专栏首页数据智能小站《庆余年》:如何当好一个合格的穿越者
原创

《庆余年》:如何当好一个合格的穿越者

范闲

“君不见,黄河之水天上来,奔流到海不复回。君不见,高堂明镜悲白发,朝如青丝暮成雪。”

最近大火的《庆余年》里面,从现代穿越到古代的范闲,在面对北齐文坛巨匠庄墨韩的诬陷时,一怒之下现场背诵了一百多首唐诗宋词,惊得满堂宾客,也让范闲一夜之间成了庆国的名人。

那么,范闲在背诗的时候,脑子里在想什么呢?

话说,在众多的穿越剧里,用现代人的智慧对古人进行维度碾压,实在是一件爽爆了的事情!也是众多观众喜闻乐见的场景。

范闲的背诗行径只是最常规的操作,还有造肥皂、造玻璃、做蒸馏酒、提纯白砂糖,都是穿越人士的常规套路。厉害一点儿的,成为基建狂魔,进行古代版的城市改造,或者发明火枪、大炮,开疆拓土、封侯拜相,分分钟钟成为人生赢家!

成为文学大家

但是 —— 现代人穿越到古代真的能为所欲为了吗?这个······还真的是不一定呐~~

就拿作诗来说,即便穿越者记忆力超凡,凭借曾经的“高考必备古诗词”一次次语惊四座,将一众古人折服得五体投地。那你以为自此就可以稳坐文学家的神坛,高枕无忧了吗?!

X朝 “诗神”

No,no,no!

从根子上来说,在吟诗作赋和文学造诣方面,现代人完全不是古代人的对手。你用自己的业务爱好去PK人家的看家本领,这不是纯属找虐么?

说白了,古代就是文科生的天下,除了可以考到你怀疑人生的科举考试,剩下的就是一众古代文艺青年们用来以文会友、娱乐游戏的吟诗作赋了。

在古代,如果你写的一首诗爆红了,就会有一堆文人骚客来找你喝酒聊天。在宴会上,推杯换盏间,兴致所至就肯定要玩游戏了,那玩什么好呢?总不能大家一起开黑,来一盘王者吧。

所以,写诗 —— 就是文人们最常玩的游戏。君不见,鼎鼎大名的《兰亭集序》就是这么来的。

一群文学大佬们围坐在河渠两旁,在上游放置酒杯,酒杯顺流而下,停在谁的面前,谁就选择或是直接取杯饮酒,或是作诗一首。不得不说,古人真是“城会玩”呀!这b格就是高!

穿越者们,你肯定以为到了自己大显身手的时候了吧。我只能说你:很傻很天真~~

Why?

因为宴会上的文章都是限定题目和韵脚的,这可不是你翻遍《唐诗三百首》能找到标准答案的。比如,今天大家规定要用 “a” 韵来赞美xx公子的帽子,但是,你知道的a韵只有杜牧的《山行》:远上寒山石径斜,白云深处有人家。”

诗不错,可跟帽子一点儿关系也没有······

那请问穿越者大兄弟,你自己能写出赞美帽子的a韵诗吗?怎一个“惨”字了得··得···得···!

自古文人相轻,一旦你写不出来的次数多了,不用说什么文学大家,直接一顶“抄袭代写”的帽子就扣到你头上了。可别小看这顶帽子,在文人治国的古代,别说封侯拜相,可以直接让你此生失去参加“古代国家公务员考试”——科举 的资格。

你就只能回家种红薯了,老弟!

所以,《庆余年》里的范闲,小范同学,也就玩那么一次。

b格够了,见好就收,可不要想着当什么文人墨客,不然古代那些天天琢磨着与人切磋诗词的文艺青年们,分分钟钟让你知道花儿为什么这样红~~


说了这么多,曾经跟《5年高考3年模拟》一起与我们如影随形的诗词歌赋,其身影难道就只能出现在九年义务教育中吗?

汉唐风骨、魏晋遗风、宋元意蕴、诗酒豪情,那是一个承载了千古风流、文采耀目的世界。

都说诗词是中国人的精神故乡,但诗词创作却有很高的门槛。对于我们普通人来说,最多写几句打油诗自娱自乐一下,要想写出不仅工整对仗、又意境优美的绝妙诗篇,可真是“南”上加“南”。

事实上,抛开想要降维打击、变成文学大师的穿越者迷梦,现代人想要时时体验一把吟诗作赋的乐趣,还是完全有这个可能的。

近些年,先后涌现出一批“自动作诗机”“自动对联机”。比如:

清华大学自然语言处理与社会人文计算实验室开发的 —— 九歌人工智能诗歌写作系统

微软亚洲研究院自然语言计算组研发的 —— 微软自动对联系统微软作诗(绝句)系统

九歌写诗:七言藏头诗(情感表达:喜悦)
微软自动对联系统 & 微软作诗(绝句)系统

还比如,开发者在网上分享的自动对对联系统体验Demo —— 王斌给您对对联!

体验Demo:王斌给您对对联

这些都是现代人在自动写诗、自动对联等文本自动生成领域做出的探索和研究,而这些成果的核心支持技术就是自然语言处理 NLP

自然语言处理 NLP领域涵盖不少能力,当前可落地的应用集中在:智能对话、文本智能、知识图谱、机器翻译等方面。其中,不少人认为自然语言生成 NLG是该领域最难的难题之一。

就拿自动写诗来说,虽然计算机有无穷无尽的语料库可供选择,而且在规则的指引下,计算机也很容易解决对仗、平仄和押韵的问题,但真正作出有灵魂的诗歌还是有很多困难的。很明显的一点是,计算机自动创作的诗歌在主题控制方面表现较差。

最早期“自动写诗”的核心算法是统计机器翻译技术(SMT),其后的升级版使用了基于短语的机器翻译模型(PBMT),虽然在对仗和押韵方面做的比较好,但可能会出现前后诗句与主题相矛盾的现象。

随着技术的发展,尤其是基于循环神经网络的序列生成技术的提出,针对“自动写诗”机器人,开发者们又研发出了不少新的模型和技术,这使得“自动写诗”的主题相关性得到了提高,而且生成的成品诗歌的质量也得到了大幅提升。

当前主流的几种自动作诗技术有:

SMT:基于统计机器翻译的自动作诗技术

ANMT:基于关注度(attention)的神经网络机器翻译(NMT)模型

RNNLM:把所有诗句串联成一个单词序列,然后用循环神经网络语言模型(RNNLM)进行预测

RNN+LSTM:一般的循环神经网络(RNN)结合专门的时间循环神经网络,即LSTM,来构建诗歌机器人

RNNPG:循环神经网络诗歌生成模型,与RNNLM相近,但区别在于依次生成诗歌的每一行

PGG:基于主题规划的诗歌生成模型

我们可以猜测、比较一下自动作诗机器人和古代诗人的作品。

第一回合:

自动作诗 PK 古代诗人 Round 1

第二回合:

自动作诗 PK 古代诗人 Round 2

大家不妨在猜一猜,在第一回合和第二回合中,分别哪种诗是计算机写的、哪种诗是真正的古代诗人所作呢?

当当当,答案正式揭晓:

第一回合中,左边的【荻花风里桂花浮】是宋代诗人葛绍体创作的一首七言绝句,而右边的【万顷玻璃浸碧空】则为九歌AI诗歌写作系统所写的七言绝句。

第二回合中,左边的【日落风吹帽】是九歌AI诗歌写作系统所作的五言绝句,右边的【解落三秋叶】则是唐代诗人李峤创作的一首五言绝句。

不知道你猜对了吗?

对于我们这些普通用户来说,自动生成的诗歌质量几乎可以达到以假乱真的程度了,如果不细究,从直观的角度来看还是像模像样的。不过,想要真正媲美千古传唱的历代优美古诗词,自动写诗机器还是有很长的路要走滴~


我们不妨畅想一下,在遥远的将来,自然语言处理 NLP技术经过发展和创新,大家理想中完美的“自动作诗机”一定是会被创造出来的,那么到时候,作为一个合格的穿越者,你也能放心大胆地去参加古代文艺青年们的曲水流觞、宴饮诗会了!

曲水流觞

那么现在,穿越者小兄弟,排除成为古代文学家的可能性,你还是可以有很多玩法的。

比如找本竹简,在上面刻上:奇变偶不变、符号看象限,以及······

然后作为传家宝一代代地流传下去。或者,可以在自己的墓碑上刻下:E=MC²,证明“我曾经来过···过···过···!”

哎呀,说了这么多,还真是有点口渴(喝水:咚咚咚···咚咚咚)。

上面那些都是未来的畅想,现在,即使我们做不到完美的“自动作诗机”,我们在自然语言处理 NLP技术的帮助下,还是能做到许多在古人看来不可想象的事情滴~

我想,跟古代这群文生科最贴合的应该就是自然语言处理 NLP的文本智能能力啦!

开箱即用的 NLP 能力、满足各种文本智能需求,这就是腾讯知文的自然语言处理产品。

在我看来,不仅是古人,对于今人来说,自然语言处理 NLP的神奇能力也是令人惊叹的。

腾讯云自然语言处理 NLP 深度整合了腾讯内部顶级的NLP技术,依托千亿级中文语料累积,提供了18项智能文本处理能力,包括智能分词、实体识别、文本纠错、情感分析、文本分类、敏感审核、词向量、关键词提取、自动摘要、智能闲聊、百科知识图谱查询等。可广泛应用于用户评论情感分析、互联网文本敏感审核、资讯热点挖掘、电话投诉分析等场景,满足各行各业的文本智能需求。 

想象一下,如果古代就有腾讯云自然语言处理 NLP,皇帝可以直接对每日的奏章内容进行文本分类操作,自动将“黄河水患”、“北方战事”、“外邦进贡”等这些相同内容的奏折进行分类,然后可以提取关键词和形成自动摘要,让原本需要通读全文、看完所有奏折,甚至花费一天才能批改完成的工作,可以在几小时内快速高质量的完成。

你想想,像雍正爷这种起得比鸡早、睡得比狗晚、干得比牛多的皇帝,他如果遇到腾讯云自然语言处理 NLP,那一定做梦都要笑醒了吧 ~~

所以说,别再做穿越时间、碾压古人智商的美梦了,现在的我们正在体验着古人想都不敢想的科技与便利,而未来的我们还会经历更加精彩的无限可能!

【快速体验链接】

1- 腾讯云自然语言处理 NLP 免费体验:https://cloud.tencent.com/act/event/aiAllFree?fromSource=gwzcw.2764196.2764196.2764196#mod-hot9

2- 腾讯云自然语言处理 NLP 产品介绍:https://cloud.tencent.com/product/nlp

3- 腾讯云自然语言处理 NLP API文档:https://cloud.tencent.com/document/product/271/35484

附录:

名词解释

统计机器翻译(Statistical Machine Translation,SMT)

基于短语的机器翻译模型(Phrase Based Machine Translation,PBMT)

神经网络机器翻译技术(Neural Machine Translation,NMT)

循环神经网络(Recurrent Neural Network,RNN)

长短期记忆网络(Long Short Term Memory network,LSTM)

基于主题规划的诗歌生成模型(Planning based Poetry Generation,PPG)

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 产品动态 | 腾讯云NLP 10月最新动态

    10月,腾讯云AI中心下的腾讯知文NLP产品推出了新功能,部分接口的性能得到了优化提升。

    庞九公子
  • 产品动态 | 腾讯云NLP 12月最新动态

    腾讯云自然语言处理(Natural Language Process,NLP)深度整合了腾讯内部顶级的NLP技术,依托千亿级中文语料累积,提供18项智能文本处理...

    庞九公子
  • 产品动态 | 腾讯云NLP 1月最新动态

    腾讯云自然语言处理(Natural Language Process,NLP)深度整合了腾讯内部顶级的 NLP 技术,依托千亿级中文语料累积,提供16项智能文本...

    庞九公子
  • C++字符串变量的运算 | 使用+输出两个字符串变量

    在《7.2 C++字符串处理函数》中小林讲过:在以字符数组存放字符串时,字符串的运算要用字符串函数,如strcat strcmp、strcpy。

    C语言入门到精通
  • Science 机器人特刊封面报道:像蝙蝠一样飞行的新型机器人

    【新智元导读】 工程师们发明了一种新型的自主飞行器,外形和操纵方法都像蝙蝠一样。该研究发表在最新一期 Science Robotics上,根据报告,这个蝙蝠机器...

    新智元
  • 解决zabbix图形页面数据字段显示乱码

    昨天安装完了zabbix,在图形页左下角的数据字段显示是一堆小方块,我当时还以为就是这样的,后来才发现是显示错误乱码了

    kevinfaith
  • Oracle Execute to Parse 执行解析比分析

    Leshami
  • Linux平台 Oracle 18c RAC安装Part1

    Linux平台 Oracle 18c RAC安装指导: Part1:Linux平台 Oracle 18c RAC安装Part1:准备工作 Part2:Lin...

    Alfred Zhao
  • 计算机网络笔记之第一章概述

      如今计算机网络早已融入生活中的方方面面,”互联网+“充斥着我们的生活。那么我们就有必要了解一下网络。  课本:谢希仁《计算机网络(第六版)》  首先,从总体...

    用户1631856
  • OSG加载倾斜摄影数据

    ContextCapture(Smart3D)生成的倾斜摄影模型数据一般都形如如下组织结构:

    charlee44

扫码关注云+社区

领取腾讯云代金券