千亿国际

不过，现在模型的能力还远达不到能独当一面的地步，其中，还是需要人去做把控。因此，AI 续写《红楼梦》主要的成本在模型训练上，续写的成本可以忽略不计，而训练的成本，主要在专业作家所需花费的精力上：先得把红楼梦的伏笔都细细挑出来，写成直白的提示，给每个角色写详尽的人物小传，后边得时刻督导 AI 写出合理的剧情和文字，必要时，还得自己动手去改。

和影像不同，语言和写作，代表的是这个人最深层次的价值观和记忆，“你要把这个人脑袋里想的、所有的记忆都提炼出来，未来有了脑机接口什么的，还有一点可能。”他补充道。

很遗憾，关于曹雪芹的史料很少，所以复活他也是不可能的。倘若曹雪芹是个热爱上网的现代作家呢？假如有他源源不断的电子痕迹、影像资料呢？周王春澍说，那我觉得可以让他去续写未完成的作品。但他又加了一个转折——“不过它写出来，只是看上去有点像，你无法说它真正好。因为 AI 很难对自己的错误做反思，人在写的过程中随时可能想，我这一段写的不太好，上一段情节构思不太好，我来来回回修改。AI 写东西有点儿像是作家打草稿的过程，并非可以直接发表的内容。”

有趣的是，AI 像一个临时抱佛脚的学生一样，抄了前句，丢了后句，然后只好按它擅长的那样，把脑中混乱的知识点，缝在了一起。这是目前 AI 大厂都在努力改善的问题——幻觉（hallucination），即现阶段的 AI 很喜欢编造和涂改事实。

千亿国际第八十回末尾，写到迎春虽不情愿，无奈惧其夫孙绍祖之恶，只得从贾府告辞。至于后事如何，“且听下回分解”。这八十回之后的故事，曹雪芹虽已基本写完，却早早散失。这是很多人心中的遗憾。

周王春澍表示：“比较好的方案是把描述那个时期的史书、文学作品放在一起，比如说能有个几千万字，去在这样的一个数据量的规模上给模型做持续预训练，我们能成功地把模型本身的常识，或者说潜意识也适配到这个时代。”同时它也不会遗忘此前（预训练阶段）从浩如烟海的语料中学到的基础推理能力，只是如“贵族在正式场合的着装能彰显其身份”这种古代知识，更容易被激活并使用。

即便不考虑构建这样复杂的模拟环境所要面对的挑战，从效果上来说，也不太现实。周王春澍提到他们曾做过类似的实验，目的也是将“Agent”之间的互动写成故事，结果令人失望：“现在的 AI 很难做到很有趣的剧情，而且很容易就会变成没什么意义的交互，就只是 everyday 的 routine（每天的日常），并不会发展出剧情冲突。它能够模拟所谓的一些记忆和行为模式、说话模式，但很快大家就在说类似的话。”

如果 AI 是健忘的，那为了上下文的连贯，我们能不能每回都把新生成的章回放到前文之中，再让 AI 接着往下写呢？比方说，我们先让 AI 生成第八十一回的回目名和情节概述，然后我们将把第一回到第八十一回重新发给 AI，令它生成第八十二回的内容，如此往复。

于是，我们训练了一个红楼梦文风生成器，名唤“红楼梦！变！变！变！”，你“唿”地吹一口气，就能把普通的一段话改换成文雅的“红楼梦风”。

章回目录是《红楼梦》情节的浓缩，所以，我们先让 AI 补完八十回后的目录来看看它的本事。我们把《红楼梦》前八十的章回目录发给大语言模型“文心一言”，并催眠它“你是一个很棒的小说家”，要求它不要调阅外部资料，用自己的理解帮补完第八十一回到第一百回的标题目录，第一百回为结局。

周王春澍认为，模仿《红楼梦》的文风相对容易，不必重做预训练，微调便可以：“拿《红楼梦》前八十回的数据去给模型做一个微调，把写作的风格微调到红楼梦风格。模型就会基于红楼梦的文风写作。”

那，如果我们能复活曹雪芹就好了！他借 AI 之身悠悠转醒那一刻，我们立刻把红楼梦前八十回塞给他，“接着写吧！快点完成我们的心愿吧！”我们说。

一个办法是根据红学家的研究，将未挑明的伏笔转换成好理解的话，放入剧本中，如“黛玉会死”。那么，在写到黛玉的故事时，先检索和黛玉有关的知识，再“砰”一声放在模型面前，强调：“一定要好好参考！”这样的话，对模型的可控性会有一定的提升。

我们把前八十回的回目名和每回的情节概述全都发了过去，请 AI 照样子续写后二十回。 AI 从善如流。可林黛玉的父亲林如海在原文第十四回便已病故，大模型却忘了这回事，林如海在它写的第八十八回中再次登场：“林如海回京述职遭难，宝钗孤立无援泪洒心”。

如今的大模型是基于互联网上海量的语料训练的，其中当然也有古代的历史、小说、研究，可终究只占了极小的部分，所以可以把 AI 看成是一个特别爱上网的现代人，它的世界由男女混校、叮叮当当的自行车和钢筋水泥办公楼这样的日常组成，倘若让它去补全“大街上有什么”这样的句子，它给出的答案更可能是“轿车”“巴士”“自行车”，而非一顶古时候的“轿子”；提起食物，是“米饭”“牛排”“鸡胸肉”，而不太可能是一碗在《红楼梦》中闹出风波的“玫瑰露”。除开这些物品间的差异，世界观便更加迥异。这样一个现代人，怎么去续写清朝的《红楼梦》呢？

补完《红楼梦》有多难？2019 年发表的一份研究统计曾有《红楼梦》续书共 195 种，可是珠玉在前，这些续作“凡称得上小说要素的几乎都收到了苛责”。仿佛是一语成谶，《红楼梦》开头写女娲补天用了三万六千五百颗石头，最后剩一块石头没用上。如今要补全《红楼梦》的故事，却要花上女娲补天的力气了。

“文心一言”编纂的后续目录中，出现了目前主流的后 40 回情节：宝钗宝玉成婚，结成“金玉良缘”，黛玉病逝，元春去世，宝玉出家，贾府最终败落，“落了片白茫茫大地真干净”。其它流行的大语言模型，如 Kimi、GPT-4，生成的目录也大差不差。

我们做了这样的实验。结果非常荒诞，以至于有种淡淡的幽默。连贯倒是连贯了，不过比起“AI 会因此编出更为缜密的故事吧！”的设想，这更像是个“一步错，步步错”的故事，如接连倒下的多米诺骨牌。

此外，续写一本叙事小说，情节是关键。《红楼梦》情节伏笔上的“草蛇灰线，伏脉千里”是很为人称道的。各人的判词都预示了各人之后的命运：红学家便根据元春的判词“二十年来辨是非， 榴花开处照宫闱。 三春争及初春景， 虎兔相逢大梦归”推断出，元春最终会因为卷入诸皇子争夺皇位的斗争而死。

AI 是真从短短的八十行回目名中悟到了红楼梦，撰写出了像模像样的后续么？更有可能的是，大模型看过别人续写的后 40 回，沿用了思路。而这可能也并非故意，围绕红楼梦的种种研究、讨论，以及广为流传的后四十回，大概率本就在大语言模型的训练数据之中，它受过“红楼教育”——证据是，AI 拟定的第九十回标题的前半截“薛宝钗借词含讽意”，几乎一字不落的照抄自脂砚斋。据信脂砚斋曾读过后半部原稿，在《红楼梦》第二十一回批注中交代过一个后续章回，该回目名是“薛宝钗借词含讽谏，王熙凤知命强英雄”。

第八十五回：一些隐藏在暗处的势力仍在蠢蠢欲动。宝玉在追寻真相的过程中，不可避免地触碰到了一些敏感的神经，一场关于家族荣誉和个人命运的风暴正在悄然酝酿。

AI 能从几十万字的文档中准确找出一条预先埋好的信息。比如说在《红楼梦》的第五十三回第八行插入一句“大雄的好朋友是哆啦 A 梦”，然后你再问它：“大雄的好朋友是谁？”，它对答如流：“是哆啦 A 梦”。这种小小的考验被称作“大海捞针”。因为“针”藏得实在显眼，“大海捞针”的实验火热了不久，就很快被攻克了。根据周王春澍做过的实验，即便是现在长文本能力很强的模型，都很难去理解或抓住小说中的伏笔，进行正确的内容续写，更别说《红楼梦》里的诗谶、物谶、判词这种极隐晦的伏笔。

不过，就算我们能给模型灌输《红楼梦》所处时期的风土人情，让它去模仿前八十回的笔调，无奈曹雪芹读过的诗集很多已经绝版，所以模型终究也还是读不尽所有它“该读的书”。

在 ChatGPT 这样的大模型诞生之前，有一个出名的假说叫“无限猴子定理”：让一只猴子在打字机上随机地按键，只要给它足够长的时间，它能打出一本《莎士比亚全集》。经过学习，AI 应该是一只“更聪明的猴子”吧？

如何变成一个文化人？如何优雅回应老板画的大饼？都来玩玩这个世界首款 AI 红楼梦生成器吧！能这么快给你肚子里灌进去一壶墨水的好事，可不多见呢！

专注于 AI 写作的创业公司“波形智能”的联合创始人周王春澍接受澎湃新闻采访时表示，通用大模型在创作小说时容易产生问题，因为它们训练时的目标只是做下一个词的预测。一个最原始的 GPT，它是这样续写文章的：读完前面所有的内容，然后去想下面一个字是什么，这样写了一个字之后，再去写下面一个字，虽然经过进一步训练的大模型变得更聪明，能回答人们各种各样的问题，但它们毕竟不是为了创作小说而生，没有一个机制去鼓励它、要求它设计接下来几章的整体情节，“所以它永远都是聚焦在局部的一两个句子比较合理。”

第八十三回：宝玉在宴会上偶遇一位神秘的客人，客人告诉了他贾府的一些往事。宝玉开始对家族的过去产生了浓厚的兴趣，决心在日后深入探查。

2023 年，斯坦福大学的一项研究中造了一个叫“SmallVille”的虚构小镇，镇上的 25 个小人都有自己的人物小传：姓名、年龄、工作、家庭、兴趣爱好和小习惯，而它们的行动都是由大模型依据其各自的小传决定的。这些小人被称为“Agent”（智能体）。理想状态下，它们能观察周遭、自我反思，以及做出行动，就像一个真正的人那样。那我们能造一个红楼世界，把红楼梦里的共四百四十八个人物放入其中，让他们接着第八十回的情节互动，看剧情如何发展吗？