ai寫文章，現在是否靠譜？

這兩年在網絡上就有文章生成器之類的東西，有的還是在線生成。只要輸入主題詞，幾秒鐘便可自動生成幾百、幾千字的文章、詩歌或歌詞等等。這并不是什么新鮮的事情。而且，編程難度也是有限的，且超乎想象的簡單。學的知道，調用幾個現成的庫，這個程序量并不大。

如果為了湊字數、提供點創意、開拓一下思路，這些東西無可厚非。有時候它的確能激發出一種靈感。

上面兩圖是筆者隨意寫的主題詞“吃辣椒的好處”在不同的在線文章生成器中形成的兩篇文章，至少讀著也是通的。這種軟件或者在線平臺這兩年就已經有了，而且這是國內的，不用考慮翻墻、國外注冊等麻煩問題。這兩個軟件不是外國產的。說這的意思是，這東西現在并不是發明創造，已經是在發展中。

最近這東西因為國外的炒作，在國內也被炒作得火熱。西方的炒作手法，還是有值得學習的地方，與我們悶頭搞發展有些不同。

現在的問題是：這東西產生的內容如果直接被應用，是否靠譜？這是個問題。

最起碼的隱憂是：網絡上的小文章如果是這個機器寫的，我們是否能識別出來？據不可靠的網絡傳言看，現在可以分辨出來的比率不會超過50%。那么，你看的東西，有多大的概率是被人工智能忽悠了？這是未知數。（注：這篇文章非電腦生成。）

機器學習的優勢在哪？缺點在哪？

基于編程原理考慮，機器先基于主題詞在網絡上進行搜索，找到相關類似文章，并對細節內容進行機器學習。之后，再進行重新組織，按語法原則進行編排，形成結果。

那么，它學的內容如果有傾向性，它寫出來的東西也是有傾向性的。并不代表一定是正確答案或者中肯的答案。就像我們在網絡上搜索的內容，正確與否是需要自己判別的，而機器學習并不判斷正確與否。面對傾向性內容，只會推波助瀾。

何為傾向性內容？筆者曾經在學習的過程中，搞了一個古詩詞的小實驗，在《唐詩三百首》中隨機找了一些詩詞，大約三萬字，從中尋找高頻詞匯。結果就發現：如果不加選擇的學習，往往學寫出來的詩歌的情調會很“灰暗”。

從文化角度談談文人的壞毛病之一動不動就憂郁了，這毛病哪來的？

上圖是這三萬多字的詩歌匯總的高頻詞。學多了這種內容，也便潛移默化中把憂郁也學來了。

現在電腦假設也學的是這三萬字的內容，那么它寫詩的風格就會像林妹妹了。

這就是傾向性內容的一個小例子。

傾向性內容當然也包括謠言、造假、觀點主觀或客觀地偏向某個方向等等。如果電腦學的是這類內容，寫的東西的內容也會有傾向性。一些人把人工智能想象為大智者，以為什么問題它都會給出正確答案，這種想法本身就有問題。它只會給你基于索引內容重新再造的符合程序邏輯的答案，至于答案的觀點正確與否是另外一回事。它很博學，但是它也可以不學無術，并且表達的很“正經”，不露痕跡。

如果它學習的內容僅僅是藏經閣的佛經，它有可能成為大師。你不懂，才是懂了，酷似懂玄學的大師。

基于這種人工智能編程的邏輯基礎，這東西如果搞編程，的確會有優勢，因為機器學習所學的編程相關的內容本身就是規范化、標準化的內容，垃圾內容少一些，更不會有文學性的曲筆、反話、夸張之類的內容，也便不容易學“壞”。這方面它的表現現在看也是可圈可點的，已經相當于初級程序員的水平。這個方向也許會有進一步發展的潛力。