人工智能生成莎士比亚启发的诗歌，匹配韵律和格律
- 一种新的深度学习模型所写的诗歌在韵律和韵律方面都优于人类写的诗歌。
- 有些人发现很难区分两者，但据专家称，人工智能在情感和可读性方面存在缺陷。
深度学习方法可以用于创造性任务吗？答案是肯定的。我们一直在创作音乐、设计雕塑和自动编舞等创意应用中使用这些机器学习技术。
现在，IBM、多伦多大学和墨尔本大学的研究人员专注于一项创造性的文本任务：自动诗歌创作。他们开发了一种名为 Deep-speare 的深度学习模型，可以捕获十四行诗的语言、韵律、格律并生成诗歌。
令人着迷的是，这些人工智能生成的诗歌与英国诗人威廉·莎士比亚最流行的诗歌相似。该模型效果非常好：它创建了带有韵律和重音模式的十四行诗四行诗，有时与人类写的诗歌没有什么区别。
十四行诗是一首短抒情诗，因莎士比亚而流行。一般由14行组成，分为三绝句（四行）和一副对联（两行）。
他们是怎么做到的？
研究人员专注于十四行诗，并根据在新颖的十四行诗语料库上训练的无监督韵律、语言和韵律模型，制作了五步抑扬格四行诗。 他们在十四行诗语料库上训练了一个普通的语言模型，该模型隐式地捕获了人类水平表现的韵律。
简而言之，他们提出用神经架构对诗歌内容和形式进行建模，其中包含三个关键组件
- 语言模型
- 捕捉抑扬格五音步的五音步模型
- 用于学习押韵单词的押韵模型。
为了预测特定十四行诗中的下一个单词，语言模型利用标准分类交叉熵。类似地，五音步模型被训练来学习抑扬格重音的交替模式。最后，押韵模型使用基于边距的损失将押韵单词对与四行诗中的非押韵单词对分开。
参考：arXiv:1807.03491
语言模型一次生成一个单词，而五音步模型对符合格律的句子进行采样，而韵律模型则强制押韵。所有这些组件都一起训练。
图片来源：The Daily Dot
该神经网络使用 NVIDIA Tesla GPU 和由 CUDA 深度学习框架支持的 TensorFlow，对包含约 367,000 个单词的 2,685 首十四行诗进行训练。
研究人员甚至在英国文学专家亚当·哈蒙德的帮助下，对机器生成的诗歌的四个方面进行了评分——可读性、韵律、韵律和情感。哈蒙德不知道诗歌的来源。结果显示，人工智能在韵律和韵律方面优于人类，但在情感和可读性方面表现不佳。
尽管该模型似乎与实际应用没有直接关系，但它共享相同的核心算法，可以为摘要、翻译和聊天机器人等其他生成问题提供支持。
阅读：一个在一切事物中看到死亡的精神病态人工智能
在此之前，研究人员曾尝试使用神经网络来模仿创造力，包括机器人编写的“Scrubs”（电视喜剧系列）脚本和谷歌的 DeepDream 图像生成项目。他们表示，为了获得令人印象深刻的诗歌，他们在未来的研究中将超越内容和形式。
工业技术