这款“狗屁不通”文章生成器火了，效果确实比GPT 2差太远

整理 | 夕颜

出品 | AI科技大本营（ID:rgznai100） 

【导读】最近，一个名字相当接地气的“狗屁不通”文章生成器（BullshitGenerator）火了，截至目前 GitHub 上 Star 数已超过 3200，还上了微博热搜。这个神器可以生成各种各样奇葩文章，比如领导专用“彩虹屁”万字长文。只有你想不到，没有这个神器写不成的文章。但是，生成的文章确实也是“狗屁不通”。这次我们就来解读一下，这个生成器是怎么运行的，以此为例，延展探讨一下文本生成未来还有哪些改进的方向。

话说，BullshitGenerator 这个项目最初起源于知乎上一位网友的提问：“学生会退会申请六千字怎么写？”，本来很简单的一个问题，但是回答中很多跑偏题的，于是本项目的贡献者之一表示看不下去了，并“随便写了个项目”：狗屁不通文章生成器，帮助这位同学写了一篇退会申请。

用 Python 生成的这篇文章长这样：

由于下拉十多下没滑到底，让人失去了截全图的耐心，文章也实在看不下去，因为它真的是一篇逻辑不通的 bullshit。

AI科技大本营（ID:rgznai100）也用这个生成器尝试了几个大家都会思考的主题，比如：

试完之后笔者发现，文章本身是没什么探讨的必要性了，不信你可以自己试试：

生成器地址：https://suulnnka.github.io/BullshitGenerator/index.html

但是关于生成器的工作原理，相信很多人是比较感兴趣的。

运行原理是什么？

据贡献者介绍，本项目最初的目的是用于中文文字 GUI 开发时测试文本渲染，用 Python 3 版本写成，目前共有 7 位贡献者。 

鉴于目前 AI 用于文字生成非常流行，这个项目是否也用到了 AI 相关算法呢？答案是否定的，作者表示，BullshitGenerator 没有用到任何自然语言处理相关算法，只是简单地撸代码就可以达到效果。

那 BullshitGenerator 运行的原理是怎样的？AI科技大本营采访了CSDN博客专家@小宋是呢进行解读：

“狗屁不通生成器”是一个文本生成器，用来生成一些中文文字用于 GUI 开发时测试文本渲染。由于此项目的目的只是用于 GUI 开发时测试文本渲染，所以对文本的连贯性和含义要求不高，这也就是“狗屁不通”的含义了

if __name__ == "__main__":
   xx = input("请输入文章主题:")
   for x in xx:
       tmp = str()
       while ( len(tmp) < 6000 ) :
           分支 = random.randint(0,100)
           if 分支 < 5:
               tmp += 另起一段()
           elif 分支 < 20 :
               tmp += 来点名人名言()
           else:
               tmp += next(下一句废话)
       tmp = tmp.replace("x",xx)
       print(tmp)

 

从源码中可以看出，生成文本的方式就是从本地读取到的文本中按照一定规律随机读取，并且替换掉文本中“x”为指定的主题文本，并未使用深度学习方法。不难发现，生成的文本会存在句子不连贯、重复性高的特点。

是否能与 GPT 2 结合？

issue 中有人发表了对这个项目的评价：

可以看到，大家对这个项目的评价还是以正面居多。其中，有人提到了希望与 GPT 2 进行整合：

很快有人对这个想法提出疑问，比如算力的问题。那么，BullshitGenerator 与 GPT 2 整合的想法可行吗？或者是否有必要？@小宋是呢给出的看法如下：

个人觉得“狗屁不通生成器”与“GPT”结合意义不大，这两个项目的目标和特点差异很大。“狗屁不通生成器”是为了快速用来生成一些中文文字用于 GUI 开发时测试文本渲染，而“GPT”文本生成器目标是生成高质量连贯文本，“GPT”的特点是模型大速度慢质量高，并不满足“狗屁不通生成器”的设计需求。 

GPT 2 是 OpenAI 推出的一个中文生成模型，由加拿大工程师 Adam King 制作的网站上，任何人都能调教简化版的 GPT-2，它能够识别从新闻、歌词、诗歌、食谱、代码的各种输入，甚至还为《复仇者联盟》写了一个细节丰富的续集，内容可读性相当高。

令人振奋的是，这个史上最强的 NLP 模型今天正式全部开源，OpenAI 正式放出了 GPT 2 的最后一部分代码。

开源地址：https://github.com/openai/gpt-2。 

作为 GPT 2 分段发布中的最后一轮，此次公开的完整 GPT-2 包含 15 亿条参数，其中包含用于检测 GPT-2 模型输出的全部代码及模型权重。

当然，关于 GPT 2 的讨论仍在继续，比如它的实用性，生成假新闻被滥用引发的安全问题等，都是后续还有待改善的关键点。

此外，GPT 2 还有一个中文版本，相比之下，GPT2 与 BullshitGenerator 不同之处在于前者使用了 BERT 或 BPE 编译器，但同样不需要算法基础，只要简单 clone 运行即可，技术上的实现难度更大一些。

“GPT”是比较标准的自回归语言模型了，Transformer 出现前都是通过 RNN 的方法，之前比较火的“CharRNN”深度学习作诗与作曲都属于这个范畴。“GPT”将 Transformer 替换了 RNN，使得提取特征的能力与运算速度都得到很大提升，当然使用大规模数据训练模型也是“GPT”效果好的一个重要因素。

相较于“GPT”，“狗屁不通生成器”实现就简单很多，主要代码就几十行，基本上只用到了Python 编程技术。体现在文本的连贯性和含义上，虽然生成文本的质量不高，但它也满足了生成一些中文文字用于 GUI 开发时测试文本渲染的要求。

GPT2 中文项目：https://github.com/Morizeyao/GPT2-Chinese 

文本生成的未来

GPT 2 的横空出世让大家看到了 AI 在文本生成方面的潜力。正如 Open AI 官博所说，虽然 GPT 2 还面临检测等方面的挑战，但它的潜力还很大， Open AI 表示，未来这个模型还将继续进行改进，他们期望语言模型能够在性能上有更大的提升，以此提供更高的输出质量和准确性。

BullshitGenerator 项目也公布了下一步计划:

1. 防止文章过于内容重复

2. 加入更多啰嗦话.

3. 加入马三立<开会迷>里的内容

4. 加入手写体直接渲染出图片的功能(仅仅用于测试本人的打印机是否工作正常, 请勿做它用).

大胆设想一下，日后类似于 BullshitGenerator 这样的文本生成器将进一步改进，那么是否在没有 AI 算法的参与下，仅凭简单的代码就能够生成高质量的文本（虽然可能性几乎为零，但如果可以实现将是颠覆性的成果）？从另一个思路来讲，以 GPT2 为代表的 NLP 模型现在已经可以生成以假乱真的文本，未来又该如何克服目前的挑战，生成更高质量的作品，同时能够保证安全？是否未来有一天，文本生成技术或许真的会取代一部分人类的工作？这些问题都值得深思。

本文特邀专家：小宋是呢 @CSDN博客专家&知乎深度学习专栏作家（微信公众号 ID:aideepmiss）。在校前两年半时间，获得省级一等奖（以上）奖项十次，毕业时，第一作者授权实用新型&发明专利共计二十余项。

目前研究方向：自然语言处理与自动语音识别、图像识别与自动检测、图神经网络与推荐系统。

（*本文为AI科技大本营原创文章，转载请微信联系 1092722531）

◆

精彩推荐

◆

12月6-8日，深圳！2019嵌入式智能国际大会，集聚500+位主流AIoT中坚力量，100+位海内外特邀技术领袖！9场技术论坛布道，更有最新芯片和模组等新品展示！点击链接或扫码，输入本群专属购票优惠码CSDNQRSH，即可享受6.6折早鸟优惠，比原价节省1000元，学生票仅售399元。

推荐阅读

你点的每个“在看”，我都认真当成了AI