霉霉 vs AI：誰的歌詞寫的更好

最新 09-01

翻譯 | AI科技大本營（rgznai100）

參與 | Shawn

從小到大我一直都是Taylor Swift的死忠粉。上初中時，我的 iPod Nano 里播放最多的就是《Speak Now》。還記得上大二時，我趁著爸媽在睡覺，偷偷在 Tumblr 上熬夜尋找《Red》的小樣，因為我當時買不起這張專輯。

上周霉霉放出了新專輯《Reputation》的首支單曲，為了第一時間聽到，作為死忠粉的我苦苦熬了好幾天夜。但是當《shattering YouTube records》放出《Look What You Made Me Do》時，我有點……失望。Guys，別誤會我，我還是聽了至少 20 遍。但是霉霉一貫動人的歌詞和好聽的旋律哪去了？這首歌怎麼充滿了仇恨和復仇呢？

上周，我想看看機器學習(ML)能否拯救一下霉霉的歌？我將霉霉所有歌的歌詞輸入到一個循環神經網路(RNN)中，並採樣了一些新歌詞。以下就是我得到的結果(一點也沒改，直接從複製粘貼的)：

歌詞1

歌詞2

上圖是機器直接生成的兩首樣本歌，每首大約 900 個單詞。

讀了這些生成的歌詞，我的結論是霉霉絕對比機器學習寫得更好。這些生成的歌詞語法怪異，而且很多單詞都拼錯了，大部分句子根本講不通，雙括弧或引號有時都沒閉上。但是，RNN 能夠通過逗號、行長度和斷行學習歌詞結構，這點讓我挺驚訝！

另外，我還用同一 RNN 生成了可能的歌曲名稱。以下是 ML 生成的《Reputation》專輯歌曲的名稱：

Go won』t hit me there

Your love through all

We said to be better

Walls if miles

No conversation

I should ever say that

I don』t wanna see the way

I don』t leave you here

You want to me

And we say how I just

Anything a good taft

Love there on more

「Anything a good taft?」聽起來有些怪啊。但是還是有些能夠打動我的歌詞，如「Your love through all」或「I don』t wanna see the way」。

技術說明：

我復刻了 Andrej Karpathy 的 char-RNN(https://github.com/karpathy/char-rnn)的一個 Tensorflow 應用。.txt file(https://github.com/irenetrampoline/taylor-swift-lyrics/blob/master/all_tswift_lyrics.txt)裡面是Taylor Swift的歌詞，這是我從網上找到的。

在這裡可以獲取我所使用的代碼

https://github.com/shreyashankar/char-rnn-tensorflow

我使用的是基於長短期記憶網路(LSTM)的模型，層數為 3 層，隱藏狀態大小為12。我用到了 Dropout，不過沒做任何超參數測試，所以模型還有很大的提升空間。

原文地址

https://medium.com/towards-data-science/https-medium-com-sh-reya-taylor-swift-or-artificial-intelligence-19f2989ab7a4

精選福利

關注AI科技大本營，進入公眾號，回復對應關鍵詞查看分類專題；回復「入群」，加入AI科技大本營學習群。

回復「深度學習」，一文囊括30篇深度學習精華文章。

回復「機器學習」，一文推薦30篇機器學習優質文章。

回復「訪談」，查看吳喜之、周志華、楊強、螞蟻金服漆遠、今日頭條李磊的獨家訪談實錄。

回復「資源」，一文梳理機器學習，深度學習，神經網路等各方面的資源。

回復「視頻」，5分鐘的視頻帶你輕鬆入門人工智慧。