返回首页
【CCFDL专辑】人工智能是否真的在创作？
什么是人工智能创作
在CNCC2020主题为“自然语言生成：现状与挑战”的技术分论坛上，中国人民大学高瓴人工智能学院长聘副教授宋睿华从创作的独特性出发，探讨了人工智能是否可以像人类的创作者一样写出新颖的比喻或是编排出有戏剧冲突的台词。（点击下方图片浏览完整版资料）
人工智能创作的不足之处
北京大学王选计算机研究所博士生导师，语言计算与互联网挖掘研究室负责人万小军在本次论坛的报告中提到，尽管基于深度学习的自然语言生成取得了令人兴奋的进步，但目前的自然语言生成系统仍面临生成文本的多样性不足等问题，并进行了详细阐述。（点击下方图片浏览完整版资料）
清华大学计算机科学与技术系长聘副教授黄民烈也在本次论坛中表示，现有的语言生成模型对知识的表示和利用存在显著不足。即使最强大的 GPT-2/3，依然存在很显著的知识冲突问题，尤其是常识问题。介绍了如何将知识融入语言生成模型的研究尝试，及在需要常识推理的语言生成任务（如常识解释、归因推理、故事结局生成等）中的应用。（点击下方图片浏览完整版资料）
百度、腾讯、字节跳动在人工智能创作方面的应用
受益于深度学习特别是预训练技术的突破，自然语言生成模型输出的文本质量不断提升， 这是否意味着人工智能赋能内容创作的大规模应用马上到来？为探讨此问题，百度主任架构师肖欣延也在此次论坛上介绍百度在自然语言生成方向的技术进展，以及相关技术在多模内容创作中的应用，并基于百度的实践经验探讨了自然语言生成的前景和挑战。（点击下方图片浏览完整版资料）
在最近几年的学术论文中，“深度神经语言模型”几乎就是“文本生成技术”的代名词，俨然已 经成为应对文本生成任务的万金油；相比而言，传统语言模型、文本模板等技术则多了一丝沧桑和老态龙钟的感觉。那么在真实的工业场景中，这些不同的文本生成技术的使用情况、定位与角色是怎样的呢？腾讯AI Lab自然语言处理中心负责人、专家研究员史树明分享了把文本生成技术用于智能对话、电竞解说、诗词对联歌词创作等场景中的实践情况，并分析对比不同技术在不同场景的下的适用性和优劣。（点击下方图片浏览完整版资料）
字节跳动人工智能实验室总监李磊，在本次论坛上介绍了一款多语言多模态的新闻机器人Xiaomingbot。她自问世以来，已经在社交媒体生产文稿60万余篇，能实现从结构化数据到多语言新闻文本的生成，并生成摘要。利用跨语言声音克隆技术，她也具备将多语言文本用同一种播报者的语音语调播出。利用脸部表情动作同步技术，她能合成生动的虚拟主播，脸部动作保持与语音播报文字的同步。（点击下方图片浏览完整版资料）
京公网安备 11010802032778号
