不要問國家為你做了什麼，而要問你為國家做了什麼?
——甘迺迪（1961年）
上面這樣經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，都遵循標準的格式，重複相似的論調，甚至使用一樣的短語來表述特定的政治立場和觀點。看起來好像背後有一套演算法在決定它的內容。
於是它引導我們去思考一個有趣的問題：有沒有可能讓機器自動撰寫政治演講稿呢？
美國麻塞諸塞大學研究人員Valentin Kassarnig為我們帶來了答案，他開發了一套撰寫政治演講稿的人工智慧（AI）機器演算法，機器寫出的講稿幾乎可以以假亂真。
分析文本預測單詞
從表面上看，基本原理還是很簡單的。Kassarnig首先建了一個資料庫，從53場美國國會辯論中抽取4000個政治演講片斷，編成一套「機器學習」演算法，讓它自動撰寫稿件。這些政治演講由5萬多個句子組成，平均每個句子包涵23個單詞。凱斯塞寧將演講按政黨進行分類，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特定的主題。
魔鬼在於細節，分析資料庫是最大的挑戰。在嘗試了許多種技術之後，Kassarnig最終採用了基於「N-grams（元語法模型即瑪律可夫模型）」的方法。他首先用詞類法分析文本，也就是用語法規則來給每一個詞語和短語作標誌（標為名詞、動詞、形容詞等）。然後分析第6個詞或者短語，根據前5個詞或者短語判斷第6個詞，或者短語最有可能是什麼。Kassarnig說：「只要看它前面是5個是什麼，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需要告訴演算法寫什麼類型的演講稿，比如是給民主黨寫，還是給共和黨寫。演算法最開始會按給定的類別搜索6個詞，或者短語組成的資料庫，然後用5個詞或者短語作為起點來撰寫演講稿。
演算法的寫作從隨機選擇的5個詞或者短語開始，然後選擇可以與之相關聯的下一個單詞。Kassarnig說：「跟著系統就會自動一個接一個地預測單詞，並最終預測演講的結尾。」
整個過程有一些技巧。例如，演算法會知道演講中，最可能出現的特定主題是什麼，然後它會挑選其它主題，嵌入到演講中去，它還要決定如何修飾這些主題。
機器的政治寫作水準挺高
下面是機器寫的一則民主黨講稿：
「議長先生，多年來，因為受到破產法的保護，誠實而不幸的消費者，可以為自己的案子進行申訴了，最終他們合理而有效地償還了債務。系統所採用的方法是管用的，破產法院會評估各種情況，如收入、資產、債務，從而決定哪些債務應該償還，決定消費者如何自力更生。讓我們支援增長和機會，請通過這項立法。」
寫出來的文稿還算通順，畢竟Kassarnig的人工智慧演算法，還沒有接受過訓練，它只是在最開始時作了標記，並對政治演講按6個片語，或者短語進行過一番分析。他用一些標準對演講稿進行評估，比如檢查語法正確性、句子過渡、講稿結構和內容，評估發現機器寫的東西很不錯。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。」
儘管如此，讓機器演算法走上政治舞臺，Kassarnig並不樂觀：「儘管演算法的確可以為政治家撰寫演講稿，但它的結果不太可能好。」願意使用這套演算法的政客沒幾個。
幸好演算法還可以用來撰寫其它類型的文本，比如新聞，只要根據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，只要為它準備一個很大的資料庫，在裡面裝滿相似的文章就行了。
凱斯塞寧希望大家都來試一試，他已經將原始程式碼發佈在GitHub上，快去試下吧。
via techreview
沒有留言:
張貼留言