把毛選和魯迅全集喂給AI后，寫出來的高考作文太對味了
本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。
高考剛過去不久，就有AI來“挑事”了。
這不，有個AI讀完了毛選和魯迅全集后，大筆一揮，寫下好幾篇高考作文。
結果……竟然還可以？
我們直接看文章：
看看這字里行間的青春與朝氣，根本看不出是AI寫的啊！
還能緊跟時事，“民族偉大復興”這樣的熱點詞用得游刃有余。
引經據典也不在話下：
一句“實踐是檢驗真理的唯一標準”，立刻讓文章高大上了起來。
一眼望去，通篇全是踩分點。
讓人不禁猜想：難道AI寫作文終于狗屁通了？
吃瓜群眾也非常好奇：這樣的文章到底能拿多少分？
既然如此，不如就讓我們來當一次改卷老師，看看這個AI到底能拿多少分。
考場作文套“模板”利器
首先擺在AI面前的是2021年全國甲卷的考題，主題是“可為與有為”，具體題面如下：
AI一上來的表現就不俗，《青年代表說》這主題就令人直呼“高啊”。
在題目中并沒有提到“青年”二字的情況下，AI居然還能找到這樣的切入點，這有點看頭啊？
而且它還很雞賊，開頭直接抄了題目中的內容，這就叫“點題”。
甚至連我們寫作文必備法寶——排比，它都用得游刃有余。
三大段排比，情緒逐層遞進還能湊字數。
而且作者@圖靈的貓介紹，這種排比句式是AI直接生成的，并沒有二次調整。
這可能是因為AI在訓練過程中“記住”了這種語法結構，就運用了起來。
再看看結尾，這也是高考作文的重頭戲。
AI依舊熟知我們的套路，一通拔高、升華，讓改卷老師都不好意思打低分（不是）。
這么看來，AI真的能寫出讓人滿意的考場作文了？
話先別說太早，因為在之后的兩套題里，它的表現就有些不盡如人意了。
首先要吐槽的，就是它每一次寫作文，都會用抄題目的方法來湊出開篇。
其次，它雖然使用了金句技能，馬克思主義理論、李白詩句用得飛起，但是在文章的邏輯處理上，依舊不太行。
比如“是否擁有以后一輩子的生命”，這句話顯然不是中文的邏輯。
簡稱不說人話。
而且它寫出來的內容，總是在金句和廢話之間徘徊。
就像下面這一段內容，每一句話單拿出來看都還可以，但是連成一段后，怎么又有點狗屁不通那味兒了？
此外，不知道是不是因為讀了《魯迅全集》的緣故，AI好像有點搞不懂我們現在的時代背景了。
這一段中的“三十載已過”，也是個令人有些摸不著頭腦的時間概念。
有網友總結了一下自己的感受：
挑戰一下魯迅的題目
本著看熱鬧不嫌事大的原則，光看現有案例怎么夠，我們當然要上手試一下它的水平究竟如何。
既然是讀過《魯迅全集》的AI，那我們就讓它根據魯迅的名言寫一篇文章。
愿中國青年都擺脫冷氣，只是向上走，不必聽自暴自棄者流的話。能做事的做事，能發聲的發聲。
這段話大家一定耳熟能詳，那讓AI以此為題寫一篇作文，畫風會是啥樣？
按照它的套路，開篇還是抄題目，所以我們直接來看第二段。
AI直接提出了青年人要自信的主題，看來《魯迅全集》沒有白讀，對于題目的理解還是很到位的。
之后的內容則對題面做了更加直白的解釋，告誡青年要努力啊！奮斗啊！
看得我直呼別罵了…
接下來也是常規操作了，梅花香自苦寒來，金句一出、逼格拉滿。
文末還回到了現實生活，呼吁青年要著眼當下，才能有更美好的未來。
同時還加入了科技創新、大國崛起的要點。
由此可見，AI寫作文在把控主題上可以說是so easy。
考慮到真實的高考作文題目中，有許多都是設問再回答，所以我們也試了試給AI一個問句，會發生什么。
在拿到文學應當如何改良？這樣的命題后，AI很自然地說了句套話。
這第一段看上去非常具有哲理性，但究其本質，就是車轱轆話罷了。
這樣的問題在其他生成的文章中也十分常見，而且還會冒出來錯別字、語病等小毛病。
與此同時，我們還發現它似乎不太能承受住奇葩一點的題目…
在把一道網傳的奇葩作文題目交給AI后，它直接寫出來了一篇意識流。
這還只是第一段，后面的內容還出現了紅色氣球、子彈、龍牙、警察等等讓人完全摸不著頭腦的內容。
不止是奇葩題目，在涉及“古人”的題目時，AI還會冒出一兩句奇形怪狀的文言文來：
果然，還是現代主題的高考作文更適合AI發揮。
網友神總結：這就是個狗屁稍通文章生成器。
5大模塊，讀題作答“一條龍”
上面這些偶爾“超常發揮”、平均掙扎在及格線上下的文章，源自一個名為EssayKiller的AI寫作框架，本質上是個多模塊異構深度神經網絡。
據模型作者@圖靈的貓表示，這個AI生成文章有點“捉襟見肘”的原因，也是因為采用的模型不是最先進的。
由于經費不足更好的模型沒有開源，因此只能用GPT-2來生成文字，如果能用上GPT-3和華為盤古，效果肯定比現在更好。
據了解，EssayKiller基于OpenCV開發，參數量達到17億。
從結構上看，這個AI框架主要包括5部分：輸入、識別網絡、語言網絡、判分網絡和輸出。
相當于我們平時的“5步寫作文”：拿到試卷、看題、打草稿、錯誤檢查、寫答題卡。
其中，看題、打草稿和錯誤檢查幾個模塊，都會被拿出來單獨訓練，各司其職。
在看題部分，EssayKiller首先采用了OpenCV的EAST文本檢測器，能以13幀/秒的速度，掃描任意方向、大小的720p圖片文本，并將其中的文字檢測出來。
然后用OCR模型中的CRNN，對這些文字進行識別。
例如，將上面這張圖片中的文字，轉換成能直接輸入模型的文本信息：“三寫作70分……”
至于打草稿部分，則分為閱讀理解、文本聯想兩部分，分別由BERT和GPT-2來完成。
BERT會將接收到的句子信息進行拆分、打碎，提取其中的關鍵詞來，并將這些“必須出現在內文”的關鍵詞交給GPT-2；
GPT-2在收到關鍵信息后，就能根據要求開始“大做文章”，每句話都與關鍵詞密切相關，無時無刻不在“點題”。
但GPT-2生成的文章，還不符合高考作文的標準。
要想讓這些句子看起來流暢成段，還得篩去一批真·狗屁不通的病句，并檢查句子中的拼寫錯誤、機翻等問題。
這就是錯誤檢查部分，EssayKiller直接調用了百度模型DNN的API，主要原理是對句子中的詞語進行分析，并判斷它們是否處在正確的位置上。
在這3大關鍵步驟完成后，就可以正式排版成答題紙的格式，并用手寫機器人輸出了（相關模型也是開源的）。
看起來不錯，已經有網友迫不及待想拿來寫小作文了：
打住！
據@圖靈的貓表示，不希望有人用EssayKiller來寫作業，因此并沒有開源相關參數設置，colab的調用次數也有嚴格限制。
要是出現違規行為，可能整個開源項目都會被關閉，同時也沒法用Colab在線體驗了。
到底“消化”得怎么樣？
@圖靈的貓介紹說，要想讓AI模型寫出這種效果的作文，在“語言生成模塊”的訓練集中，毛選和魯迅全集等著作占比要超過10%。
而模型的其他訓練資料，則主要來源于開源中文散文數據集、高考作文數據集等。
那么，訓練出的模型效果，是否符合預期呢？
不少網友表示，感覺AI還是“讀進去了一部分”的：
而對于作者@圖靈的貓來說，生成作文的質量也確實“比自己預期要好一些”。
但這并不表明，AI就已經能100%寫出像樣的高考作文了。
畢竟，最終呈現出來的幾篇高考作文，都是在語言生成模型后，經過機器判分+人工篩選，才展示在讀者面前的。
而在作文中所呈現出的排比等高級修辭手法，也只能說明訓練語料中包含這類修辭，而AI模型在學習的過程中“記憶”了它們，并不能說明已經學到了這些手法。
換而言之，這次的AI模型，效果確實超乎預期，但并不意味著它真正“消化”了這些語料。
那么，這個AI模型接下來還會試些什么？
@圖靈的貓表示，下一步的目標是“科幻小說”：
要是有空的話，我會將大劉、阿西莫夫和阿瑟克拉克等科幻作家的作品加入訓練集，讓AI模型試試寫科幻小說。
嗯，AI寫作開始有點賽博朋克那味了。
欣賞了毛選和魯迅文集的開源AI模型：
https://github.com/EssayKillerBrain/EssayKiller_V2
Colab版在線生成器：
https://colab.research.google.com/github/EssayKillerBrain/EssayKiller_V2/blob/master/colab_online.ipynb
參考視頻（已授權）：
https://www.bilibili.com/video/BV1aw411f7G9
