小说家罗斯效仿大作家杰克，进行了一次穿越美国的公路旅行，写下了小说《路》。不过，主要作者并不是他自己，而是AI。结果并不是很理想，说明AI距离写出人类水平的小说还有很长的路要走。

去年，一位小说家进行了一次穿越美国的公路旅行。这次旅行是为了效仿杰克的榜样——在旅行中发现一些重要的东西并写下他的经历。

1948 年至 1950 年间，杰克穿越美国，最终抵达墨西哥城，并在那里创作了《在路上》。

然而，这位作家与普通作家有很大不同——它只是一个麦克风、一个 GPS、一个相机和一台笔记本电脑。

许多相信人工智能和机器学习不会让人类失业的人乐观地认为人类的创造力难以模仿。一个非常经典的想法是：就像机器将我们从重复性的手动任务中解放出来一样，机器学习也将把我们从重复性的智力任务中解放出来。

这使我们能够有更多的空闲时间来追求自己的爱好，并在工作之余与亲人共度美好时光。

但回过头来想一想，创造力是人类的基本能力吗？或者机器学习也能做到吗？

如果他们比我们更了解自己，人工智能写的小说会是你读过的最好的小说吗？

人工智能创作的小说可能不是“海滩读物”

当然，这是未来主义的观点。正如罗斯那次公路旅行中凯迪拉克上的简易装置所证明的那样，现实离现实还有一段距离。

罗斯谈到他的机器创作小说时说：“这是一个非常不完美的文档，只是一个快速原型设计项目。输出并不完美。我不认为这是一部人类小说，或者任何类似小说的东西。”目前，这本书“首次由AI打造的“路”正在上市。

一旦神经网络经过训练，它就可以生成作者想要的任何长度的文本（无论是随机的还是来自特定的种子词或短语）。借鉴公路旅行的景象和声音提供了这些种子：小说是根据图像、地点、麦克风的对话，甚至电脑内的时钟，一次一个句子地写成的。

结果好坏参半。

小说以恰当的方式结束了开篇，引用了时间的概念：“当时是九点，过去是……”。根据输入算法的数据，“当时是早上九点十七分，房子很重。”剧集中，AI开始描述地点，但很快就偏离了主题，变得超现实。虽然文学实验是一件美妙的事情，但反复引用经纬度坐标不太可能赢得布克奖。

数据输入，艺术输出？

神经网络作为创意代理具有多种优势。他们擅长对大型数据集进行训练，识别这些数据集中的模式，并生成遵循相同规则的输出。由人工智能启发或创作的音乐已经成为一种日益增长的音乐创作形式，甚至出现了一张人机合作创作的流行音乐专辑——《》。

神经网络可以在几个小时内“聆听”巴赫和莫扎特的所有音乐，还可以训练和学习莎士比亚的作品，创作出“凑合”的作品。人工创造的想法已经变得如此普遍，以至于有些人甚至强迫神经网络“机器人”接受人类文本样本的训练，结果令人捧腹。

从纽约漫游到新奥尔良的AI是一个LSTM（长短期记忆）神经网络。默认情况下，单个神经元中包含的信息会被保留，并且在单个时间步中只能“忘记”或“学习”一小部分信息，而不是完全覆盖神经元。

在手写和语音识别等任务中，LSTM 架构比以前的循环神经网络表现更好。神经网络及其程序员进一步研究了文献的影响。根据该理论，他们吸收了 6000 万字（360 兆字节）的原创文学，其中三分之一是诗歌，三分之一是科幻小说。最后三分之一是“惨淡”的文学。

通过这种方式，对项目有一定的创造性控制；源材料影响机器的词汇和句子结构，从而影响作品的基调。

言语背后的想法

人工智能小说家的问题与自图灵时代以来计算机科学家一直试图解决的对话式人工智能问题是一样的。机器可以比人类更好地理解和再现复杂的模式，但它们不知道这些模式的含义。

连接到笔记本电脑的微型打印机上的神经网络一次打印一个字母的句子。神经网络跟踪的统计关联可以是字母组成单词，也可以是单词组成句子，但它们对人物或情节一无所知。

当与聊天机器人交谈时，代码并不真正理解之前所说的内容，并且没有足够大的数据集来训练它通过所有数十亿个可能的对话。

除非仅限于一组预先确定的选项，否则它会在回复一两次后失去对话的主题。同样，创造性神经网络无法真正掌握它们所写的内容，也无法产生任何整体连贯性或叙述性。

该实验通过相机或微信上的不断刺激（由神经网络驱动的美国景观提供的主题链接和叙述）为人工智能“小说”添加了一些连贯的线索。我觉得这种方法借鉴了旅程本身的连续性和连贯性。

人工智能无法取代人类创作高质量小说

连贯的语气和语义“风格”可能足以产生一些模糊但令人信服的青少年诗歌，而使用神经网络的实验小说可能会产生一些有趣的结果，就像谷歌所做的那样。但是，涉足这个时代的超现实人工智能散文，并寻找超越新颖价值的意义或主题，可能会是一种令人沮丧的经历。

也许机器可以学习人类心脏和大脑的复杂性，或者学习如何写出引起共鸣或有趣的散文。神经网络可能无法写出狄更斯或陀思妥耶夫斯基那样的魅力和智慧的复杂情节。

人工智能要达到人类文学创作的水平还有很长的路要走。