《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”和“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 和 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）