在葡萄酒評論的世界裡，引人入勝的寫作是關鍵。 請看以下內容：“雖然香氣有點封閉，但這款半乾雷司令的口感充滿了多汁的白葡萄柚和橘子風味。 它不是一款非常濃郁的葡萄酒，但檸檬酸的衝擊力巧妙地平衡了它，並在回味中揮之不去。”
閱讀這段描述，你幾乎可以感受到涼爽的玻璃杯在手中冒汗，並品嚐到舌尖上迸發的柑橘味。 但這篇評論的作者從未有過這種體驗——因為作者是一段軟體。
一個跨學科的研究小組開發了一種人工智慧演算法，能夠撰寫葡萄酒和啤酒評論，這些評論與人類評論家撰寫的評論幾乎沒有區別。 科學家們最近在國際營銷研究雜誌上釋出了他們的研究結果。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。 透過購買訂閱，您正在幫助確保未來能夠繼續報道關於塑造我們當今世界的發現和想法的具有影響力的故事。
該團隊希望這個程式能夠幫助啤酒和葡萄酒生產商彙總大量評論，或為人類評論員提供工作模板。 研究人員表示，他們的方法甚至可以擴充套件到其他“體驗式”產品（如咖啡或汽車）的評論。 但一些專家警告說，這種型別的應用可能被濫用。
從理論上講，該演算法可以生成關於任何事物的評論。 然而，有幾個關鍵特徵使啤酒和葡萄酒對研究人員特別有趣。 達特茅斯學院的計算機工程師基思·卡爾森說，其中之一是，“這只是一個非常獨特的資料集”，他共同開發了這項研究中使用的演算法。 葡萄酒和啤酒評論也為人工智慧生成的文字提供了一個很好的模板，他解釋說，因為它們的描述包含許多特定變數，例如產區、葡萄或小麥品種、發酵方式和生產年份。 此外，這些評論傾向於依賴有限的詞彙。 卡爾森說：“人們以相同的方式談論葡萄酒，使用相同的詞彙。” 例如，鑑賞家可能會經常使用“橡木味”、“花香”或“幹型”等形容詞。
卡爾森和他的合著者使用從葡萄酒愛好者雜誌上抓取的十年專業評論（總共約 125,000 條）來訓練他們的程式。 他們還使用了來自網站RateBeer的近 143,000 條啤酒評論。 該演算法處理了這些人類撰寫的分析，以學習評論的總體結構和風格。 為了生成自己的評論，人工智慧被賦予了特定葡萄酒或啤酒的詳細資訊，例如酒莊或啤酒廠名稱、風格、酒精含量和價格點。 基於這些引數，人工智慧找到了該飲料的現有評論，提取了最常用的形容詞，並用它們來撰寫自己的描述。
為了測試該程式的效能，團隊成員為 300 種不同的葡萄酒各選擇了一篇人類評論和一篇人工智慧生成的評論，為 69 種啤酒各選擇了 10 篇人類評論和一篇人工智慧評論。 然後，他們要求一組人類測試物件閱讀機器生成和人類撰寫的評論，並檢查受試者是否可以區分哪個是哪個。 在大多數情況下，他們無法區分。 卡爾森說：“我們有點驚訝。”
雖然該演算法在收集大量評論並將其濃縮成單個、連貫的描述方面似乎做得很好，但它也有一些明顯的侷限性。 例如，它可能無法準確預測未經人類味蕾品嚐和人類作者描述的飲料的風味特徵。 達特茅斯大學營銷專家、該研究的合著者普拉文·科普爾說：“該模型無法品嚐葡萄酒或啤酒。” “它只理解二進位制的 0 和 1。” 科普爾補充說，他的團隊希望在未來測試該演算法的預測潛力——讓它猜測一種尚未被評論的葡萄酒的味道，然後將其描述與人類評論員的描述進行比較。 但至少在啤酒和葡萄酒領域，人類評論員仍然至關重要。
語言生成人工智慧並不新鮮，類似的軟體已被用於為線上評論平臺生成推薦。 但一些網站允許使用者遮蔽機器生成的評論——原因之一是這種語言生成可能存在陰暗面。 例如，評論撰寫人工智慧可用於人為地放大正面評論並淹沒負面評論，反之亦然。 芝加哥大學的機器學習和網路安全專家本·趙指出：“線上產品評論確實有能力改變人們的觀點”，他沒有參與這項新研究。 趙說，使用這種型別的軟體，心懷不軌的人“可能會徹底摧毀競爭對手並在經濟上摧毀他們的業務”。 但科普爾和卡爾森認為，開發評論生成軟體的潛在好處大於壞處，特別是對於可能沒有足夠的時間或英語能力來撰寫產品描述的小企業主而言。
我們已經生活在一個由演算法塑造的世界中，從 Spotify 推薦到搜尋引擎結果再到交通訊號燈。 趙說，我們能做的最好的事情就是謹慎行事。 “我認為人類在很多方面都非常容易被操縱，”他說。 “這只是一個需要區分正確使用和誤用的問題。”