下載客戶端

登錄

AI如何向外星人翻譯村上春樹？

2023-07-21 17:34

來源：澎湃新聞·澎湃號·湃客

早在2006年，著名科幻作家劉慈欣就研發了作詩軟件“計算機詩人”，每秒可以產生200行詩句。

AI可以寫詩，當然也可以翻譯，而且做得還相當不錯。

AI時代撲面而來。人工翻譯會被AI取代嗎？文字工作者還會有未來嗎？

假如三體人降臨，AI又會如何向他們翻譯村上春樹？

《十堂極簡人工智能課》譯者、谷歌大規模智能系統研發工程師許東華，責編陶澤慧，從AI內在邏輯以及自身翻譯經歷出發，暢聊人工智能的歷史進程、設計原理和發展痛點。活動由譯林社編輯何君成主持。

人類不是害怕科技本身，

而是對未知有一種恐懼

何君成：人工智能一直是科技領域比較受關注的一個話題，雖然在前兩年熱度有所減退，但自從ChatGPT爆火以來，就一下子重新回到了公眾的視野中。第一個問題是，我們普通人，或者說外行人真的有必要去了解人工智能嗎？

陶澤慧：為什么需要了解人工智能呢，是因為這種技術確實在切實地改變我們的生活和工作方式。最近大家談到ChatGPT的時候，第一個反應好像都是我們自己或者某種具體的行業會不會被它取代。人工智能看起來深不可測，我們不知道它的進步有多快，也不知道它目前實現了多大的潛能。當處在這種無知的狀況時，從個體上來說是很難有所作為的，我們的焦慮情緒也很難得到疏解。作為活生生的人，我們不知道所做的工作何以不同于人工智能，也就不知道該如何發揮自己的獨特性。

人工智能是幫助我們理解這個世界的一條重要途徑。編《十堂極簡人工智能課》這本書之前，我也曾經以為人工智能是對人類思維的一種模擬，但其實并不是這樣的。許老師在這本書的譯后記里面提到了計算機科學家戴克斯特拉的一個很有趣的比方，他說：“問計算機會不會思考，就像問潛水艇會不會游泳。”這是一個走錯路徑的問題。我們之所以會問這個問題，是因為人本位的思維定勢。我們自己是通過思考來解決問題的，所以就很容易狹隘地認為人工智能也要學會人的思維才能解決問題。但是人工智能的發展其實早就跳出了人本位的邏輯，對它來說，通往問題的其實只有解決方案而已，不需要對人類思維的完整模擬。在人工智能的開發中，這也使得我們對思維和問題有更多的理解。

人工智能確實能開辟出許多路徑，更為高效地解決具體問題，但是我們人類擁有一個特性叫作human interface，即人性界面。我覺得在這點上，人工智能可能還無法來取代我們。書中舉了一個例子，如果要讓無人駕駛成為現實，我們可能需要一整套涉及道路方方面面的體系，才能保證無人駕駛安全運作。但是，設想一下我們自己是怎么開車的，其實我們只需要一套規則，大家依靠人類司機的判斷就能實現大體上的安全駕駛。我覺得在人工智能成為終端產品之前，我們人力的能動性，包括面對復雜情況的處理能力，依然是保住我們工作的一個重要的因素。

無人駕駛概念圖

許東華：我之前問了一下ChatGPT為什么要了解人工智能，它總結得非常好。概括來說，第一點是了解人工智能的基本概念和原理，可以幫我們更好地理解現代科技的發展和應用，更好地適應和應用它們；第二點是說，了解人工智能的應用領域和技術方法，可以幫助我們更好地解決現實中的問題，提高我們的工作效率和生活質量，這是真正對人類有幫助的東西；第三點是了解人工智能的發展趨勢和未來可能的影響，可以幫助我們更好地規劃未來，為自己的職業發展做好準備。這也是說我們要怎樣應對它可能的威脅；然后是了解人工智能的優缺點和可能的風險，可以更好地評估各種可行性和可靠性，更好地管理和控制人工智能的發展。如果我們害怕人工智能，就需要一些可靠的方法來控制它，那首先就要去了解人工智能。

機器人Sophia

我還想補充一點，書里提到一個概念“恐怖谷”。一個機器或者系統，模仿人類模仿得越像，人類就會越喜歡它。但是到很接近人類的程度時，人類反而會覺得害怕，那個曲線會突然間出現一個谷形；到完全跟人類一樣的時候，這條曲線又上升，所以它有那么一條谷叫作“恐怖谷”。現在我們很多人說害怕人工智能，有可能其中一個原因是因為“恐怖谷”效應，覺得它還不完全是人類，但是它又很接近人類，所以覺得很可怕。

《十堂極簡人工智能課》插圖

前幾年我的一個朋友看了部美劇《西部世界》，然后他就問我，機器人真的會這么恐怖嗎？我當時回答說，你之所以覺得恐怖，是因為這個片子里頭把機器人拍成了人形。實際上我們現在社會上的大部分機器人都不是人形，像工程流水線的機械臂，家里的掃地機器人，我們跟他們打交道就不會有恐怖的感覺，因為他們不是人形。中文里“機器人”這個詞里頭有“人”這個字，但英文的robot，跟人的概念沒有直接關系，凡是帶一點智能的機器或者系統，都可以叫robot。這里頭其實有個翻譯錯位的現象，并不是所有機器人都會讓人感覺一樣的恐怖。

《西部世界》劇照

人工智能剛要進入冬天，

ChatGPT又把它拉回了春天

何君成：接下來請許老師為我們介紹一下ChatGPT到底是什么，它是基于怎樣的邏輯開發的？這個技術現在帶來了什么影響，又有什么最新的進展呢？

許東華：ChatGPT是美國OpenAI公司開發的一種聊天機器人，最原始的界面就是一個聊天窗口，你可以輸入任何文字跟它聊天。它可以跟你談天說地，聊任何話題，幫你分析生活工作或者愛情里頭遇到的各種問題，說得頭頭是道；幫你策劃旅行的計劃，幫你認識文章，幫你寫劇本寫詩，幫你翻譯各種文字，甚至可以幫你編寫程序，而且編出來往往可能就能直接運行。從普通用戶的角度來看，它簡直是無所不能，而且文字通曉、邏輯連貫，跟去年以前的聊天機器人相比，真的是天壤之別。所以這個產品從2022年11月底推出公共版本以來，一下子風靡全球，兩個月就積累了上億用戶，可以算是歷史上用戶數破億速度最快的一種應用之一。

ChatGPT聊天界面，來源：B站@FutureChat

我剛才說的是它的原始界面，是一個文字聊天窗口，但是現在整個業界都特別喜歡把它作為一個基礎設施來構建別的東西和別的服務。像最近有兩樣新的發展特別引人注目，一個叫作BabyAGI，一個叫作AutoGPT。二者基本上都是把ChatGPT的語言界面作為一個基礎設施，然后讓它來構建其他的各種各樣的服務，實現各種各樣的任務。前段時間，華為的一個產品經理想調研市場，推動自己的產品。他讓ChatGPT用類似AutoGPT這種服務去做這個事情，它就自動把任務劃分成幾步，先各自調用外部的一些工具，幫他爬網頁，然后分析那些內容，再幫他生成報告，分析各種方面的優劣。也就是說，在網上只要輸入幾句話，系統就幫他完成整件事情。這是一個很牛的事，大家都覺得是非常有潛力的一個發展方向。當然現在這個發展方向還是有很多缺點，有時候系統會自動陷入死循環，用戶不介入的話，它就一直在那不斷循環，這種東西應該都是可以解決的。

其他還有一些比較有趣的應用。前段時間斯坦福發表了一個論文，他們在一個模擬游戲里設計了25個人物，每個人物都用ChatGPT來生成會話，然后讓這25個人物NPC在模擬環境里頭聊天，互相交往，在那里頭生活。每個NPC可以規劃明天的行程，可以總結今天的生活，讓他們互相交互。他們觀察到這些NPC之間是有來有往的，形成了一個非常有機的社會。這是另外一種應用，就是說用ChatGPT的聊天會話能力，能做各種各樣神奇的事情。

25個人物的模擬游戲截圖，來源：reverie.herokuapp.com

可以說，ChatGPT以一己之力把剛要進入冬天的人工智能又拉回了春天，甚至可能要進入夏天了。書里提到過人工智能發展的幾次興衰。最近10年本來是春天，但是從去年開始人工智能方向的風投開始減少，有很多大公司出現動蕩，很多人說人工智能的冬天又來了。

這種產品會有很多缺點和極限，這些都是很正常的現象。其中貶低ChatGPT的最重量級人物，一個是語言學泰斗喬姆斯基，一個是人工智能的泰斗楊立昆。不過他們這次的質疑也引來很多質疑，尤其是喬姆斯基的質疑，他在《紐約時報》上發了一篇文章，但是完全沒有說到點子上，可以看出他甚至沒有親自試用過ChatGPT。比如說他覺得有某一個只有人類可以回答好、ChatGPT肯定回答不好的問題，有人去試了一下，ChatGPT答上來了，而且給出的就是喬姆斯基心目中只有人類才能給出的答案，說明喬姆斯基對這個前沿科學已經完全不了解了。

喬姆斯基（左）和楊立昆（右）

另外一個泰斗楊立昆，他本人依舊活躍在人工智能的前沿，只不過他有一套自己的觀點和方法論，所以他其實很看不上大語言模型這套方法。不過他跟喬姆斯基很類似，他也認為有一個問題ChatGPT答不出來，實際上ChatGPT答得非常好。所以這些例子給我的感覺是，如果我們生活在科幻小說里頭，克拉克第一定律要起作用了。克拉克是阿瑟·克拉克，是上個世紀科幻黃金年代最有名的科幻作家之一，他總結過科幻小說的幾條一般規律，即克拉克三定律。其中克拉克第一定律說到，科幻小說里，如果有個功成名就、德高望重的老科學家認為某件事是不可能的，那他基本上一定是錯的。我們要是生活在科幻里頭，這個肯定要起作用的。

《2001太空漫游》劇照

影片來自阿瑟·克拉克同名科幻小說

ChatGPT發展超預期

但也不意外

何君成：在我們本來的理解中，語言的某些內涵可能還是只有我們人類可以去領悟的。為什么這些語言模型能夠掌握語言的深層結構，它們的大致原理是什么？

許東華：ChatGPT的基礎是我們現在經常說的基于transformer架構的大語言模型，這一類模型的一個特點是，它很擅長根據輸入的一個個字往下預測之后的文字，預測完后再去預測下一個字。應用在聊天服務里，如果用戶先輸入一句話，模型就預測那句話之后的下一個字應該是什么，那其實就是模型要回答的第一個字。等到預測了幾段文字，模型覺得這個問題回答完了，就可以反饋給用戶。這個做法聽起來很簡單，但它就是這樣寫出大段完整流暢、緊貼上下文的文字的。它依靠的就是這種海量的網絡文字，大概幾千億單詞這種數據量，然后訓練出了幾千上萬億的這種參數的神經網絡。

LLM，大語言模型

這當然是簡單化的解釋，不過大體的工作方式就是這樣。實際上直接跟用戶打交道的系統經常會有另外一層保護，就是讓系統對同一個問題生成多個不同的答案，然后按照一定的規則打一個分，再把得分最高的那個返回給用戶；或者檢測到這個答案有一些有害的內容，也可以標注出來提醒用戶，這就是事后補救了。

這種神經網絡經過大量的人類文本的訓練，可以從單個字開始一層一層地往上發現人類語言的一些規律和結構。比如說，哪些字經常連續出現成為一個詞，哪些詞怎樣連接可以成為符合人類喜好的句子，句子怎樣組成段落，段落怎樣組成文章，諸如此類。例如，藍色這個詞，語言模型沒有感官，不像人類用眼睛能夠感知顏色，但是它知道這個詞經常用來形容大海、天空，知道它是三原色的一種，可以分成淺藍、深藍，等等。所以模型在遣詞造句用到“藍色”這個詞的時候，在非常龐大的神經網絡里頭形成了非常多的連接，可以讓它在使用這個詞的時候去遵循這個規律。

這些模型有時候還可以總結出另外一些我們意想不到的方向的規律。比如說寫詩要押韻，對模型來說它不一定知道押韻，但是它知道這個規律。我們人類經常說“熟讀唐詩上百首，不會作詩也會吟”。人工智能要讀幾十萬首詩，它差不多也能做到類似的地步。

二十年前，科幻作家劉慈欣寫過一個作詩機程序。通過這個程序，能夠寫出一些詩來。有的詩其實還挺不錯，但是看得多了就會發現，它基本上是同樣的文字、同樣的片段拼來拼去，沒有多少創造力。當時劉慈欣寫的程序用的是一些很基本的素材庫，沒有經過神經網絡的訓練。但是現在的神經網絡比他以前做的那個東西要大很多了，現在這個神經網絡作詩也比他那時候做的好得多了。

這種語言結構再往上面幾層，比如說某個人的文字風格，不光是遣詞造句的風格，甚至包括大段論述的這種整個邏輯框架，先說什么后說什么，然后說什么，最后總結什么，這些其實也都是語言結構生成的。如果語言素材庫足夠豐富，神經網絡訓練量足夠大，這些模型也都完全可能總結出來類似風格，所以模擬某個特定人物的口吻寫文章都可以惟妙惟肖。

B站up主用GPT4模擬的尼采和康德對話 @閃閃的AI頻道

總結一下，到這里為止，大語言模型的發展其實在意料之中。業內人士本來就預測說模型的素材庫足夠大，訓練量足夠多，就可能掌握整個語言的生成結構。預測中，人工智能不一定能做到這個地步，但做到了也不意外。

AI還能創造哪些“意外”？

何君成：到目前為止，像ChatGPT這樣的機器模型所體現出來的能力，哪些是業內意料之中的，哪些是意料之外的呢？

許東華：我們說到大語言模型，一般規模越大，效果就越好。比如說，它可以總結網絡上一個詞的所有定義，抽取一些共性，然后它可以用自己的語言講出來。它的表述可以跟所有詞典里的都不一樣，但是又能把這個共性講出來，這是它能夠掌握的能力，這其實都在意料之內。

真正意料之外的進展是，語言模型大了，大到一定規模以后，它會涌現出來一些我們事先想象不到的性質。“涌現”這個詞，《十堂極簡人工智能課》里有過描述，就是說一些簡單的規則能夠組合出一些我們事先想象不到的現象。像鳥的飛行軌跡，每只鳥的飛行都遵循一個簡單的規則，或者跟著前面的鳥飛，或者它自己領頭往前飛。但是這些規則組合起來以后，你可以看到，那些鳥一會兒排成“人”字，一會兒排成“一”字，對人來說是一個很有趣的陣型，這種叫作“涌現”。大語言模型達到一定規模以后，它涌現出來的一個現象叫作思維鏈，chain-of-thought。指的是在對話里頭，你給出一個大問題，模型能夠把大問題分解成一系列容易解決的小問題并解決掉小問題，最后又把它合并起來，就解決了大問題。這個是我們事先預料不到的。

還有另外一個能力叫做情景學習，learning in context。你在跟模型對話的時候給它一個新任務，你自己想出來的一個游戲或者什么的，然后你給出幾個例子，這個模型就能根據你給的例子推算出新任務的一般規律，然后你再跟他玩這個游戲，它就會跟你玩得有來有去，基本上都符合你要求的規則，這也是我們一般想象不到的。這些能力算不算語言某些更深層的結構的一種表現，這個可能會有爭議，不知道有沒有公論。但是我們事先是真的是沒想到純粹的語言模型能夠自己涌現出這樣的能力。

當然人類語言模型有很多東西跟生活經驗直接有關。比如想象我們跟一個外星種族交流，那個種族不靠視覺獲取信息，那么人類關于視覺現象的各種描繪、各種形容對他們來說沒有意義。不過有的東西可以翻譯一下，比如說“天是藍的”這句話，可以翻譯成：太陽的電磁輻射經過大氣散射落到人的眼睛里頭，電磁波以某個特定波段為主，那個波段人類語言叫作藍色。這么長一段話用來翻譯“天是藍的”這四個字。

我剛才想到我們這些針對“藍色”這個詞關聯的信息，說不定大語言模型里頭也會有類似的表達。所以我問了一下ChatGPT怎樣向一種沒有視覺的外星生命翻譯“天是藍的”這句話。它的主要回答跟我剛才說的一段話差不多。不過它還多考慮了一步，說要是外星生命連電磁波是什么都不知道，那就要看那種生命有什么感官、有什么知覺，看能不能用那些詞匯來打一些比方，這個考慮確實是比我更完整。

《E.T. 外星人》劇照

現在還有一些多模態模型的發展，我要解釋一下，我們說的多模態就是不同媒介或數據，語言文字可以算一種模態，圖像算一種模態，音頻算一種模態。現在有一些多模態模型，把各種媒介合并在一起處理，把信號都有機結合起來，也許有一天可以讓這些模型真正理解顏色是什么顏色，在什么情況下可以表達什么心情，諸如此類。那樣的話，這些模型在創作的時候，說不定也可以產生類似人類通感那樣的感覺，寫一些比較神奇的詩句。我經常舉一些例子，燃燒的雨絲、芬芳的月亮，這一類是通感句子，人類才會想出來，說不定以后機器也能想出來這些東西。

《機器人總動員》劇照

人工智能時代，

文字工作者還有未來嗎？

何君成：我們長期引以為傲的人類和人工智能最大的區別就是我們人類擁有創造力。但是許老師剛剛講的這些例子，其實并沒有為我們排除這樣一種可能性——人工智能可能之后也可以通過自己的方式創造。所以現在我們懷著非常忐忑的心情想問最后一個問題，從系統的人工智能開發的角度來看，也從您作為一個譯者，包括您自己也去做一些文字工作的角度來看，我們這樣的工作是會被人工智能替代的嗎？

陶澤慧：我們會根據自己的語言訓練，包括一些其他的生活閱歷去看待文字所傳達的思想。但是ChatGPT包括大語言模型，它并不是從這樣的角度，而是由它自己的一套文字預測體系去推演的。它不僅能夠發現以我們自己的方式去發現的規律，它還能去探索很多其他的規律，其實它能做的事情是超乎我們想象的。我昨天晚上看到一個例子，講一個人給了ChatGPT一段對話，向它提出了各種各樣的寫作建議。比如說你能不能把這段文字進行修飾，顯示出這個人有很好的教育背景；比如說能不能把他的教育背景弱化一下，能不能往里面加一些適合的臟話，諸如此類。我們覺得那種訓練有素的文字工作者，以及有很多生活經驗的文字工作者才能完成的這種語言工作，ChatGPT是完全可以完成的，而且它可能真的做得惟妙惟肖。從這樣的角度來說，我覺得我們再去設想ChatGPT能不能做文學翻譯，這個至少在它未來的發展軌道里面，已經是它肯定能完成的一個事情。

但是后來我再去回想這個問題，我覺得我們談論文學翻譯也好，談論ChatGPT也好，首先要理清一下概念。比如說我們觀念中的文學翻譯是什么，以及人工智能會怎樣去接近我們觀念中的這種文學翻譯。在我看來文學翻譯并不是說現在有一本文學的書，然后我們把它翻譯出來。其實文學翻譯，它有一種傳統指向，是一種文化的積累。過去我們通過文學翻譯能把它實現在單一的語言中，能夠擁有一個經典文學的概念，這是過去的文學翻譯做到的事情。

說到這里，我想起一個故事，講一個中國人，他是一個文學愛好者，然后他去了法國生活，邂逅了一位法國的愛人。他們倆都是文學愛好者，但是隨著關系的深入，他們發現彼此談論的文學其實不是同一個東西。比如，他們都喜歡米蘭德·昆德拉，結果中國人所談論的其實是許均翻譯出來的昆德拉，是《不能承受的生命之輕》，而他那個法國愛人其實談的是昆德拉自己用法語寫的那本書。

米蘭·昆德拉

所以從我的觀念來說，文學翻譯本身是一個蠻龐大的指向過去的文本事件，而且它過去的積累是相對靜態的。我們說的ChatGPT能不能取代文學翻譯，這種可能性其實已經被包括在它的未來發展中。但我覺得文學翻譯這樣一件復雜的事情，它被人工智能入侵的話，不會是一個一蹴而就的過程，而是會經歷很多階段，我們這一代人可能不會在歷史上迎來一個節點，說文學翻譯從此完全被人工智能取代了。

最近村上春樹出了一本新的長篇小說《城市及其不確定的墻》。如果按照國內通常的翻譯出版流程的話，我估計至少要半年到一年以上才會推出。但我猜測可能很快就會有人把它的文本塞給人工智能，然后在網上出現一個未經授權的版本，開始流傳。以現在人工智能的能力，它翻譯出來的版本會比文學譯者差一點，但是它可以得到大面積的傳播。所以我覺得在人工智能真正挑戰文學翻譯的信達雅之前——它未來肯定能夠挑戰——它可能會率先從時效性、傳播性上具有一些非常獨特的優勢，比那種“慢工出細活”的文學翻譯先行一步進入人們接受信息的場所，由此給傳統文學翻譯帶來很大的挑戰。

村上春樹及新作《城市及其不確定的墻》

許東華：我可以先總結一下，人工智能做翻譯，我們稱之為機器翻譯，其實從2017年transformer這個架構問世以后，機器翻譯質量已經提高得非常多了。現在的這個趨勢并不是從ChatGPT開始的，國外的翻譯服務像Google Translate、DeepL這些東西在ChatGPT出現之前，都已經做得非常好了。ChatGPT翻譯質量并沒有比那些服務更高，它只是應用更廣泛，但是光說翻譯的話，Google Translate跟DeepL這些其實也都很好。

從人工智能發展史來看，人工智能的第一次春天和冬天都是因為機器翻譯。最開始的時候，50年代，冷戰剛開始的時候，東西方兩大陣營都從對方收集了大量的情報資料，需要翻譯成自己的語言，所以兩邊都投入大量的資金來做機器翻譯，希望用計算機自動化地把這些資料翻譯過來。我們這本書里也說到，剛開始科學家都非常樂觀，覺得按照一些簡單語言規則來翻譯就行，結果折騰了十年發現翻譯效果非常差，短期內看不到改善的希望，于是各國政府紛紛停止投資，人工智能也進入了第一次冬天。

1954年，IBM 701計算機將60個俄語句子翻成英文

這是歷史上首次機器翻譯

后來90年代人工智能有了第二次春天，那個時候機器翻譯方法有一個范式的轉換，從傳統的基于語法規則的翻譯，轉換到基于例子或者基于統計學的翻譯。所謂基于例子的翻譯，它基本上的idea就是說我們平常可以收集到大量的已經有人類翻譯的資料，然后把它們做一些模板化處理，比如說把人名、地名、數字這些明顯經常會變化而且比較容易翻譯的東西給它抽出來，剩下的東西放到數據庫里頭，作為句式翻譯的模板。等新的句子來，如果看到是這個模板，我們就把那些人名、地名、數字新的翻譯填進去，這個句子就翻譯好了。這種方法對一些有限范圍的翻譯非常有效，像天氣預報，翻來覆去是幾十種句式，效果非常好，公司財報類似。但是更廣泛的范圍里頭，應用效果很不好，因為人類的句式千變萬化，而且同一個句子在不同語境里頭可能要翻譯成完全不同的樣子，這跟上下文都有關，所以這個在廣泛的翻譯并不好。

90年代的電腦

現在是第三次春天，基于神經網絡的大語言模型，它現在已經能夠掌握人類生成語言結構，所以機器翻譯水平比以前好得太多了。現在絕大多數翻譯任務，我覺得是可以用機器翻譯來打底，你不管用google translate或DeepL或者ChatGPT都好，用它們打一次底，然后人再來做一次潤色，這樣可能工作效率會比以前高很多，而且推往社會的速度也會快很多，我覺得出版社真的都可以考慮來這么做。

人類不一定比得上機器，

但也不一定要跟機器比

何君成：按許老師的構想來看，未來在翻譯上，以及在文學創作，甚至其他一些種類的創作上，人工智能的進步空間會大致存在于什么樣的方向？

許東華：很多寫作者有這樣的體驗：下筆之前也沒有設想會寫成什么樣子，一旦動筆進入狀態以后，一句一句巧妙的轉折、精湛的比喻，人物說的話、做的事，都是自己從筆下或者鍵盤里頭冒出來的。寫完了再看一下，會覺得很意外，事先沒有計劃，但是這些文字自己活過來了，自己出現在那里。有的作家說，寫作過程本身就是在享受創造的驚喜快感，因為每一秒都不知道下一秒會寫出什么，有的作家說，先在腦中完整構思一遍的話，反而沒有興趣寫下來，因為創造快感都享受完了。

古今中外很多作家都有類似的體驗，說得意的作品都不是刻意寫出來的，是老天爺借自己的手寫出來的。這個體驗仔細想一下，跟剛才說到的ChatGPT的工作方式也很類似。這些神經網絡很復雜，我們并不知道它生成這些文字的時候會不會覺得是創造了快感，會不會有類似人類這樣多巴胺帶來的快感，我覺得可能有某種我們還不清楚的機制，在激勵系統生成這樣一些文字。