这台机器写出的诱饵比你更好

研究人员试验机器学习时，通常是为了为人类创造有用的工具。计算机的设计弥补了人类的自然缺陷：它们不会感到疲倦或压力，尤其不会夸大其词。通常，它们只关注确凿的事实和数字。但挪威开发者 Lars Eidnes 采取了相反的方法，创造了一种学习机器，旨在通过利用人类的好奇心和轻信来欺骗人类——就像现在一些人类作家所做的那样。Eidnes 构建了一个点击诱饵生成器。

如今，标题党（指标题耸人听闻但与事实不符的文章）在互联网上泛滥成灾，越来越多的媒体为了吸引读者的眼球，大大夸大或夸大了相对不重要的事件。大标题承诺列出一系列会让您震惊、高兴、鼓舞或惊叹的事情（“您不会相信……”）。

Eidnes 建立了一个神经网络，可以读取来自 Buzzfeed、Gawker、Jezebel、Huffington Post 和 Unworthy 等大众在线媒体（均被指控为点击诱饵）的大约 200 万条标题。

神经网络是解码输入之间关系的数学公式集群。因此，如果你让神经网络阅读 200 万个诱饵标题（这个过程称为训练），它就会分解哪些词与其他词相关。通过理解单词之间的关系，它能够以合理的确定性预测接下来会发生什么。

经过训练后，当要求网络造句时，它会找到并输出一个单词，然后循环回来，再次进行整个思考过程，将第一个单词作为上下文。这种架构称为循环神经网络（因为它是循环的），机器学习研究人员发现，它非常适合需要按顺序或按时间元素进行的任务。

艾德内斯的神经网络在第一次训练后对世界了解不多。它会产生这样的标题：“真正的步行加入法国萨拉约克的后座乘坐飞机”或“女演员给前女友的经济课——使用应用程序。”这些都没有多大意义。然而，在对这些信息进行几次传递后，网络说：“约翰麦凯恩警告最高法院支持生育控制改革。”

艾德内斯从数据中列举了其他几个例子，如“罗姆尼阵营：‘我认为你是一位糟糕的总统。’”

“这听起来很可疑——如果这是某个网站发布的真实标题，我一点也不惊讶，”艾德内斯在一篇详细介绍该系统的博客文章中写道。“但它并不在数据集中，甚至相差甚远。”

显然，“罗姆尼阵营”出现过 17 次，但从未与总统职位相关。而“坏总统”一词出现过一次，是马可·卢比奥说的。根据这些信息，艾德内斯写道，该网络具有某种形式的语义理解能力，可以理解政治关系。

为了进一步利用该网络，他创建了 Clickotron.com，该网站每 20 分钟更新一篇人工生成的新故事。该网站会自动在 Wikimedia Commons 中搜索相关图片，并生成一些正文。为了筛选出优质内容，Clickotron.com 有一个类似 Reddit 的投票机制。

“这为我们提供了无限的无用新闻来源，而且是免费的，”艾德内斯写道。“如果我没记错的话，经济学课上讲过，这应该会将无用新闻的市场价值降至零，迫使其他无用新闻的制作者制作其他东西。”