在葡萄酒评论的世界里，引人入胜的写作是关键。 请看以下内容：“虽然香气有点封闭，但这款半干雷司令的口感充满了多汁的白葡萄柚和橘子风味。 它不是一款非常浓郁的葡萄酒，但柠檬酸的冲击力巧妙地平衡了它，并在回味中挥之不去。”
阅读这段描述，你几乎可以感受到凉爽的玻璃杯在手中冒汗，并品尝到舌尖上迸发的柑橘味。 但这篇评论的作者从未有过这种体验——因为作者是一段软件。
一个跨学科的研究小组开发了一种人工智能算法，能够撰写葡萄酒和啤酒评论，这些评论与人类评论家撰写的评论几乎没有区别。 科学家们最近在国际营销研究杂志上发布了他们的研究结果。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。 通过购买订阅，您正在帮助确保未来能够继续报道关于塑造我们当今世界的发现和想法的具有影响力的故事。
该团队希望这个程序能够帮助啤酒和葡萄酒生产商汇总大量评论，或为人类评论员提供工作模板。 研究人员表示，他们的方法甚至可以扩展到其他“体验式”产品（如咖啡或汽车）的评论。 但一些专家警告说，这种类型的应用可能被滥用。
从理论上讲，该算法可以生成关于任何事物的评论。 然而，有几个关键特征使啤酒和葡萄酒对研究人员特别有趣。 达特茅斯学院的计算机工程师基思·卡尔森说，其中之一是，“这只是一个非常独特的数据集”，他共同开发了这项研究中使用的算法。 葡萄酒和啤酒评论也为人工智能生成的文本提供了一个很好的模板，他解释说，因为它们的描述包含许多特定变量，例如产区、葡萄或小麦品种、发酵方式和生产年份。 此外，这些评论倾向于依赖有限的词汇。 卡尔森说：“人们以相同的方式谈论葡萄酒，使用相同的词汇。” 例如，鉴赏家可能会经常使用“橡木味”、“花香”或“干型”等形容词。
卡尔森和他的合著者使用从葡萄酒爱好者杂志上抓取的十年专业评论（总共约 125,000 条）来训练他们的程序。 他们还使用了来自网站RateBeer的近 143,000 条啤酒评论。 该算法处理了这些人类撰写的分析，以学习评论的总体结构和风格。 为了生成自己的评论，人工智能被赋予了特定葡萄酒或啤酒的详细信息，例如酒庄或啤酒厂名称、风格、酒精含量和价格点。 基于这些参数，人工智能找到了该饮料的现有评论，提取了最常用的形容词，并用它们来撰写自己的描述。
为了测试该程序的性能，团队成员为 300 种不同的葡萄酒各选择了一篇人类评论和一篇人工智能生成的评论，为 69 种啤酒各选择了 10 篇人类评论和一篇人工智能评论。 然后，他们要求一组人类测试对象阅读机器生成和人类撰写的评论，并检查受试者是否可以区分哪个是哪个。 在大多数情况下，他们无法区分。 卡尔森说：“我们有点惊讶。”
虽然该算法在收集大量评论并将其浓缩成单个、连贯的描述方面似乎做得很好，但它也有一些明显的局限性。 例如，它可能无法准确预测未经人类味蕾品尝和人类作者描述的饮料的风味特征。 达特茅斯大学营销专家、该研究的合著者普拉文·科普尔说：“该模型无法品尝葡萄酒或啤酒。” “它只理解二进制的 0 和 1。” 科普尔补充说，他的团队希望在未来测试该算法的预测潜力——让它猜测一种尚未被评论的葡萄酒的味道，然后将其描述与人类评论员的描述进行比较。 但至少在啤酒和葡萄酒领域，人类评论员仍然至关重要。
语言生成人工智能并不新鲜，类似的软件已被用于为在线评论平台生成推荐。 但一些网站允许用户屏蔽机器生成的评论——原因之一是这种语言生成可能存在阴暗面。 例如，评论撰写人工智能可用于人为地放大正面评论并淹没负面评论，反之亦然。 芝加哥大学的机器学习和网络安全专家本·赵指出：“在线产品评论确实有能力改变人们的观点”，他没有参与这项新研究。 赵说，使用这种类型的软件，心怀不轨的人“可能会彻底摧毁竞争对手并在经济上摧毁他们的业务”。 但科普尔和卡尔森认为，开发评论生成软件的潜在好处大于坏处，特别是对于可能没有足够的时间或英语能力来撰写产品描述的小企业主而言。
我们已经生活在一个由算法塑造的世界中，从 Spotify 推荐到搜索引擎结果再到交通信号灯。 赵说，我们能做的最好的事情就是谨慎行事。 “我认为人类在很多方面都非常容易被操纵，”他说。 “这只是一个需要区分正确使用和误用的问题。”