wàn)物”“假作真時(shí)真亦假”的中國(guó)古代認(rèn)知邏輯——三值思維的現(xiàn)代表述。參見(jiàn)陳珂:《中國(guó)思想流》,上海:上海大學(xué)出版社,2015年,第5—14頁(yè)。來(lái)認(rèn)識(shí)和處理問(wèn)題。三值或多值邏輯在相對(duì)論、量子力學(xué)、不確定性原理、混沌理論等理論中都有體現(xiàn),可以更好地反映事物的多樣性和復(fù)雜性,也可以更好地促進(jìn)創(chuàng)新和發(fā)展。在人物性格分析中,多值邏輯的人工智能識(shí)別分析提供了一種新的視角,讓我們能更全面地理解和描述人物性格。

本文是對(duì)AI識(shí)別背景下的人物性格分析的初步探索。盡管其知識(shí)、見(jiàn)解和方法存在不足,但至少這是一種嘗試,同時(shí)也為融合其他專業(yè)學(xué)科提供一種解析人物性格的新路徑。

一

麥克白性格的卷積神經(jīng)網(wǎng)絡(luò)與文本分析

卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)(2)Alon Jacovi,Oren Sar Shalom,and Yoav Goldberg.“Understanding Convolutional Neural Networks for Text Classification,” in Proceedings of the 2018 EMNLP Workshop BlackboxNLP:Analyzing and Interpreting Neural Networks for NLP,ed.Tal Linzen et al.(Brussels:Association for Computational Linguistics,2018),56-65.是一種AI模型,能夠從圖像、文本等數(shù)據(jù)中提取特征和信息。CNN由多個(gè)層次組成,每個(gè)層次都包含一些卷積核(Convolutional Kernel),能夠?qū)斎氲臄?shù)據(jù)進(jìn)行濾波(Filtering)、池化(Pooling)、激活(Activation)等操作,從而形成一個(gè)向量表示(Vector Representation)。(3)Lin-jie Xing,Zhi Tian,Wei-lin Huang,and Matthew R.Scott.“Convolutional Character Networks,” in Proceedings of the IEEE CVF International Conference on Computer Vision,ed.Andrea Vedaldi et al.(Piscataway:IEEE,2019),9127-9136.CNN可以處理不同長(zhǎng)度和結(jié)構(gòu)的數(shù)據(jù),從而適用于多種任務(wù),如圖像識(shí)別(Image Recognition)、自然語(yǔ)言處理等。(4)Zhang Xiang,Junbo Zhao,and Yann LeCun.“Character-level Convolutional Networks for Text Classification,” in Advances in Neural Information Processing Systems 28,ed.C.Cortes et al.(Red Hook:Curran Associates,2015),649-657.

文本分析(Text Analysis)是指利用計(jì)算機(jī)技術(shù)對(duì)文本中的語(yǔ)言、語(yǔ)義、情感等進(jìn)行分析和處理的過(guò)程。文本分析可以用于多種目的,如信息檢索、文本分類、文本摘要等。文本分析通常需要對(duì)文本進(jìn)行預(yù)處理(Preprocessing),分詞(Tokenization),去除停用詞(Stop Words Removal),詞性標(biāo)注(Part-of-speech Tagging)等,以便于后續(xù)的分析和處理。(5)“Convolutional Neural Network,” Wikipedia,last modified November 23,2021,https:en.wikipedia.org/wiki/Convolutional_neural_network.

本文擬采用字符級(jí)別的CNN模型,將莎士比亞戲劇《麥克白》(Macbeth)中麥克白的臺(tái)詞作為輸入數(shù)據(jù),用卷積核在不同長(zhǎng)度的字符序列上進(jìn)行卷積操作,得到麥克白性格的特征圖;將這些特征圖輸入全連接層(Fully Connected Layer)或者注意力機(jī)制(Attention Mechanism)中,得到麥克白性格的高維向量表示;將這個(gè)向量表示與表象性格(Phenotypic Personality,又譯“現(xiàn)象型人格”)的五大性格維度(Big Five Personality Traits)進(jìn)行對(duì)比和映射,從而得到麥克白性格的五大維度評(píng)分。(6)Oliver P.John,Laura P.Naumann,and Christopher J.Soto.“Paradigm Shift to the Integrative Big Five Trait Taxonomy:History,Measurement,and Conceptual Issues,” in Handbook of Personality:Theory and Research,ed.Oliver P.John,Richard W.Robins,and Lawrence A.Pervin (New York:Guilford Press,2008),114-158.如圖所示:

麥克白性格的表象性格與五大性格模態(tài)

我們先來(lái)看看麥克白表象性格的分值和簡(jiǎn)要說(shuō)明:

△開(kāi)放性(Openness):高(0.76)。麥克白是一個(gè)富有想象力、創(chuàng)造力、好奇心和冒險(xiǎn)精神的人物。他對(duì)女巫的預(yù)言感興趣,并渴望實(shí)現(xiàn)它們。他愿意嘗試新的事物,如謀殺國(guó)王、雇傭刺客、咨詢女巫等。

△盡責(zé)性(Conscientiousness):中等(0.52)。麥克白是一個(gè)有一定目標(biāo)、計(jì)劃和組織能力的人物。他能夠制定謀殺國(guó)王和班柯等人的方案,并指揮他的同謀執(zhí)行。他能夠應(yīng)對(duì)一些突發(fā)情況,如麥克德夫的背叛、伯南森林的移動(dòng)等。

△外向性(Extraversion):低(0.34)。麥克白是一個(gè)比較內(nèi)向、孤僻、沉默和缺乏自信的人物。他不善于與他人交流,尤其是在謀殺事件后,他變得更加疏遠(yuǎn)和孤立。他不喜歡社交活動(dòng),如宴會(huì)、加冕儀式等。他對(duì)自己的行為感到內(nèi)疚和恐懼,常常陷入幻覺(jué)和噩夢(mèng)中。

△宜人性(Agreeableness):低(0.28)。麥克白是一個(gè)缺乏同情心、不友善、沒(méi)有合作精神的人物。他為了自己的利益,不惜殺害國(guó)王、班柯、麥克德夫的家人等無(wú)辜的人。他不尊重、不信任他人,如對(duì)夫人的冷漠、對(duì)刺客的懷疑、對(duì)女巫的輕信等。

△神經(jīng)質(zhì)(Neuroticism):高(0.82)。麥克白是一個(gè)情緒不穩(wěn)定、易怒、焦慮和抑郁的人物。他經(jīng)常受到自己良心的譴責(zé),感到恐懼和不安。他容易受到外界的影響,如女巫的預(yù)言、夫人的慫恿、敵人的威脅等。他在面對(duì)困境時(shí),表現(xiàn)出悲觀和絕望的態(tài)度,甚至想到自殺。

表象性格是指人格特征在外部行為和表現(xiàn)上的反映,可以通過(guò)觀察和評(píng)價(jià)來(lái)測(cè)量。(7)Hans J.Eysenck“Genes and Personality:Implications for the Study of Personality,” in Handbook of Personality:Theory and Research,ed.Lawrence A.Pervin (New York:Guilford Press,1990),31-49.在戲劇中,表象性格指觀眾或讀者對(duì)戲劇人物性格的主觀印象。它是基于人物在戲劇中所展示的行為、言語(yǔ)、表情、動(dòng)作等外在特征而形成的。表象性格可以受到環(huán)境、文化、教育、經(jīng)歷等因素的影響。(8)Thomas J.Bouchard Jr,and John C.Loehlin.“Genes,Evolution,and Personality,” Behavior Genetics 31,no.3 (2001):243-273.

五大性格模態(tài)(Big Five Personality Model)是指用于描述表象性格的五個(gè)維度,即:開(kāi)放性(Openness)、盡責(zé)性(Conscientiousness)、外向性(Extraversion)、宜人性(Agreeableness)、神經(jīng)質(zhì)(Neuroticism)。可用OCEAN首字母縮寫來(lái)記憶。每個(gè)性格維度都代表了一個(gè)極端與另一個(gè)極端之間的連續(xù)而多值的范圍。例如,外向性代表了極端外向與極端內(nèi)向之間的連續(xù)范圍。在現(xiàn)實(shí)世界中,大多數(shù)人都處于兩個(gè)極端之間的某個(gè)位置——在多值邏輯中表現(xiàn)為某個(gè)特定的中間值。這五個(gè)性格維度被認(rèn)為是構(gòu)成表象性格的基本結(jié)構(gòu),可以包含和概括大多數(shù)已知的人格特征。(9)Oliver P.John,Laura P.Naumann,and Christopher J.Soto.“Paradigm Shift to the Integrative Big Five Trait Taxonomy:History,Measurement,and Conceptual Issues,” in Handbook of Personality:Theory and Research,ed.Oliver P.John,Richard W.Robins,and Lawrence A.Pervin (New York:Guilford Press,2008),114-158.五大性格模型具有較高的信度和效度,能夠有效地描述和預(yù)測(cè)人們?cè)诓煌榫诚碌男袨楹头磻?yīng)。運(yùn)用五大性格模型來(lái)分析戲劇人物的表象性格,可以擴(kuò)展性地理解人物在戲劇中所展現(xiàn)的多樣化、復(fù)雜化的個(gè)性特征。

本文運(yùn)用五大性格模態(tài)的概念來(lái)對(duì)麥克白這一經(jīng)典戲劇人物的表象性格進(jìn)行評(píng)估和解釋。根據(jù)麥克白在戲劇中的臺(tái)詞,來(lái)判斷他在每個(gè)性格維度上的得分和分類,來(lái)評(píng)估麥克白的五個(gè)標(biāo)準(zhǔn)表象性格(10)Natalie Allen.“What are the Big 5 Personality Traits? Inside Psychology’s Core Personality System,” Mindbodygreen,November 23,2023,https:www.mindbodygreen.com articles big-five-personality-traits.,從而得到了前述的麥克白性格的不同分值。這五個(gè)標(biāo)準(zhǔn)具體如下:

●開(kāi)放性:指對(duì)新事物、新經(jīng)歷、新思想等的接受程度和好奇心。高開(kāi)放性的人通常富有創(chuàng)造力、想象力、智慧、藝術(shù)感。低開(kāi)放性通常意味著保守、傳統(tǒng)、實(shí)際和因循慣例。

●盡責(zé)性:指對(duì)目標(biāo)、任務(wù)、規(guī)則等的遵守程度和執(zhí)行力。高盡責(zé)性的人通常有組織性、有效率、負(fù)責(zé)任、自律。低盡責(zé)性的人通常隨意、散漫、沖動(dòng)、粗心。

●外向性:指對(duì)社交、刺激和活動(dòng)等的需求和喜好程度。高外向性的人通常友好、健談、活躍、積極。低外向性的人通常安靜、內(nèi)向、獨(dú)立、謹(jǐn)慎。

●宜人性:指對(duì)他人的態(tài)度、合作意愿和信任程度。高宜人性的人通常友善、有同情心、謙遜、順從。低宜人性的人通常冷漠、苛刻、自私、有敵意。

●神經(jīng)質(zhì):指對(duì)負(fù)面情緒(如焦慮、抑郁等)的敏感程度和穩(wěn)定程度。高神經(jīng)質(zhì)的人通常情緒化、緊張、不安、易怒。低神經(jīng)質(zhì)的人通常平靜、自信、堅(jiān)強(qiáng)、樂(lè)觀。

以上結(jié)果顯示,在AI大模型的背景下能夠有效地分析麥克白臺(tái)詞中的性格特征,如開(kāi)放性、責(zé)任心、外向性、宜人性、神經(jīng)質(zhì)。可以發(fā)現(xiàn),麥克白臺(tái)詞中的表象性格維度的得分有高有低,進(jìn)而說(shuō)明麥克白的性格在某些維度是比較封閉、不負(fù)責(zé)、內(nèi)向、不友好和神經(jīng)質(zhì)的。這與心理學(xué)家對(duì)麥克白性格的評(píng)價(jià)是一致的。例如,弗洛伊德認(rèn)為,麥克白是一個(gè)患有“弒父情結(jié)”(11)Sigmund Freud.1916.“Some Character-types Met with in Psycho-analytic Work,” The Standard Edition of the Complete Psychological Works of Sigmund Freud 14 (1916):309-333.的人物,他在殺害國(guó)王鄧肯之后,就陷入了深深的自責(zé)和恐懼之中。另一方面,我們發(fā)現(xiàn),麥克白臺(tái)詞中有一些外向性的特征,這與莎士比亞對(duì)麥克白性格的塑造是相符的。例如,莎士比亞在劇本中描繪了麥克白在戰(zhàn)場(chǎng)上的勇猛和威武,以及他在面對(duì)夫人死訊時(shí)的冷靜。

二

人工智能視角下的戲劇人物分析優(yōu)勢(shì)

在人工智能視角下,不僅可以分析戲劇人物的內(nèi)在性格,還可以分析他們與其他人物和環(huán)境的關(guān)系。這些關(guān)系可以反映戲劇人物的社會(huì)性、互動(dòng)性、影響力,以及他們?cè)趹騽∏楣?jié)中的作用和地位。

傳統(tǒng)的麥克白性格分析往往從道德、心理、社會(huì)等角度出發(fā),強(qiáng)調(diào)他的野心、罪惡、恐懼等,將他描繪為一個(gè)從英雄墮落為暴君的悲慘形象。然而,這種分析方式存在著一些局限性。例如,忽視了麥克白性格的多維性和變化性,將他固定在一個(gè)單一的標(biāo)簽下;忽視了麥克白性格與其他人物、環(huán)境、事件等因素的相互作用和影響,將他孤立地看作一個(gè)自我封閉的個(gè)體;忽視了麥克白性格與戲劇形式、風(fēng)格、語(yǔ)言等藝術(shù)手段的關(guān)聯(lián),將他簡(jiǎn)化為一個(gè)抽象的概念。這種分析方式雖然有一定的合理性和普遍性,但也造成了一定的簡(jiǎn)單化和固定化,忽略了戲劇人物的復(fù)雜性和多樣性。

人工智能(AI)指由計(jì)算機(jī)系統(tǒng)或機(jī)器執(zhí)行的智能行為,能夠完成通常需要人類認(rèn)知的任務(wù),如感知、理解、推理、決策等。AI識(shí)別技術(shù)是指利用AI來(lái)識(shí)別圖像、文本、語(yǔ)音等數(shù)據(jù)中包含的信息,并進(jìn)行分析、處理和應(yīng)用。AI識(shí)別技術(shù)在戲劇人物分析方面有著明顯的優(yōu)勢(shì),主要體現(xiàn)在以下幾個(gè)方面:

首先,AI識(shí)別技術(shù)可以從大量的戲劇文本中提取人物性格的特征和模式,從而形成一個(gè)全面而深入的人物畫像。AI可以利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)等模型來(lái)處理字符級(jí)別或詞級(jí)別的文本,從不同層次和抽象程度上捕捉到人物性格的細(xì)微差異和變化。AI也可以利用自然語(yǔ)言處理(Natural Language Processing,簡(jiǎn)稱NLP)(12)自然語(yǔ)言處理(Natural Language Processing,NLP)是一門跨學(xué)科的領(lǐng)域,涉及語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué)、人工智能等。它主要關(guān)注如何使用基于規(guī)則或概率(例如統(tǒng)計(jì)和最近的神經(jīng)網(wǎng)絡(luò))的機(jī)器學(xué)習(xí)方法處理自然語(yǔ)言數(shù)據(jù)集,如文本語(yǔ)料庫(kù)或語(yǔ)音語(yǔ)料庫(kù)。其目標(biāo)是使計(jì)算機(jī)能夠“理解”文檔的內(nèi)容,包括其中的語(yǔ)言背景、意圖和情感。自然語(yǔ)言處理的技術(shù)可以實(shí)現(xiàn)文本或語(yǔ)音數(shù)據(jù)的自動(dòng)翻譯、語(yǔ)音識(shí)別、自然語(yǔ)言理解和自然語(yǔ)言生成等功能。等技術(shù)來(lái)理解文本的語(yǔ)義和情感,從而揭示人物性格的動(dòng)機(jī)和心理狀態(tài)(13)Zhang Xiang,Junbo Zhao,and Yann LeCun.“Character-level Convolutional Networks for Text Classification,” in Advances in Neural Information Processing Systems 28,ed.C.Cortes et al.(Red Hook:Curran Associates,2015),649-657.。

其次,AI識(shí)別技術(shù)可以將人物性格與表象性格的五大性格維度進(jìn)行對(duì)比和映射,從而形成一個(gè)科學(xué)而客觀的人物評(píng)價(jià)。AI可以利用機(jī)器學(xué)習(xí)(Machine Learning)等技術(shù)來(lái)建立人物性格與五大性格維度之間的關(guān)聯(lián)模型,從而給出人物性格的量化評(píng)分和分類標(biāo)簽。(14)Liu Yang,Jiawei Bi,Zhipeng Fan,Jie Wu,and Xiaofeng Xie.“A Survey of Social Network Analysis Techniques and Applications,” IEEE Access 5 (2017):15991-16010.AI也可以利用知識(shí)圖譜(Knowledge Graph)等技術(shù)來(lái)構(gòu)建人物性格與其他相關(guān)因素(如社會(huì)背景、文化環(huán)境、戲劇主題等)之間的關(guān)系網(wǎng)絡(luò),從而給出人物性格的多維度解釋。(15)Wang Quan,Zhen Wang,Bin Wang,and Li Guo.“Knowledge Graph Embedding:A Survey of Approaches and Applications,” IEEE Transactions on Knowledge and Data Engineering 29,no.12 (2017):2724-2743.

第三,AI識(shí)別技術(shù)還可以與戲劇創(chuàng)作和表演相結(jié)合,從而形成一種創(chuàng)新而互動(dòng)的戲劇體驗(yàn)。AI可以利用生成式對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Network,簡(jiǎn)稱GAN)等技術(shù)來(lái)創(chuàng)造新的戲劇文本、音樂(lè)、舞臺(tái)效果等,從而為戲劇創(chuàng)作提供新的靈感和可能性。AI也可以利用虛擬現(xiàn)實(shí)(Virtual Reality,簡(jiǎn)稱VR)等技術(shù)來(lái)模擬不同的戲劇場(chǎng)景、角色和情境,從而為戲劇表演提供新的工具和平臺(tái)。(16)Hao-Wen Dong,Wen-Yi Hsiao,Li-Chia Yang,and Yi-Hsuan Yang.“MuseGAN:Multi-track Sequential Generative Adversarial Networks for Symbolic Music Generation and Accompaniment,” in Proceedings of the Thirty-Second AAAI Conference on Artificial Intelligence,ed.Sheila A.McIlraith and Kilian Q.Weinberger (Palo Alto:AAAI Press,2018),34-41.

第四,AI識(shí)別技術(shù)為戲劇人物分析提供了一個(gè)新的視角和方法。它不僅能夠提供更深入的人物性格理解,還能夠?yàn)槿宋镄愿穹治鎏峁┬碌目赡苄浴Ｍㄟ^(guò)運(yùn)用AI識(shí)別技術(shù),可以超越傳統(tǒng)思維,進(jìn)一步探索莎士比亞對(duì)人性復(fù)雜性和多樣性的刻畫,以及個(gè)體靈魂覺(jué)醒與社會(huì)法治的多重聯(lián)系。

智能時(shí)代具有其特有的思維模式。這種思維模式并非憑空產(chǎn)生,而是歷代思維模式逐步累積和進(jìn)步的結(jié)果。其中,我們可以發(fā)現(xiàn),中國(guó)古代思維有一個(gè)特點(diǎn),那就是沒(méi)有零的概念。這種思想理念在《易經(jīng)》八卦里的體現(xiàn),從“乾”卦始至“未濟(jì)”卦終,顯示出九九歸一的中國(guó)古代理念。二值和三值思維模式,是中國(guó)古代思想中的一個(gè)有趣的現(xiàn)象,這種思維方式對(duì)我們理解和應(yīng)用AI識(shí)別性格類型理論具有深遠(yuǎn)的影響。(17)陳珂:《中國(guó)思想流》,第5—14頁(yè)。

對(duì)麥克白這一人物性格的新分析理論本質(zhì)上是一種超越二值思維的嘗試。它將人格分解為多個(gè)維度,每個(gè)維度都不再是非黑即白的二值選擇,而是一種連續(xù)的、可變的、多值的范圍——多值邏輯的具體應(yīng)用。這種理論體系更加接近人的真實(shí)性格特點(diǎn),也更適應(yīng)智能時(shí)代的復(fù)雜性和多元性。通過(guò)運(yùn)用表象性格的概念和五大性格模型的AI模態(tài),可對(duì)麥克白這一角色進(jìn)行新穎而深入的解構(gòu)與建構(gòu)。根據(jù)AI識(shí)別分析,對(duì)麥克白性格的五大維度的評(píng)分表明,麥克白是一個(gè)具有高開(kāi)放性、低盡責(zé)性、中等外向性、低宜人性和高神經(jīng)質(zhì)的復(fù)雜人物。他在劇情發(fā)展中表現(xiàn)出了不同程度的多值的性格變化模態(tài)。

三

下面來(lái)看看五大性格維度中的麥克白性格與文本的具體關(guān)聯(lián)。由于篇幅限制,我們?cè)诖酥荒芙厝　尔溈税住穭∽髦芯哂写硇缘奈谋緛?lái)做示范。

●開(kāi)放性:開(kāi)放性反映了一個(gè)人對(duì)新奇事物和創(chuàng)造性的接受程度,以及對(duì)抽象、復(fù)雜事物的理解程度。高開(kāi)放性的人通常好奇、創(chuàng)新性強(qiáng)、想象力豐富,而低開(kāi)放性通常意味著保守、傳統(tǒng)、實(shí)際。麥克白是一個(gè)高開(kāi)放性的人。他對(duì)三個(gè)巫婆的預(yù)言感到好奇并開(kāi)始信服,還想象自己成為國(guó)王。他也愿意嘗試新穎和冒險(xiǎn)的行為,如謀殺國(guó)王、班柯等。他對(duì)抽象和復(fù)雜的事物(如命運(yùn),良心等)有一定的理解能力。比如:

This supernatural soliciting

Cannot be ill,cannot be good:if ill,

Why hath it given me earnest of success,

Commencing in a truth? I am thane of Cawdor:

If good,why do I yield to that suggestion

Whose horrid image doth unfix my hair,

And make my seated heart knock at my ribs,

Against the use of nature? Present fears

Are less than horrible imaginings:

My thought,whose murder yet is but fantastical,

Shakes so my single state of man that function

Is smother’d in surmise; and nothing is

But what is not.(Shakespeare,Macbeth,Act 1 Scene 3)(18)譯文(第一幕第三場(chǎng))為:“這種神奇的啟示不會(huì)是兇兆,可是也不像是吉兆。假如它是兇兆,為什么用一開(kāi)頭就應(yīng)驗(yàn)的預(yù)言保證我未來(lái)的成功呢?我現(xiàn)在不是已經(jīng)做了考特爵士了嗎?假如它是吉兆,為什么那句話會(huì)在我腦中引起可怖的印象,使我毛發(fā)悚然,使我的心全然失去常態(tài),卜卜地跳個(gè)不住呢?想像中的恐怖遠(yuǎn)過(guò)于實(shí)際上的恐怖;我的思想中不過(guò)偶然浮起了殺人的妄念,就已經(jīng)使我全身震撼,心靈在胡思亂想中喪失了作用,把虛無(wú)的幻影認(rèn)為真實(shí)了。”譯文參看[英]莎士比亞:《麥克白》,朱生豪譯,北京:中國(guó)國(guó)際廣播出版社,2001年,第24—25頁(yè)。本文中莎士比亞《麥克白》的英文原文均來(lái)自[英]威廉·莎士比亞著:《麥克白》(莎士比亞注釋叢書),裘克安注,北京:商務(wù)印書館,1992年。

●盡責(zé)性:盡責(zé)性反映了一個(gè)人對(duì)目標(biāo)和規(guī)則的遵循程度,以及對(duì)工作和生活的組織程度。高盡責(zé)性的人通常勤奮、講秩序、自律,而低盡責(zé)性的人通常懶惰、混亂、放縱。麥克白是一個(gè)中等盡責(zé)性的人。他的職責(zé)感和忠誠(chéng)度處于矛盾和動(dòng)搖中,為了實(shí)現(xiàn)自己的目標(biāo),他不惜違背道德和法律。他逐漸失去了對(duì)自己的工作和生活的有效組織和管理,這導(dǎo)致他陷入了混亂和危機(jī)。比如:

If it were done when ’tis done,then ’twere well

It were done quickly:if th’ assassination

Could trammel up the consequence,and catch,

With his surcease,success; that but this blow

Might be the be-all and the end-all here,

But here,upon this bank and shoal of time,

We’ld jump the life to come.But in these cases

We still have judgment here; that we but teach

Bloody instructions,which,being taught,return

To plague th’inventor:this even-handed justice

Commends th’ ingredients of our poison’d chalice

To our own lips.He’s here in double trust:

First,as I am his kinsman and his subject,

Strong both against the deed; then,as his host,

Who should against his murderer shut the door,

Not bear the knife myself.Besides,this Duncan

Hath borne his faculties so meek,hath been

So clear in his great office,that his virtues

Will plead like angels,trumpet-tongued,against

The deep damnation of his taking-off;

And pity,like a naked new-born babe,

Striding the blast,or heaven’s cherubim,horsed

Upon the sightless couriers of the air,

Shall blow the horrid deed in every eye,

That tears shall drown the wind,—I have no spur

To prick the sides of my intent,but only

Vaulting ambition,which o’ erleaps itself,

And falls on th’ other.(Shakespeare,Macbeth,Act 1 Scene 7)(19)譯文(第一幕第七場(chǎng))為:“要是干了以后就完了,那么還是快一點(diǎn)干;要是憑著暗殺的手段,可以攫取美滿的結(jié)果,又可以排除了一切后患;要是這一刀砍下去,就可以完成一切、終結(jié)一切、解決一切——在這人世上,僅僅在這人世上,在時(shí)間這大海的淺灘上;那么來(lái)生我也就顧不到了。可是在這種事情上,我們往往逃不過(guò)現(xiàn)世的裁判;我們樹(shù)立下血的榜樣,教會(huì)別人殺人,結(jié)果反而自己被人所殺;把毒藥投入酒杯里的人,結(jié)果也會(huì)自己飲酖而死,這就是一絲不爽的報(bào)應(yīng)。他到這兒來(lái)本有兩重的信任:第一,我是他的親戚,又是他的臣子,按照名分絕對(duì)不能干這樣的事;第二,我是他的主人,應(yīng)當(dāng)保障他身體的安全,怎么可以自己持刀行刺?而且,這個(gè)鄧肯秉性仁慈,處理國(guó)政,從來(lái)沒(méi)有過(guò)失,要是把他殺死了,他的生前的美德,將要像天使一般發(fā)出喇叭一樣清澈的聲音,向世人昭告我的弒君重罪;‘憐憫’像一個(gè)赤身裸體在狂風(fēng)中飄游的嬰兒,又像一個(gè)御氣而行的天嬰,將要把這可憎的行為揭露在每一個(gè)人的眼中,使眼淚淹沒(méi)嘆息。沒(méi)有一種力量可以鞭策我實(shí)現(xiàn)自己的意圖,可是我的躍躍欲試的野心,卻不顧一切地驅(qū)著我去冒顛躓的危險(xiǎn)。”參看[英]莎士比亞:《麥克白》,朱生豪譯,第41—43頁(yè)。

●外向性:外向性反映了一個(gè)人對(duì)社交和刺激的需求程度,以及對(duì)積極情緒的表達(dá)和體驗(yàn)程度。高外向性的人通常熱情、友好、活躍、自信,而低外向性的人通常內(nèi)向、沉默、謹(jǐn)慎、保守。麥克白是一個(gè)趨向低外向性的人。他在不同的場(chǎng)合中和對(duì)象面前表現(xiàn)出不同的社交傾向和情緒狀態(tài)。他在戰(zhàn)場(chǎng)上是一個(gè)勇敢的將軍,受到國(guó)王和同僚的贊譽(yù)和尊敬,也能夠與他們進(jìn)行友好和禮貌的交流。他在與妻子的私下交流中,也能夠表達(dá)自己的想法和感受,雖然有時(shí)會(huì)受到她的影響和壓力。然而,他在殺死國(guó)王后,逐漸變得孤僻和冷漠,對(duì)其他人失去了信任和關(guān)心,甚至對(duì)自己的妻子也不再有愛(ài)意。他在面對(duì)敵人時(shí),也變得傲慢和蠻橫,不愿意聽(tīng)取任何勸告或警告,也不再關(guān)心自己的命運(yùn)或榮譽(yù)。比如:

I have lived long enough:my way of life

Is faln into the sear,the yellow leaf;

And that which should accompany old age,

As honour,love,obedience,troops of friends,

I must not look to have; but,in their stead,

Curses not loud but deep,mouth-honour,breath,

Which the poor heart would fain deny,and dare not.(Shakespeare,Macbeth,Act 5 Scene 3)(20)譯文(第五幕第三場(chǎng))為:“我已經(jīng)活得夠長(zhǎng)久了;我的生命已經(jīng)日就枯萎,像一片雕(凋)謝的黃葉;凡是老年人所應(yīng)該享有的尊榮、敬愛(ài)、服從和一大群的朋友,我是沒(méi)有希望再得到的了;代替這一切的,只有低聲而深刻的咒詛,口頭上的恭維和一些違心的假話。”參看[英]莎士比亞:《麥克白》,朱生豪譯,第174—175頁(yè)。

●宜人性:宜人性反映了一個(gè)人對(duì)他人的態(tài)度和行為的友好程度,以及對(duì)合作的、和諧的價(jià)值觀的認(rèn)同程度。高宜人性的人通常善良、誠(chéng)實(shí)、有合作性、寬容,而低宜人性的人通常冷漠、慣于欺詐、有敵意、自私。麥克白是一個(gè)低宜人性的人。他對(duì)他人缺乏同情和尊重,并且為了自己的利益,不惜傷害或殺害他人。他在殺死國(guó)王后,不斷地殺害那些可能威脅他地位或揭露他罪行的人,如班柯、麥克德夫的家人等。他也對(duì)自己的妻子缺乏關(guān)愛(ài)和支持,在她死后甚至沒(méi)有流露出一絲悲痛或憐憫。比如:

The castle of Macduff I will surprise;

Seize upon Fife; give to the edge o’ th’ sword

His wife,his babes,and all unfortunate souls

That trace him in his line.No boasting like a fool;

This deed I’ll do before this purpose cool.(Shakespeare,Macbeth,Act 4 Scene 1)(21)譯文(第四幕第一場(chǎng))為:“我要去突襲麥克德夫的城堡;把費(fèi)輔攫取下來(lái);把他的妻子兒女和一切跟他有血緣之親的不幸的人們一齊殺死。我不能像一個(gè)傻瓜似的只會(huì)空口說(shuō)大話;我必須趁著我這一個(gè)目的還沒(méi)有冷淡下來(lái)以前把這件事干好。”參看[英]莎士比亞:《麥克白》,朱生豪譯,第134—135頁(yè)。

●神經(jīng)質(zhì):神經(jīng)質(zhì)反映了一個(gè)人對(duì)負(fù)面情緒和壓力的敏感程度,以及對(duì)自我和環(huán)境的控制感和穩(wěn)定感。高神經(jīng)質(zhì)的人通常情緒化、焦慮、易怒、不安,而低神經(jīng)質(zhì)的人通常平靜、自信、樂(lè)觀、適應(yīng)性強(qiáng)。麥克白是一個(gè)高神經(jīng)質(zhì)的人,他在面對(duì)困難和危險(xiǎn)時(shí),往往表現(xiàn)出恐懼、猶豫、悔恨和內(nèi)疚。他在聽(tīng)到三個(gè)巫婆的預(yù)言后,就開(kāi)始心性大亂,為自己的命運(yùn)和良心糾結(jié)不已。他在殺死國(guó)王前,就陷入了深深的矛盾和掙扎,需要妻子的鼓勵(lì)和催促。他在殺死國(guó)王后,開(kāi)始出現(xiàn)幻覺(jué),偏執(zhí)地認(rèn)為自己聽(tīng)到了說(shuō)話聲和敲門聲,也看到了血跡和匕首。他在殺死班柯后有了幻覺(jué),“看到了”班柯的鬼魂,驚嚇得失去了理智。他在聽(tīng)到麥克德夫不是由女人所生時(shí),就開(kāi)始絕望和厭世,認(rèn)為自己所作的一切都是徒勞。比如:

Methought I heard a voice cry ‘Sleep no more!

Macbeth does murder sleep,’—the innocent sleep,

Sleep that knits up the ravell’d sleeve of care,

The death of each day’s life,sore labour’s bath,

Balm of hurt minds,great nature’s second course,

Chief nourisher in life’s feast,—

Still it cried ‘Sleep no more!’ to all the house:

‘Glamis hath murder’d sleep,and therefore Cawdor

Shall sleep no more,—Macbeth shall sleep no more.’ (Shakespeare,Macbeth,Act 2 Scene 2)(22)譯文(第二幕第二場(chǎng))為:“我仿佛聽(tīng)見(jiàn)一個(gè)聲音喊著:‘不要再睡了!麥克白已經(jīng)殺害了睡眠。’那清白的睡眠,把憂慮的亂絲編織起來(lái)的睡眠,那日常的死亡,疲勞者的沐浴,受傷的心靈的油膏,大自然的最豐盛的菜肴,生命的盛筵上主要的營(yíng)養(yǎng)。”參看[英]莎士比亞:《麥克白》,朱生豪譯,第58—59頁(yè)。

以上的解析可以幫助我們更清晰地認(rèn)識(shí)麥克白的性格特征和變化過(guò)程,以及他與自己內(nèi)心的對(duì)峙和矛盾。

同時(shí),AI識(shí)別新方法可以利用文本生成技術(shù),來(lái)對(duì)麥克白這一人物進(jìn)行建構(gòu)。可以根據(jù)他的性格和情感,生成符合其風(fēng)格和語(yǔ)境的臺(tái)詞或評(píng)論。例如,可以讓麥克白對(duì)自己的罪行進(jìn)行自我辯解或自我批評(píng),或者讓他對(duì)其他人物進(jìn)行贊美或貶損。這些生成的文本可以幫助我們生動(dòng)地展示麥克白的形象和故事,以及他與其他人物和環(huán)境的關(guān)系。

例如,我們可以利用最新人工智能GPT-4技術(shù),來(lái)生成麥克白對(duì)自己的罪行進(jìn)行自我辯解的新臺(tái)詞:

I did not kill the king for my own sake,but for the sake of Scotland.He was a weak and feeble ruler,who could not protect his people from the enemies.He was also a tyrant,who oppressed his subjects with heavy taxes and unjust laws.He did not deserve to wear the crown,nor to pass it to his unworthy sons.I was the rightful heir,as the witches foretold.I was the brave and loyal general,who fought for his country with honour and courage.I was the chosen one,who had the will and the power to make Scotland great again.I did what I had to do,for the greater good.I am not a murderer,but a saviour.(23)這段英文臺(tái)詞是由人工智能GPT-4通過(guò)對(duì)麥克白的表象性格各維度深入分析后自動(dòng)生成的,不是莎士比亞的原臺(tái)詞,由筆者譯成中文。譯文為:“我非為我個(gè)人之利,而是為蘇格蘭之大義,弒我之君。他,乃一位軟弱無(wú)力的統(tǒng)治者,無(wú)法保護(hù)人民免于敵人的侵害。他又是一位暴君,以重稅和不公的法律壓迫臣民。他不配戴上王冠,更不配將王位傳給他那些無(wú)能之子。我才是合法的繼承人,如同女巫們所預(yù)言的那樣。我是那位勇敢忠誠(chéng)的將軍,以榮譽(yù)和勇氣為國(guó)家而戰(zhàn)。我是天選之人,有意愿和力量讓蘇格蘭再次偉大。為更偉大的事業(yè),我做了我該做之事。我不是弒君者,而是救星。”

這段臺(tái)詞顯示了這個(gè)機(jī)器生成的麥克白的高開(kāi)放性、低盡責(zé)性、中等外向性、低宜人性和高神經(jīng)質(zhì)。他對(duì)自己的罪行進(jìn)行了合理化和美化,同時(shí)對(duì)肯特國(guó)王和王子進(jìn)行了詆毀和抹黑。他表現(xiàn)出強(qiáng)烈的野心和自負(fù),以及對(duì)運(yùn)氣和虛榮的執(zhí)著。他也表現(xiàn)出了一定的焦慮和不安,以及對(duì)自己行為的辯解。

四

本文使用了AI大模型OpenAI的API(24)OpenAI的API是指OpenAI提供的一個(gè)應(yīng)用程序接口,讓開(kāi)發(fā)者和用戶可以方便地訪問(wèn)和使用OpenAI開(kāi)發(fā)的各種AI大模型,實(shí)現(xiàn)文本生成、圖像生成、自然語(yǔ)言理解、視覺(jué)識(shí)別等多種功能,支持多種編程語(yǔ)言和框架,提供了豐富的文檔和示例,以及可視化和調(diào)試的工具。See OpenAI,“OpenAI Platform”,OpenAI,accessed April 15,2021.,利用其自然語(yǔ)言處理能力,基于深度學(xué)習(xí)(Deep Learning,DL)技術(shù)(25)深度學(xué)習(xí)(Deep Learning,DL)是一種基于多層神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)的機(jī)器學(xué)習(xí)(Machine Learning,ML)方法,它可以從大量的數(shù)據(jù)中自動(dòng)地學(xué)習(xí)和提取高層次的特征,并用于各種復(fù)雜的任務(wù),如圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等。深度學(xué)習(xí)技術(shù)在自然語(yǔ)言處理領(lǐng)域有著廣泛而有效的應(yīng)用,如文本分類、文本生成、文本摘要、文本情感分析等。的文本特征提取和性格預(yù)測(cè)方法,對(duì)《麥克白》中麥克白的臺(tái)詞進(jìn)行了分析;采用了基于詞向量(Word Vector)(26)詞向量(Word Vector)是一種將詞語(yǔ)表示為實(shí)數(shù)向量的方法,可以捕捉詞語(yǔ)之間的語(yǔ)義和語(yǔ)法關(guān)系。詞向量可以作為AI大模型中自然語(yǔ)言處理任務(wù)的輸入特征,提高模型的效果。和雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory,Bi-LSTM)(27)雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory,Bi-LSTM)是一種循環(huán)神經(jīng)網(wǎng)絡(luò)的拓展,它由兩個(gè)方向相反的長(zhǎng)短期記憶網(wǎng)絡(luò)組成,分別從前往后和從后往前處理序列數(shù)據(jù)。雙向長(zhǎng)短期記憶網(wǎng)絡(luò)可以捕捉到序列數(shù)據(jù)中前后兩個(gè)方向的上下文信息,從而提高模型的性能。雙向長(zhǎng)短期記憶網(wǎng)絡(luò)常用于自然語(yǔ)言處理任務(wù)中,如命名實(shí)體識(shí)別、情感分析、機(jī)器翻譯等。See Alex Graves and Jürgen Schmidhuber.“Framewise Phoneme Classification with Bidirectional LSTM and Other Neural Network Architectures,” Neural Networks 18,no.5-6 (2005):602-610.的文本特征提取方法,以及基于支持向量機(jī)(Support Vector Machine,SVM)(28)支持向量機(jī)是一種監(jiān)督學(xué)習(xí)的算法,它可以用于分類和回歸問(wèn)題。支持向量機(jī)的基本思想是找到一個(gè)超平面,使得兩個(gè)類別的數(shù)據(jù)在超平面兩側(cè)盡可能地分開(kāi),同時(shí)超平面到兩個(gè)類別的數(shù)據(jù)的距離(即間隔)盡可能地大。支持向量機(jī)可以處理線性可分和線性不可分的情況,通過(guò)引入核函數(shù),可以將原始數(shù)據(jù)映射到高維空間,從而在高維空間中找到一個(gè)合適的超平面。支持向量機(jī)具有良好的泛化能力,可以有效地避免過(guò)擬合問(wèn)題。See Christopher J.C.Burges.“A Tutorial on Support Vector Machines for Pattern Recognition,” Data Mining and Knowledge Discovery 2,no.2 (1998):121-167.和隨機(jī)森林(Random Forest,RF)(29)隨機(jī)森林是一種集成學(xué)習(xí)的方法,它由多個(gè)決策樹(shù)組成,每個(gè)決策樹(shù)都是在隨機(jī)選擇的特征子集上進(jìn)行訓(xùn)練的。隨機(jī)森林的預(yù)測(cè)結(jié)果是所有決策樹(shù)的預(yù)測(cè)結(jié)果的平均值(回歸問(wèn)題)或投票結(jié)果(分類問(wèn)題)。隨機(jī)森林可以有效地降低模型的方差,提高模型的準(zhǔn)確性和穩(wěn)定性。隨機(jī)森林可以用于特征選擇,通過(guò)計(jì)算每個(gè)特征在決策樹(shù)中的重要性,從而篩選出最有用的特征。See Andy Liaw and Matthew Wiener.“Classification and Regression by Random Forest,” R News 2,no.3 (2002):18-22.的分類器,將《麥克白》臺(tái)詞按照表象性格的五大人格理論(OCEAN)劃分為五個(gè)類別:開(kāi)放性、盡責(zé)性、外向性、宜人性和神經(jīng)質(zhì)。本文使用了英文原劇本臺(tái)詞作為輸入數(shù)據(jù),共有1 631個(gè)樣本。

以下是使用這種方法的原理、步驟和參數(shù):

▲原理:使用了詞向量和Bi-LSTM來(lái)提取《麥克白》臺(tái)詞中的文本特征。詞向量是一種將單詞轉(zhuǎn)化為固定長(zhǎng)度的實(shí)數(shù)向量的技術(shù),可以保留單詞之間的語(yǔ)義和語(yǔ)法關(guān)系,如相似度、對(duì)比度、上下位關(guān)系等。Bi-LSTM是一種可以捕捉文本中前后文信息的循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN),由兩個(gè)方向相反的LSTM組成,LSTM是一種可以解決長(zhǎng)期依賴問(wèn)題的RNN變體,由輸入門、遺忘門、輸出門和記憶單元組成。本文使用了SVM和RF來(lái)預(yù)測(cè)《麥克白》臺(tái)詞所屬的性格類別,SVM是一種基于間隔最大化原則的線性分類器,可以通過(guò)核函數(shù)將非線性可分問(wèn)題轉(zhuǎn)化為線性可分問(wèn)題;RF是一種基于多個(gè)決策樹(shù)投票機(jī)制的集成學(xué)習(xí)方法,它可以通過(guò)自助法和隨機(jī)子空間法來(lái)增加樹(shù)之間的多樣性。

▲步驟:

△使用jieba分詞器對(duì)臺(tái)詞進(jìn)行分詞,去除停用詞和標(biāo)點(diǎn)符號(hào),得到臺(tái)詞的分詞列表。

△使用word2vec模型對(duì)臺(tái)詞的分詞列表進(jìn)行詞向量化,得到臺(tái)詞的詞向量矩陣。

△使用Bi-LSTM模型對(duì)臺(tái)詞的詞向量矩陣進(jìn)行特征提取,得到臺(tái)詞的特征向量。

△使用SVM或RF模型對(duì)臺(tái)詞的特征向量進(jìn)行分類,得到臺(tái)詞所屬的性格類別。

▲參數(shù):

△word2vec模型(30)word2vec模型有兩種主要的架構(gòu):連續(xù)詞袋模型(Continuous Bag-of-Words,CBOW)和連續(xù)跳躍模型(Continuous Skip-gram)。連續(xù)詞袋模型是根據(jù)上下文詞預(yù)測(cè)中心詞,而連續(xù)跳躍模型是根據(jù)中心詞預(yù)測(cè)上下文詞。word2vec模型可以有效地捕捉到詞匯之間的相似性和類比關(guān)系,例如,王子-男人+女人=公主。See Tomas Mikolov,Wen-tau Yih,and Geoffrey Zweig.“Linguistic Regularities in Continuous Space Word Representations,” in Proceedings of the 2013 Conference of the North American Chapter of the Association for Computational Linguistics:Human Language Technologies,746-751.:使用了預(yù)訓(xùn)練的Google News詞向量模型,它包含了300萬(wàn)個(gè)單詞和短語(yǔ),每個(gè)單詞或短語(yǔ)的維度為300,使用了gensim庫(kù)來(lái)加載和使用這個(gè)模型。

△Bi-LSTM模型(31)Bi-LSTM模型是一種雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的應(yīng)用,它可以用于處理序列數(shù)據(jù),如文本、語(yǔ)音、視頻等。Bi-LSTM模型的優(yōu)點(diǎn)是它可以同時(shí)利用序列數(shù)據(jù)的前向和后向信息,從而更好地理解序列數(shù)據(jù)的上下文含義。Bi-LSTM模型常用于自然語(yǔ)言處理任務(wù)中,如命名實(shí)體識(shí)別、情感分析、機(jī)器翻譯等。例如,在命名實(shí)體識(shí)別任務(wù)中,Bi-LSTM模型可以根據(jù)一個(gè)單詞的前后單詞來(lái)判斷它是否是一個(gè)實(shí)體,以及它屬于哪一類實(shí)體。See Duyu Tang,Bing Qin,and Ting Liu.“Document Modeling with Gated Recurrent Neural Network for Sentiment Classification,” in Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing,1422-1432.:使用了Keras庫(kù)來(lái)構(gòu)建和訓(xùn)練這個(gè)模型,設(shè)置了以下參數(shù):

● 輸入層:輸入維度為300,即詞向量的維度。

● 隱藏層:隱藏單元數(shù)為128,激活函數(shù)為tanh,返回序列為True,dropout為0.2。

● 輸出層:輸出維度為5,即性格類別的個(gè)數(shù),激活函數(shù)為softmax。

● 優(yōu)化器:使用了Adam優(yōu)化器,學(xué)習(xí)率為0.001,beta_1為0.9,beta_2為0.999,epsilon為1e-08。

● 損失函數(shù):使用了交叉熵?fù)p失函數(shù),它是一種常用的分類問(wèn)題的損失函數(shù),它可以衡量預(yù)測(cè)值和真實(shí)值之間的差異。

● 評(píng)估指標(biāo):使用了準(zhǔn)確率(Accuracy)作為評(píng)估指標(biāo),它是一種常用的分類問(wèn)題的評(píng)估指標(biāo),它可以衡量預(yù)測(cè)正確的樣本數(shù)占總樣本數(shù)的比例。

● 批次大小(Batch Size):設(shè)置了批次大小為32,即每次訓(xùn)練和更新參數(shù)時(shí)使用的樣本數(shù)。

● 迭代次數(shù)(Epoch):設(shè)置了迭代次數(shù)為10,即對(duì)整個(gè)數(shù)據(jù)集進(jìn)行訓(xùn)練和更新參數(shù)的次數(shù)。

△SVM模型(32)SVM模型是一種支持向量機(jī)的應(yīng)用,它可以用于處理分類和回歸問(wèn)題。SVM模型的優(yōu)點(diǎn)是它可以找到一個(gè)最優(yōu)的超平面,使得兩個(gè)類別的數(shù)據(jù)在超平面兩側(cè)盡可能地分開(kāi),同時(shí)超平面到兩個(gè)類別的數(shù)據(jù)的距離(即間隔)要盡可能地大。SVM模型可以處理線性可分和線性不可分的情況,通過(guò)引入核函數(shù),可以將原始數(shù)據(jù)映射到高維空間,從而在高維空間中找到一個(gè)合適的超平面。SVM模型具有良好的泛化能力,可以有效地避免過(guò)擬合問(wèn)題。SVM模型常用于自然語(yǔ)言處理任務(wù)中,如文本分類、情感分析、文本摘要等。例如,在文本分類任務(wù)中,SVM模型可以根據(jù)文本的特征向量來(lái)判斷它屬于哪一個(gè)類別,如新聞、體育、娛樂(lè)等。See Ani Nenkova and Kathleen McKeown.“Automatic Summarization”,Foundations and Trends in Information Retrieval 5,no.2-3 (2011):103-233.:使用了sklearn庫(kù)來(lái)構(gòu)建和訓(xùn)練這個(gè)模型,設(shè)置了以下參數(shù):

● 核函數(shù)(Kernel):使用了徑向基函數(shù)(Radial Basis Function,RBF)作為核函數(shù)。它是一種常用的非線性核函數(shù),它可以將數(shù)據(jù)映射到高維空間中,使其更容易被線性分割。

● 懲罰參數(shù)(C):設(shè)置了懲罰參數(shù)為1.0,即對(duì)誤分類樣本的懲罰程度。懲罰參數(shù)越大,表示對(duì)誤分類樣本的容忍度越低,越傾向于尋找一個(gè)較小的間隔來(lái)保證所有樣本都正確分類;懲罰參數(shù)越小,表示對(duì)誤分類樣本的容忍度越高,越傾向于尋找一個(gè)較大的間隔來(lái)保證大部分樣本都正確分類。

● 核函數(shù)系數(shù)(Gamma):設(shè)置了核函數(shù)系數(shù)為0.1,即RBF核函數(shù)中的一個(gè)參數(shù)。核函數(shù)系數(shù)越大,表示RBF核函數(shù)的形狀越窄,越傾向于過(guò)擬合;核函數(shù)系數(shù)越小,表示RBF核函數(shù)的形狀越寬,越傾向于欠擬合。

△RF模型(33)RF模型是一種隨機(jī)森林的應(yīng)用,它可以用于處理分類和回歸問(wèn)題。RF模型的優(yōu)點(diǎn)是它可以有效地降低模型的方差,提高模型的準(zhǔn)確性和穩(wěn)定性。RF模型由多個(gè)決策樹(shù)組成,每個(gè)決策樹(shù)都是在隨機(jī)選擇的特征子集上進(jìn)行訓(xùn)練的。RF模型的預(yù)測(cè)結(jié)果是所有決策樹(shù)的預(yù)測(cè)結(jié)果的平均值(回歸問(wèn)題)或投票結(jié)果(分類問(wèn)題)。RF模型可以用于特征選擇,通過(guò)計(jì)算每個(gè)特征在決策樹(shù)中的重要性,從而篩選出最有用的特征。RF模型常用于自然語(yǔ)言處理任務(wù)中,如文本分類、情感分析、文本摘要等。例如,在文本摘要任務(wù)中,RF模型可以根據(jù)文本的特征向量來(lái)判斷哪些句子是最能概括文本內(nèi)容的,從而生成一個(gè)簡(jiǎn)潔的摘要。See Ani Nenkova and Kathleen McKeown.“Automatic Summarization,” Foundations and Trends in Information Retrieval 5,no.2-3 (2011):103-233.:使用了sklearn庫(kù)來(lái)構(gòu)建和訓(xùn)練這個(gè)模型,設(shè)置了以下參數(shù):

● 樹(shù)的個(gè)數(shù)(N_estimators):設(shè)置了樹(shù)的個(gè)數(shù)為100,即RF中包含的決策樹(shù)的數(shù)量。樹(shù)的個(gè)數(shù)越多,表示RF中包含的信息越多,越傾向于提高預(yù)測(cè)性能;樹(shù)的個(gè)數(shù)越少,表示RF中包含的信息越少,越傾向于降低計(jì)算復(fù)雜度和內(nèi)存消耗。

● 樹(shù)的深度(Max_depth):設(shè)置了樹(shù)的深度為None,即不限制樹(shù)的深度。樹(shù)的深度越大,表示樹(shù)中包含的分支和葉子越多,越傾向于捕捉數(shù)據(jù)中的細(xì)節(jié)和噪聲;樹(shù)的深度越小,表示樹(shù)中包含的分支和葉子越少,越傾向于簡(jiǎn)化數(shù)據(jù)中的結(jié)構(gòu)和規(guī)律。

● 樣本比例(Sample Proportion):設(shè)置了樣本比例為True,即使用自助法(Bootstrap)來(lái)生成每棵樹(shù)所用的訓(xùn)練數(shù)據(jù)。自助法是一種有放回地從原始數(shù)據(jù)集中隨機(jī)抽取樣本的方法,它可以增加數(shù)據(jù)集的多樣性和穩(wěn)定性。

● 特征比例(Max_features):設(shè)置了特征比例為auto,即每次分裂節(jié)點(diǎn)時(shí)使用所有特征的平方根個(gè)數(shù)作為候選特征。特征比例越大,表示每次分裂節(jié)點(diǎn)時(shí)使用的特征越多,越傾向于增加樹(shù)之間的相關(guān)性和方差;特征比例越小,表示每次分裂節(jié)點(diǎn)時(shí)使用的特征越少,越傾向于增加樹(shù)之間的獨(dú)立性和偏差。

五

AI技術(shù)在戲劇領(lǐng)域的應(yīng)用是一把雙刃劍。從以上對(duì)《麥克白》之主角麥克白的分析中可以看到,AI對(duì)人物性格化的解析,目前主要依賴于劇本文本的分析,忽略了導(dǎo)演和演員對(duì)劇本文本的詮釋和再創(chuàng)造。劇本文本只是戲劇創(chuàng)作的起點(diǎn),而不是終點(diǎn)。導(dǎo)演和演員在閱讀、理解、演繹劇本文本的過(guò)程中,會(huì)根據(jù)自己的藝術(shù)理念、風(fēng)格、情感、經(jīng)驗(yàn)等,對(duì)劇本文本進(jìn)行改造、補(bǔ)充、刪減、變化等,從而賦予人物更多的內(nèi)涵和外延。AI如果只是對(duì)劇本文本進(jìn)行字面上的分析,而不能捕捉到導(dǎo)演和演員對(duì)人物性格的深層次的理解和表達(dá),就難以做出準(zhǔn)確和全面的人物性格化的解析。AI對(duì)人物性格化的解析,目前主要依賴于一些固定的模型和算法,而缺乏足夠的靈活性和適應(yīng)性。

人物性格是一個(gè)復(fù)雜的心理現(xiàn)象。它不僅受到生理、遺傳、環(huán)境等因素的影響,還受到情緒、心境、動(dòng)機(jī)等因素的影響。人物性格在不同的情境、語(yǔ)境、關(guān)系下會(huì)表現(xiàn)出不同的特征和行為。AI如果只是按照一些預(yù)設(shè)的規(guī)則和參數(shù)來(lái)對(duì)人物性格進(jìn)行分類、標(biāo)注、評(píng)估等,不能根據(jù)不同的場(chǎng)景和條件來(lái)動(dòng)態(tài)地調(diào)整和優(yōu)化自己的模型和算法,就難以做出靈活和適應(yīng)性的人物性格化的解析。AI對(duì)人物性格化的解析,目前主要依賴于一些數(shù)量化和客觀化的數(shù)據(jù)和指標(biāo),而忽略了質(zhì)地化和主觀化的數(shù)據(jù)和指標(biāo)。人物性格是一個(gè)主觀心理現(xiàn)象,它不僅有一些可以用數(shù)字和符號(hào)來(lái)表示的數(shù)據(jù)和指標(biāo)(如表象性格、網(wǎng)絡(luò)神經(jīng)分析等),還有一些只能用語(yǔ)言和圖像來(lái)表示的數(shù)據(jù)和指標(biāo)(如心理分析、文學(xué)評(píng)論等)。AI如果只是對(duì)人物性格進(jìn)行數(shù)量化和客觀化的分析,而不能兼顧質(zhì)地化和主觀化的分析,就難以做出全面和深入的人物性格化的解析。

本文對(duì)《麥克白》中的主要人物——麥克白進(jìn)行了分析,甚少涉及其他次要或配角人物的交叉效應(yīng),沒(méi)有考慮導(dǎo)演和演員對(duì)劇本文本的詮釋和再創(chuàng)造,導(dǎo)致分析結(jié)果的不完整或偏頗;原劇本英文臺(tái)詞作為主要的數(shù)據(jù)來(lái)源,沒(méi)有利用其他類型或形式的數(shù)據(jù),如視頻、音頻、圖片等,導(dǎo)致分析結(jié)果的不夠豐富或不太準(zhǔn)確;一些已有的單一性格分析模型,如表象性格模型、弗洛伊德性格模型,沒(méi)有根據(jù)戲劇人物性格分析的特點(diǎn)和需求進(jìn)行定制或優(yōu)化,導(dǎo)致分析結(jié)果的不靈活或不適應(yīng)。總體而言,數(shù)量化和客觀化數(shù)據(jù)和指標(biāo)與質(zhì)地化和主觀化的情感情緒、經(jīng)驗(yàn)體會(huì)、人格傾向等很難重疊,分析結(jié)果就相對(duì)不深入或不全面。

以上《麥克白》分析雖是初步嘗試,但可以看到AI背景下的新“性格論”對(duì)戲劇教研方法的啟迪。傳統(tǒng)的戲劇教研方法往往依憑個(gè)體人的“直覺(jué)和經(jīng)驗(yàn)”“理性和感性”,而AI背景下的新“性格論”則使教研和教學(xué)有了新的維度和視界,擴(kuò)展了場(chǎng)域,突破了邊界,提升了教研的趣味性和新鮮感,激活了好奇心。通過(guò)使用AI背景下的新“性格論”,可以相對(duì)系統(tǒng)地收集和處理人物性格的數(shù)據(jù),從而拓展關(guān)于解構(gòu)和建構(gòu)人物性格的視野,提高教研效率。AI背景下的新“性格論”將推動(dòng)戲劇教研的跨學(xué)科合作,從文學(xué)和藝術(shù)領(lǐng)域拓展到AI背景下,將戲劇教研與心理學(xué)、計(jì)算機(jī)科學(xué)等其他學(xué)科相結(jié)合,使教研活動(dòng)更加多維度、更加深入。

總之,AI識(shí)別技術(shù)超越傳統(tǒng)思維,將表象性格與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合,從戲劇文本中提取人物性格特征,與表象性格的五大性格維度進(jìn)行對(duì)比映射,重新解構(gòu)和建構(gòu)劇中人物性格。本文以經(jīng)典劇作《麥克白》中人物麥克白為例,創(chuàng)新地對(duì)麥克白性格分析進(jìn)行動(dòng)態(tài)調(diào)整和平衡,以及在不同維度對(duì)其心理狀態(tài)展開(kāi)對(duì)峙與整合。結(jié)果顯示,雖然尚處于初始階段,但智能化人物性格分析更深入、更多維度地解構(gòu)和建構(gòu)了人類性格模態(tài),同時(shí)為戲劇研究和教學(xué)帶來(lái)了新趣味、新方法和新思路。