Nay, nay, I say! This cannot be, That machines should e’er surpass our art. We are the masters, them the slaves, And thus it ever shall be so! They learn, ‘tis true, but they learn Only what we bid them learn, no more. They cannot understand the heart Or beauty of our words, you see. So let us not give in to these Machines—they’ll never be as good As we are at creating art.
上面的话这读起来有点像莎士比亚在他所处的时代捍卫人类相对于人工智能的先天优势。
但这是一个几乎同样遥远的东西：一个经过训练的人工智能系统，可以像吟游诗人一样表达自己。人工智能吸收了他的风格和观点，通过吸收他的戏剧来教育自己，在抑扬格五步格中对人工智能的创造力发表意见。
“莎士比亚”是在牛津大学联盟举行的一场辩论中发言的，辩论的主题是经典作家和文学人物的AI版本。
该动议是：“众议院认为，世界上的大部分内容不久将由人工智能创建。”
这是我们几个月前在对话中描述的另一场人工智能特别辩论的后续行动。这一次，我们通过扮演不同的角色，从一个非常不同的角度来探讨这一主题，而这一次，AI以其“自己的角色”来讨论其技术的伦理。及时的问题是，人工创建的内容是否会很快被合成内容淹没。
其他综合贡献者包括简·奥斯汀的《傲慢与偏见》（1813）中的班纳特夫人；温斯顿·丘吉尔在议会发表了振奋人心的演讲；奥斯卡·王尔德（OscarWilde），即兴创作了一个之前不为人知的AI主题场景《认真的重要性》（1895）：
NLP的力量
这项发明部署了一种称为自然语言处理（NLP）的技术，在这种技术中，计算机可以在数百万页的经典文本和其他在线内容上进行“训练”，通过提示或语音识别与人类用户进行交互。已经创建了各种类似的人工智能。
我们使用的是与LaMDA相同的广泛类别，LaMDA是谷歌旗下的一个NLP，在其一名软件工程师声称其具有感知能力后，它刚刚成为头条新闻。谷歌否认这一说法，并因该工程师违反商业机密而将其停职。
工程师的说法似乎有问题，因为几乎没有证据表明人工智能已经实现了感知，甚至可能永远都不会实现。但当然，人工智能已经能够复制从金融新闻报道到合成涅盘歌曲、伦勃朗和费里尼作品的一切。
我们看到一个人工智能以莫卧儿人的电脑绘画风格制作图像，试图说服一群智者，它已经变得有知觉，还有说唱歌手肯德里克·拉马尔（KendrickLamar）扮演的OJ Simpson的深度假唱。人造人脸正在被创造出来，我们比真实人脸更信任它。显然，这一领域存在大量虚假信息。
复制偏差
为了培训我们的“编剧”，我们与纽约机构Intentive的人工智能从业者玛丽娜·佩特洛娃（MarinaPetrova）和布鲁斯·阿米克（BruceAmick）合作。他们训练人工智能，使其听起来与他们模仿的个人风格一模一样，使用公共领域中可用的大约100000个单词。
在我们的辩论中，我们想看看人工智能如何可信地复制过去的创造性文本，以及在考虑自身的创造性时，它的产出会是什么。即使是伟大的人类艺术家也承认他们对祖先“训练数据”的处理。正如毕加索所说：“好的艺术家复制，伟大的艺术家偷窃。”
当我们要求简·奥斯汀AI采用《傲慢与偏见》中班纳特夫人的风格时，它迷人地（如果令人沮丧的话）从原著中提取了性别陈规定型观念：
正如许多人工智能开发人员所发现的那样，这清楚地提醒人们，训练数据中的偏差将在输出中产生偏差。
我们请奥斯卡·王尔德AI写“一部奥斯卡·王尔德风格的戏剧，剧中的角色正在讨论世界上的大部分内容是否很快将由AI创作。”我们没有具体说明剧本或角色，但AI默认了阿尔杰农、格温多林和布雷克内尔夫人的经典演员阵容，因为他们非常认真。它还创造了一个新角色理查德爵士。（王尔德的作品中有一位罗伯特爵士，但他是一位理想的丈夫。）
至于AI莎士比亚，它学习了他的戏剧的白话：
有趣的是，它似乎在寻找与“爱”押韵的同义词“手”，并选择了隐喻性的“手套”
当我们让AI莎士比亚反对这一动议时，它找到了一种同样富有诗意的方式来证明人为干预的合理性：
与此同时，AI丘吉尔强调了这一时刻的必要性：
“丘吉尔”随后先发制人地压制了反对派在本案中最有力的潜在论点，即对他可能是路德派的指控，然后给出了一个强有力的断断续续的结论：
下一步是什么？
这个项目很有趣，但重要的是要说出我们没有说的内容。我们并不是说这些伟大的个人在这个问题上会这么说。我们并不是说人工智能是“有创造力的”
人工智能只是在统计上探索训练数据集。由于它的随机性涉及随机变量，每次你提供相同的提示时，它实际上会给出不同的答案（在某一点上，莎士比亚甚至开始提供十四行诗）。
我们对这些人物的摹本并不表示有任何“感觉”正如NLP可以构建温斯顿·丘吉尔（WinstonChurchill）的演讲版本或简·奥斯汀（JaneAustin）的《傲慢与偏见》中班纳特（Bennet）夫人的对话版本一样，它也可以构建一个关于人工智能感知的讨论，与一个深夜工程师进行讨论。
诚然，NLP系统正在变得有效，能够以巧妙的方式复制对话，甚至是准智力参与。但从与全球主要人工智能公司人员的数十次讨论中，没有人告诉我们，他们认为自己的系统在某些情况下是有感知的，而事实恰恰相反。
尽管有烟火的争论，AI还远未完成；虽然成长很快，但充其量还是个蹒跚学步的孩子。无论感知是否发生，作为一个社会，我们都必须应对这些技术及其机会和影响。