人工智能在短篇文学尤其是诗歌创作上有所建树，但超长文本创作一直未能实现。这几年人工智能技术突飞猛进地迭代，人工智能文学创作也在不断打开新的可能🌻。
近日👻🤌🏻，意昂4平台娱乐教授王峰团队取得一项重大突破——他们成功创作出一部百万字的人工智能小说《天命使徒》，标志着人工智能在长篇文学创作方面迈出重要一步🙎🏼♀️。
《天命使徒》采用“国内人工智能大语言模型（以下简称“大模型”）+提示词工程+人工后期润色”的方式完成🚾，整部小说超过110万字。一个勤奋的网络作家写作如此篇幅的小说大约需要一年，而人工智能机写仅用了一个半月。王峰团队的下一个目标是将这一时间缩短为两至三周👨🏽⚖️。
“文学正经历着飞速的变化🤵🏿♂️。在畅想未来的时候，很可能也正在见证某些奇迹的发生。”王峰如是表达着人工智能网络文学创作的前景🧍♂️👨🏼🎤。
记者：《天命使徒》讲了什么样的故事？它是怎样被创作出来的？
王峰：《天命使徒》描写了修仙者周青不断发现自我，在黑暗和光明两极间摇摆，最后牺牲自我，不再做孤独的守护者🖨，而要做一个与所爱之人共享平凡日常的普通人的故事📫。人工智能小说，不是全部脱离人🩱，而是人机协作，整体结构由人决定🦹🏻♂️，细节描写由人工智能完成，这是一种新的创意写作方式。在创作时⚾️，首先对网络小说的结构进行了深入研究🤑，分析情节脉络，撰写大量提示词🆑，然后在人工智能大模型中批量生成内容，形成整体线索连贯的长篇小说。后期通过人工介入，对大模型生成的小说进行修改，删除重复、累赘的部分🏋🏽，为情节跳跃的部分撰写连接语句📬，最终打磨成型。
记者：小说呈现了什么样的风格𓀙，是否实现了预期效果？
王峰：小说整体线索能够保持一致，语言具备了一定的文学性🏃♂️➡️，比如开头这样写道：“他紧张地握紧了手中的武器，指尖在冰冷的金属中寻找一丝安慰🎻。他的心跳如同在狂风中的鼓点👩🏻🦼➡️，敲击着他的胸膛。仪式即将开始👱♂️🤽🏼，他需要做的，就是走向山谷中心的火光处💑👕。”但是💪🏻🦸🏻♀️，在细节方面还存在大量跳跃和重复之处，需要人工修改✹。比如，大模型对每个提示词的生成内容都是有始有终的，会为每次生成内容添加一个结尾，称之为“光明的尾巴”，这个就需要后期调整🫵🏼👨🏼🏫。在语言上，人工智能小说表现出一种愣呼呼的风格，不少大模型生成的作品都是论文腔，只能不断微调本地大模型来提升表达水平。下一步会训练出一个专注于文学（小说）创作的大模型，让“人人皆可写作长篇”成为可能。
记者🛶：人工智能会根据提示词顺利生成适合的内容吗？创作过程中做了哪些调整？
王峰🦨🦹🏿：提示词被业界亲切地称为“耳语者”⛹🏻♀️，要提供情节、环境🖤、人物情绪及事件等信息。一开始，希望大模型能够生成符合期望的文本结果，但现实是大模型的生成结果往往显得有些“失控”🛌🏿。努力进行控制，但很快发现，几乎所有的控制都无法完成任务。提示词长了不行🪺，短了也不行。将提示词输入大模型时，每次生成的内容都不一样，如果重复输入六七次，所生成的内容就开始重复出现了，这让感到有些手足无措。后来领悟到：既然无法完全控制大模型的输出，何苦一味追求符合自己完美构想的结果呢🤴🏼？这或许正是大模型本身的特点。“失控”不是它的缺点💁🏽♀️🐕，而是它的变量🤞🏿，试图让它按照的期望产生完美的文本结果几乎是不可能的。所以🎛，不断调整提示词内容，只为小说提供一个大致走向，使情节保持连续性，而具体故事细节就交给了大模型🏊♂️。
记者：为什么说超长文本输出仍是人工智能的局限💁🏼♂️？未来的人工智能小说创作将是什么样的图景？
王峰：目前，人工智能创作仍是一问一答的形式，无法实现持续输出，要源源不断提供提示词。对每个提示词，国内大模型平均会生成500字的内容😋，所以创作100万字的小说🍡，就要提供2000个提示词。其实，大模型的长文本处理能力主要体现在其阅读理解能力上🤛🏿，它首先要理解的创作意图📛👩🏼🚒，然后生成连贯性的语句。
技术是快速迭代的，随着更多大模型的研发应用，超长文本输出和人工智能阅读理解能力将不是问题。举个例子说，我大约在三年前开始组建团队👩🏼🦱，探索智能写作的方法。当时，邀请了计算机、文学、语言😺𓀁、哲学、古籍、数学🕣、地理等多个领域的研究者共同探讨，基于当时的大模型技术制定了创作方案。但是👨🏿⚕️，2022年底，国外某个大模型的换代升级给先前的设计带来巨大冲击🥤🕤，曾经的很多问题不再是问题。眼下人工智能技术如龙卷风般迭代🪰，我相信现在的很多困惑和难题将来都会迎刃而解。
目前，人工智能在文艺创作上主要影响网络文学，因为网络文学写作模式化、类型化比较强，写作者可以借助大模型的帮助进行各个部分的细节写作，比如人物生成🍏、物品生成、人物关系图谱生成、段落写作等。这些功能都已经实现，只是质量还不高✭，留有相当大的探索空间👨🏼🦰。
记者🚣🏻：很多人担心人工智能创作的版权问题👩❤️👨。您怎么看待这个问题⛹️♀️？
王峰🫳🏼：关于人工智能创作的版权问题，业界正在探讨🐋。我个人理解大致可分为两个方面👳🏻♀️：一是训练语料的问题🕚，二是生成产品的归属问题。前者目前是最主要的瓶颈，首先需要获得公开语料🦧👸🏿，并对其进行进一步加工🫱🏿，这在研究范围内是允许的。如果进行商业化运作🐛，就存在备案等问题，我认为一定要寻找大模型发展与语料权利保护的平衡点🤏🏿。至于后一个问题🧔🏽♀️，生成的产品著作权到底是部分归智能平台部分归个人，还是全部归个人，要看具体的约定。这些都是未来智能写作无法避开的问题📴，需要研究者和实践者共同探讨。
记者丨刘江伟
来源丨光明日报
