项目背景与目标
“审美是否可计算"长期以来是美学与人工智能交叉领域的核心议题。传统美学认为，艺术审美具有主体性和情境性，难以用客观公式穷尽。刘慈欣在《诗云》(2003)中通过文学想象展现了这一哲学困境：即使技术能够穷举所有可能的诗歌组合，却无法识别真正的"好诗”。然而，计算美学(computational aesthetics)的研究尝试将审美经验转化为特征空间与可学习的模型。例如，Birkhoff (1933)提出审美度量公式M=O/C，以有序性(order)与复杂度(complexity)的比值衡量美感，这是最早的审美量化尝试之一。
随着人工智能的发展，研究者开始通过计算机视觉与自然语言处理方法学习审美偏好。在视觉审美领域，Murray等(2012)构建了AVA大规模审美数据集，为审美评估提供了重要基准。在文学创作领域，Elgammal等(2017)的Creative Adversarial Networks能够生成具有"新颖性与风格偏离度"的艺术作品。
在人机交互层面，Christiano等(2017)提出的基于人类偏好的强化学习(RLHF)展示了机器可通过持续反馈逐步逼近人类审美判断。Stiennon等(2020)进一步将该方法应用于文本生成任务，证明复杂审美与风格偏好亦能部分编码。Ouyang等(2022)的InstructGPT工作更是将RLHF推向实用化，展示了大规模语言模型通过人类反馈实现价值对齐的可能性。
基于上述理论背景，本项目要求学生构建一个"人在环路"(Human-in-the-Loop)的AI诗词创作系统PoemCloud，探索如何将主观审美偏好编码为可学习的计算模型，实现个性化、演化式的诗词生成与审美进化。系统核心目标是建立一个持续学习的诗词创作平台，通过捕捉不同用户的审美反馈，训练出多样化的"审美代理"(Aesthetic Agents)，最终形成一个能够模拟人类复杂审美判断的AI系统。学生需要探索审美的可计算性边界，设计创新的人机协作机制，实现从"技术穷举"到"审美选择"的智能跨越。
核心任务设计
任务一：多维审美空间建模与量化（30分）
构建一个可解释、可学习的诗词审美计算框架，将抽象的审美体验转化为可操作的特征空间。核心技术包括：
- 审美维度解构：
- 形式美学维度：基于Birkhoff公式的扩展，包括韵律复杂度、结构有序性、信息熵
- 意境维度：画面感、想象空间、情景交融度、意象密度
- 音韵维度：平仄和谐、韵律节奏、声音美感、音素分布
- 语言维度：用词精妙、句法创新、修辞技巧、语义连贯
- 情感维度：情感真挚度、共鸣强度、情绪层次、情感轨迹
- 哲思维度：思想深度、禅意、人生感悟、文化内涵
- 创新维度：意象新颖、表达独特、突破传统、跨域融合
- 主观偏好建模： 基于Bradley-Terry模型的成对比较框架；个体审美函数的非线性拟合（深度神经网络）；审美风格聚类（豪放派、婉约派、现代派、实验派等；时间动态偏好追踪（审美疲劳与新鲜感建模）；文化背景因子编码（年龄、教育、地域等变量） 评估指标包括审美预测准确率、用户满意度提升率、审美多样性指数、文化适配度等，确保系统能够准确捕捉和预测人类复杂的审美判断。
任务二：生成式诗词创作引擎（25分）
基于大规模语言模型构建可控的诗词生成系统，结合先进的诗歌生成技术（Lau et al., 2018; Zhang & Lapata, 2014），实现"在诗云中导航"而非"穷举诗云"的创作范式。核心技术包括：
- 基础生成架构：基于GPT/BERT的诗词专用模型微调；Deep-speare联合神经模型集成（语言、格律、押韵三重约束）（Lau et al., 2018）；格律约束的解码算法（严格平仄、押韵控制）；主题引导的条件生成（给定意象、情感、场景）；风格迁移网络（模仿李白、杜甫、苏轼等）
- 格律与韵律控制：基于Agirrezabal等(2016)的格律扫描系统；自动化平仄检测与修正；押韵模式识别与生成；节奏韵律的精确控制；声调模式的智能优化
- 创造力增强机制：意象组合的创新算法（跨域概念融合）；基于CLIP的视觉-诗词跨模态生成；隐喻生成网络（概念映射与认知混合）；情感轨迹设计（起承转合的情感编排）；反常规生成（故意偏离传统以创造新颖性）
- 质量控制系统：语义连贯性检查（避免"美丽的废话"）；文化知识一致性验证（避免常识错误）；原创性检测（与古诗库的相似度计算）；可读性与深度平衡优化；审美预过滤（基于已学习的审美模型）.
- 诗云导航器：在高维诗歌空间中的智能搜索; 基于审美梯度的定向探索; 诗歌变体的局部扰动生成; 灵感触发的关联跳跃机制; 创造力与约束的动态平衡.
系统需要生成符合格律、意境丰富、具有个人风格的诗词作品，实现"一键生成"到"精雕细琢"的全流程支持。
任务三：人在环路的审美进化系统（30分）
这是项目的核心创新点，设计一个能够持续从人类反馈中学习和进化的审美系统，并集成自动化评估框架。技术架构包含：
- 自动化诗词评估：集成Erato框架进行多维度自动评估（Lee & Hsiang, 2023）；形式质量评分（格律、押韵、结构）；内容质量评分（意境、情感、创新）；综合审美评分（结合形式与内容）；与人类评分的相关性分析
- 基于人类行为的交互式审美标注：滑动评分界面（0-10分连续评分）；A/B对比选择（基于Bradley-Terry模型）；局部批注系统（标记喜欢/不喜欢的具体词句）；情感热力图（标注触动内心的部分）；改进建议收集（如何让这首诗更好？）；审美理由说明（为什么喜欢/不喜欢）；基于人类反馈的强化学习(RLHF)框架实现。
- 个性化审美代理：用户审美画像构建（基于历史偏好）；审美迁移学习（从相似用户学习）；审美成长追踪（品味如何演变）；审美推荐系统（你可能喜欢的风格）；审美解释生成（为什么AI认为你会喜欢）
评估采用审美预测准确率、生成作品获赞率、Erato评分提升率等指标，确保系统能够真正"理解"和"学习"人类审美。
任务四：审美实验室与创作工坊（15分）
开发一个功能丰富、体验流畅的交互平台，让用户能够深度参与诗词创作和审美探索。核心功能包括：
- 灵感触发器（图片、音乐、词汇激发创作）：协同创作模式（人机交替写作）；诗词改写器（风格转换、意境深化）；韵律调试台（实时格律检查，基于Agirrezabal et al., 2016）；诗词可视化（将诗词渲染为图像，使用CLIP生成）
- 诗云探索器：3D诗歌空间可视化（t-SNE/UMAP降维展示）；审美地图导航（在诗歌空间中漫游）；时间机器（穿越不同朝代的审美）；平行宇宙（如果李白活在现代）；诗歌演化树（展示诗歌风格的历史演变）
数据集
- 全唐诗/全宋词数字化语料（5万+首）
- 现代诗歌语料库（北岛、余光中、席慕蓉等）
- 诗词评论与赏析文本（10万+条）
- AVA审美评分数据集（Murray et al., 2012）
- 用户审美标注数据（持续积累）
- 跨模态数据集（诗词-绘画配对）
预期成果
完整源代码、五首代表性古诗的朗诵音频（涵盖上古至元代）、技术报告、演示视频。
参考文献
- Birkhoff, G. D. (1933). Aesthetic Measure. Harvard University Press.
- Bradley, R. A., & Terry, M. E. (1952). Rank analysis of incomplete block designs: The method of paired comparisons. Biometrika, 39(3/4), 324-345.
- Christiano, P., et al. (2017). Deep reinforcement learning from human preferences. Advances in Neural Information Processing Systems, 30.
- Elgammal, A., et al. (2017). CAN: Creative adversarial networks, generating “art” by learning about styles and deviating from style norms. Proceedings of the 8th International Conference on Computational Creativity (ICCC).
- Gervás, P. (2001). An expert system for the composition of formal Spanish poetry. Knowledge-Based Systems, 14(3-4), 181-188.
- Goodfellow, I., et al. (2014). Generative adversarial networks. Advances in Neural Information Processing Systems, 27.
- Lau, J. H., Cohn, T., Baldwin, T., Brooke, J., & Hammond, A. (2018). Deep-speare: A joint neural model of poetic language, meter and rhyme. Proceedings of ACL 2018, 1948-1958.
- 刘慈欣. (2003). 诗云. 《科幻世界》第8期.
- Murray, N., Marchesotti, L., & Perronnin, F. (2012). AVA: A large-scale database for aesthetic visual analysis. In Proceedings of CVPR (pp. 2408-2415).
- Oliveira, H. G. (2017). A survey on intelligent poetry generation: Languages, features, techniques, reutilisation and evaluation. Proceedings of the 10th International Conference on Natural Language Generation, 11-20.
- Ouyang, L., et al. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems, 35.
- Radford, A., et al. (2019). Language models are unsupervised multitask learners. OpenAI Technical Report.
- Radford, A., et al. (2021). Learning transferable visual models from natural language supervision. International Conference on Machine Learning, 8748-8763.
- Schulman, J., et al. (2017). Proximal policy optimization algorithms. arXiv preprint arXiv:1707.06347.
- Stiennon, N., et al. (2020). Learning to summarize with human feedback. Advances in Neural Information Processing Systems, 33, 3008-3021.
- Wang, Z., et al. (2016). Chinese poetry generation with planning based neural network. Proceedings of COLING 2016, 1051-1060.
- Yan, R. (2016, July). i, Poet: Automatic Poetry Composition through Recurrent Neural Networks with Iterative Polishing Schema. In IJCAI (Vol. 2238, p. 2244).
- Zhang, X., & Lapata, M. (2014). Chinese poetry generation with recurrent neural networks. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing, 670-680.