梦里啥都有VS人间你不行？这个对对联的AI，咋这么不会说话

你们家贴春联了吗？如果还没有，不妨考虑这一句👇

王斌给您对对联 https://ai.binwang.me/couplet/

这么不像人话的春联，当然是 AI 对出来的。

不过不是 AI 本 I，而是 2017 年 10 月发布的“王斌对对联”。近年来，像这样自动对对联的 AI 不少，例如 AINLP——

AINLP 可以直接在微信公众号对话，微信公众号搜索“AINLP”即可找到

微软对联——

微软亚洲研究院的对联提供多个选项，还可以选择横批，网址https://duilian.msra.cn/app/couplet.aspx

这些 AI，经常会给出惊为天人的结果。不信，我们拿“王斌对对联”来调戏一下。

调戏 AI

先试试今年的新梗——

“谁了哉”这个用法，比把王妃挂在城门上暴晒三天的王爷还要让人迷惑。

这位 AI 也太诗意了……

还有让你怀疑人生的扎心回复——

还是做梦比较快。

三姑六婆问你年终奖了吗？

网络热词，这位 AI 也是可以的——

当阿伟反复死亡的时候，曹永是不是也跟着生了又生？

追星女孩：哪个哥哥都难追啊！

馋……谁的身子？

再试试理工梗——

地铁老爷爷看手机.JPG

你们还记得这句口诀说的是什么吗？

再试试 AI 同事的名字——

我们特地询问了当事人对此的看法。

李小葵：“不要再问小葵有没有男朋友，小葵有老瓜了。”

王劈柴：“可以凑一桌乡村爱情故事。”

最后看看果壳——

本 AI：？？？？？？？？？

当然，这位 AI 也对出过相当漂亮的下联，例如这两个——

AI 怎么对对联

虽然 AI 对对联的水平飘忽不定，但它能做到这样，其实已经很了不起了。我们拿“王斌给您对对联”为例子，简单介绍这个 AI 的原理，希望你能看得懂 :）

1770491 条对联的“练习册”

简单来说，程序的作者先建立了一个模型，然后将一个语料库丢给它。

语料库里含有 770491 条“上联-下联”的对联，供模型作为示例进行训练。一开始，模型也不太熟练；但所谓“熟读唐诗三百首，不会吟诗也会吟”，在不断纠错重来之后，AI 渐渐也能根据上联对出像模像样的下联了。

语料库的最后20个示例，大家可以感受一下画风

2

把文字变成数字

不过，模型是无法直接处理文字的，所以对联中的文字，需要先转化为数值。

“王斌给您对对联”的语料库搭配了一个字典，其中含有 9130 个字。每个字都有自己对应的编号，再通过编码转换成“向量”。具体来说，每个字都会转换成一串共 9130 个只由 1 和 0 组成的数字；例如“春”字，它在字典中的编号是 6，变成向量则为：

所以，“春风得意马蹄疾”这个句子，经过转换，则会变成 7 个长度为 9130 的向量。这 7 个向量组成一个序列，输入到模型当中，才能进行下一步处理。

在这个程序里，文字是通过一种叫做“独热编码”的方式转换为数值。这种方法虽然简洁，却只能对所有文字“一视同仁”，无法表达出字之间的关系。

现在还有一些其他的编码方式，不仅可以将文字转换为向量，而且可以用向量的距离来衡量字词之间的相似性。例如，它们可以计算出：“国王”和“王后”之间的距离，约等于“男人”和“女人”之间的距离。

当然了，这个程序的字典里只有 9130 个字，所以有些字对 AI 来说就超纲了。例如“氢氦锂铍硼”里的铍，它不认识，就只能空着了。

3

上联：逐字计算，总结成一个向量

处理这些文字的模型包含两个部分——“编码器”（Encoder）和“解码器”（Decoder）。在这类模型当中，向编码器输入一个序列（例如“春风得意马蹄疾”所转换成的一组向量）之后，通过编码与解码，解码器就会输出另一个序列。

这样的模型叫做“序列到序列”（seq2seq）

当编码器接收到“春风得意马蹄疾”的序列时，它会逐字读入，然后从左往右进行计算，最后产生一个用向量表示的语义编码——简单来说，就是把上联的七个向量总结成一个向量。我们试了一下，“春风得意马蹄疾”算出来是一个长度为 1024 的向量——这对人类来说，是一串无法解读的乱码，不过 AI 能读懂就行。

编码器的运作，蓝色箭头为各单元输出的状态信息

具体来说，一个字的处理，对应的是编码器中的一个单元。在“春风得意马蹄疾”这句里，第一个单元输入“春”字，经过计算，会得到用一个向量表示的状态，送到第二个单元；第二个单元获取了这个状态，同时读入“风”字，然后计算出新的状态信息，送到第三个单元。以此类推，最后一个单元输出的就是语义编码了。

4

下联：整合上联，衔接前字，考虑对仗

模型“对”出下联的原理也类似：解码器中的每一个单元，既需要读入前一个字，又需要获取之前的状态信息，进行计算之后才能输出一个向量。以此类推，最后所有的向量都转成编号，再换回文字，拼起来就是人类能看懂的下联了。

解码器的运作

下联的“花气袭人鸟语香”，最初也是七个向量的序列

为了对仗工整，下联还会着重考虑上联中对应的字——这就涉及所谓的“注意力机制”（Attention Mechanism）。简单来说，解码器中的单元，会对编码器的各个单元分配不同的注意力。下联在给出第二个字“气”的时候，除了要衔接上一个字“花”，要考虑整个上联的信息，还会着重关注上联中的第二个字“风”。

注意力机制示意

5

机器学习：反复训练，减少错误

上面说的都是模型怎么预测下联，但它究竟怎么学会这个技能的呢？

这要从参数说起——编码器和解码器中的单元，都含有一系列参数。

什么是参数呢？举个例子，在公式 y=ax+b 中，a 和 b 就是参数。正确的参数，能够使模型掌握一定的规则，根据 x 算出正确的 y。

AI 对对联模型中的参数，则是 a 和 b 的复杂版本，蕴含了一系列规则，能够帮助程序对各个字的向量进行计算。AI 学习对对联的过程，就是不断更新这些参数，学习正确的规则，减小预测的错误——这也就是传说中的“机器学习”。

一开始，模型只能按照初始的参数，将上联进行一系列近乎随机的变换，输出一些无意义的字的组合；

这些组合会和语料库里正确的下联做比较，得到一个差异值；

根据这些差异值，模型可以逐渐更新参数，让预测值和正确答案之间的差异越来越小；

经过漫长的迭代训练，模型就拥有从上联变换出像样下联的能力啦。

AI 对对联，其实是“自然语言处理”（Natural Language Processing，NLP）的一种应用。当然，它实际的设计和计算，远远要比这里写的复杂得多[1]。

近年来，自然语言处理蓬勃发展，翻译软件、聊天机器人、情感分析等程序，都仰赖于它。只不过，这个领域尚在发展，AI 难免“语出惊人”——至于它还会给出什么意料不到的下联，你不妨也去试试看。

参考资料

[1] Bahdanau, D., Cho, K., & Bengio, Y. (2014). Neural machine translation by jointly learning to align and translate. arXiv preprint arXiv:1409.0473.

[2] 王斌给您对对联 https://ai.binwang.me/couplet/

语料库 https://github.com/wb14123/couplet-dataset

源代码 https://github.com/wb14123/seq2seq-couplet

[3] 微信公众号 AINLP

[4] 微软对联 https://duilian.msra.cn/app/couplet.aspx

作者：Charles

编辑：麦麦