知乎專欄作者蕭瑟在《當AI邂逅藝術：機器寫詩綜述》一文中，認為機器詩歌生成的工作，起始於20世紀70年代。但在計算機誕生之前，就有好事者弄了個高頻詩歌詞語轉盤，轉到哪個詞就記錄下來，然後連起來形成一首“詩”。這種詩自然會出現類似“蘋果吃姑娘，殘紅殺馬特”，邏輯不通，不倫不類的句子。當然，也可能偶然搞出“澎湃是個好新聞”這樣的佳句。

這個套路叫做“word salad”——把各種詞語像沙拉一樣拌在一起，在有了計算機後，被引入進去，成為早期的機器詩歌生成方法。

根據蕭瑟的介紹，在詞語沙拉法之後，機器詩歌的傳統生成辦法還有基於模板和模式的、基於遺傳算法的、基於摘要生成的方法以及基於統計機器翻譯的方法。這些方法，要麼是詩句之間缺乏語義連貫性，要麼缺乏靈活性，而且都有別於詩詞領域的專業知識，需要專家設計大量的人工規則，對生成詩詞的格律和質量進行約束。

但是，隨着深度學習技術的發展，造詩機迎來了春天。基於RNN語言模型的方法，將詩歌的整體內容，作為訓練語料送給RNN語言模型進行訓練。訓練完成後，先給定一些初始內容，然後就可以按照語言模型輸出的概率分布進行採樣得到下一個詞，不斷重複這個過程就產生完整的詩歌。

原理很複雜，記者也看不懂，就不多說了。反正結果就產生了開篇第一組中的那首。當然，正如前文說的，這首是水準較高的例子。還有這樣的：

這樣的：

這兩首詩，上面的是網友用網絡在線詩歌生成機器人——“編詩姬”生成的，下面的是澎湃新聞記者剛剛用該姬生成的，似乎很鍾意“龜”這個意象。該姬的自我介紹是：編詩姬是採用語義分析與深度學習技術開發的詩歌生成機器人。在熟讀了全唐詩五萬首後，本姬可以自動根據您的需要三秒吟詩。雅韻傳情，原創保證，來分享給您關心的人一首小詩吧。

看來同樣是深度學習技術，學習的能力還是有差別的。

“機器詩猶如塑料花，入手即知”？

開篇第二組的機器詩，來自清華大學語音與語言實驗中心（CSLT）。去年，就在AlphaGo戰勝人類當下最傑出的一批圍棋選手後，CSLT網站宣布，他們的作詩機器人“薇薇”通過社科院等唐詩專家評定，通過了“圖靈測試”。所謂“圖靈測試”是指通過對話分辨真實人類和人工智能的試驗，通過“圖靈測試”意味着人類無法通過語言對話分辨出人類和人工智能。

據CSLT網站公布結果，“薇薇”創作的詩詞中，有31%被認為是人創作的。不過，在本次比賽中，“薇薇”創作古詩的水平還是未能超越現代人類詩人，雙方的比分為2.72比3.20（滿分5分）。

看來不僅是普通人，即便擁有一定創作經驗的作者，要區分這種比較高明的機器詩也是有一定困難的。

澎湃新聞記者也將開篇兩組詩，發給了一些舊體詩人。《荊棘鳥》譯者、舊體詩人曾胡對於第一組詩歌，初始感覺是：很難判斷，但覺得右邊一首是人寫的可能性較大，理由是“恨竹”這兩個字機器很難仿寫出。

曾胡隨後將這兩首詩發到了朋友圈進行測試，結果：“一半人猜對，都是學問比較好的，未見學問好的猜錯。一位朋友說，機器詩猶如塑料花，入手即知。”

不過曾胡的這位朋友在面對第二組的五首詩時，卻未能入手即知。曾胡則在反覆細度之後，通過“孤耐凌節護”（句意不明）、“一夜東君”（東君指太陽，一夜東君語義矛盾）、“細雨濛”（濛字一般不單用）等語詞、語義方面，判斷出2、4、5為機器詩。

曾胡認為，因為測試的對比樣本是現代人的古體詩詞，與機器詩的分野並不明顯，如果是唐詩，即便不是那麼名篇佳作，那麼可能就會容易許多。畢竟無論是Alpha Go還是百度機器人“小度”，這些人工智能所挑戰甚至戰勝的都是該領域人類最傑出的一批頭腦，如果機器詩的比較樣本，本身都沒有多少獨特性、創造性，那麼該如何檢驗作詩機器人是否具有創造力呢？