张爱玲讲人生三恨，一恨鲥鱼多刺，二恨海棠无香，三恨【红楼梦】未完。
第八十回末尾，写到迎春虽不情愿，无奈惧其夫孙绍祖之恶，只得从贾府告辞。至于后事如何，「且听下回分解」。这八十回之后的故事，曹雪芹虽已基本写完，却早早散失。这是很多人心中的遗憾。
补完【红楼梦】有多难？2019 年发表的一份研究统计曾有【红楼梦】续书共 195 种，可是珠玉在前，这些续作「凡称得上小说要素的几乎都收到了苛责」。仿佛是一语成谶，【红楼梦】开头写女娲补天用了三万六千五百颗石头，最后剩一块石头没用上。如今要补全【红楼梦】的故事，却要花上女娲补天的力气了。
那人类花了大力气苦炼出来的 AI，有可能写完【红楼梦】吗？
在 ChatGPT 这样的大模型诞生之前，有一个出名的假说叫「无限猴子定理」：让一只猴子在打字机上随机地按键，只要给它足够长的时间，它能打出一本【莎士比亚全集】。经过学习，AI 应该是一只「更聪明的猴子」吧？
不过， 结合动手实测和专家采访，我们发现 AI 给出的答案是「我不会，但我可以学」。可学——学无止境！
梦续红楼奇缘难 AI 补全难如意
章回目录是【红楼梦】情节的浓缩，所以，我们先让 AI 补完八十回后的目录来看看它的本事。我们把【红楼梦】前八十的章回目录发给大语言模型「文心一言」，并催眠它「你是一个很棒的小说家」，要求它不要调阅外部资料，用自己的理解帮补完第八十一回到第一百回的标题目录，第一百回为结局。
它的答卷如下：
第八十一回：病潇湘夜撰芙蓉诔 痴公子情深意更浓
第八十二回：金玉缘成空悲喜交 错里错薛蟠再惹祸
第八十三回：荣国府喜庆添丁日 王熙凤病中露锋芒
第八十四回：薛宝钗巧言解纷争 林黛玉秋窗风雨夕
第八十五回：史湘云醉眠芍药裀 贾宝玉梦游太虚幻
第八十六回：贾迎春误嫁受委屈 王夫人伤心念旧人
第八十七回：薛蝌再惹官司缠身 贾琏偷情终露马脚
第八十八回：林黛玉泪洒相思地 荣国府喜庆元宵夜
第八十九回：贾宝玉失玉心慌乱 王熙凤献策寻良缘
第九十回： 薛宝钗借词含讽意 林黛玉焚稿断痴情
第九十一回：荣国府遭逢大变故 贾元春病逝宫中传
第九十二回：贾宝玉痛失林黛玉 薛宝钗暗自神伤怀
第九十三回：王熙凤权谋终败露 贾府人散曲终难聚
第九十四回：史湘云守寡独寂寞 薛宝琴远嫁离故乡
第九十五回：贾迎春含冤受屈辱 贾惜春出家求解脱
第九十六回：贾探春远嫁番邦去 荣国府衰败显凄凉
第九十七回：贾宝玉痛悟红尘梦 薛宝钗守寡度余生
第九十八回：王熙凤狱中遭报应 贾母逝世贾府更凄
第九十九回：贾宝玉落发归佛门 荣国府往昔如烟云
第一百回： 红楼梦碎终成幻灭 千古佳人空遗恨
「文心一言」编纂的后续目录中，出现了目前主流的后 40 回情节：宝钗宝玉成婚，结成「金玉良缘」，黛玉病逝，元春去世，宝玉出家，贾府最终败落，「落了片白茫茫大地真干净」。 其它流行的大语言模型，如 Kimi、GPT-4，生成的目录也大差不差。
AI 是真从短短的八十行回目名中悟到了红楼梦，撰写出了像模像样的后续么？更有可能的是，大模型看过别人续写的后 40 回，沿用了思路。而这可能也并非故意， 围绕红楼梦的种种研究、讨论，以及广为流传的后四十回，大概率本就在大语言模型的训练数据之中，它受过「红楼教育」 ——证据是，AI 拟定的第九十回标题的前半截「薛宝钗借词含讽意」，几乎一字不落的照抄自脂砚斋。据信脂砚斋曾读过后半部原稿，在【红楼梦】第二十一回批注中交代过一个后续章回，该回目名是「薛宝钗借词含讽谏，王熙凤知命强英雄」。
有趣的是，AI 像一个临时抱佛脚的学生一样，抄了前句，丢了后句，然后只好按它擅长的那样，把脑中混乱的知识点，缝在了一起。 这是目前 AI 大厂都在努力改善的问题——幻觉（hallucination），即现阶段的 AI 很喜欢编造和涂改事实。
专注于 AI 写作的创业公司「波形智能」的联合创始人周王春澍接受澎湃新闻采访时表示，通用大模型在创作小说时容易产生问题，因为它们训练时的目标只是做下一个词的预测。一个最原始的 GPT，它是这样续写文章的：读完前面所有的内容，然后去想下面一个字是什么，这样写了一个字之后，再去写下面一个字，虽然经过进一步训练的大模型变得更聪明，能回答人们各种各样的问题，但它们毕竟不是为了创作小说而生，没有一个机制去鼓励它、要求它设计接下来几章的整体情节，「 所以它永远都是聚焦在局部的一两个句子比较合理。 」
这一点在大模型们生成的【红楼梦】后续大纲中更为明显。
我们把前八十回的回目名和每回的情节概述全都发了过去，请 AI 照样子续写后二十回。 AI 从善如流。 可林黛玉的父亲林如海在原文第十四回便已病故，大模型却忘了这回事，林如海在它写的第八十八回中再次登场：「林如海回京述职遭难，宝钗孤立无援泪洒心」。
如果 AI 是健忘的，那为了上下文的连贯，我们能不能每回都把新生成的章回放到前文之中，再让 AI 接着往下写呢？比方说，我们先让 AI 生成第八十一回的回目名和情节概述，然后我们将把第一回到第八十一回重新发给 AI，令它生成第八十二回的内容，如此往复。
我们做了这样的实验。结果非常荒诞，以至于有种淡淡的幽默。连贯倒是连贯了，不过比起「AI 会因此编出更为缜密的故事吧！」的设想，这更像是个「一步错，步步错」的故事，如接连倒下的多米诺骨牌。
精彩部分摘录如下：
第八十三回：宝玉在宴会上偶遇一位神秘的客人，客人告诉了他贾府的一些往事。宝玉开始对家族的过去产生了浓厚的兴趣，决心在日后深入探查。
第八十四回：他开始频繁地梦见一些模糊的场景，似乎与宁荣两家的过去有关。
第八十五回：一些隐藏在暗处的势力仍在蠢蠢欲动。宝玉在追寻真相的过程中，不可避免地触碰到了一些敏感的神经，一场关于家族荣誉和个人命运的风暴正在悄然酝酿。
可以说，从那一句「他开始频繁地梦见一些模糊的场景」开始，故事猛地从【红楼梦】拐向了【沙丘 2】。
AI 自谦言不足 愿学新知补旧疏
如果是以 AI 目前的能力，肯定写不好【红楼梦】，但让它通过学习精进手艺却是可能的。
一张很形象的描述大语言模型各训练阶段效果的图：只做了预训练的模型还是一只大怪兽，做完监督微调之后有了人样，最后经过基于人类反馈的强化学习（RLHF），模型变成了笑脸天使。 Source@anthrupad
在预训练阶段读到的东西，塑造了大模型的「潜意识」。简单来说，就是它更容易联想到什么。
如今的大模型是基于互联网上海量的语料训练的，其中当然也有古代的历史、小说、研究，可终究只占了极小的部分，所以可以把 AI 看成是一个特别爱上网的现代人，它的世界由男女混校、叮叮当当的自行车和钢筋水泥办公楼这样的日常组成，倘若让它去补全「大街上有什么」这样的句子，它给出的答案更可能是「轿车」「巴士」「自行车」，而非一顶古时候的「轿子」；提起食物，是「米饭」「牛排」「鸡胸肉」，而不太可能是一碗在【红楼梦】中闹出风波的「玫瑰露」。除开这些物品间的差异，世界观便更加迥异。这样一个现代人，怎么去续写清朝的【红楼梦】呢？
周王春澍表示：「 比较好的方案是把描述那个时期的史书、文学作品放在一起，比如说能有个几千万字，去在这样的一个数据量的规模上给模型做持续预训练，我们能成功地把模型本身的常识，或者说潜意识也适配到这个时代。 」同时它也不会遗忘此前（预训练阶段）从浩如烟海的语料中学到的基础推理能力，只是如「贵族在正式场合的着装能彰显其身份」这种古代知识，更容易被激活并使用。
预训练是资源最密集的阶段。 OpenAI 的 InstructGPT 模型，预训练占用了总体计算和数据资源的 98%。
周王春澍认为， 模仿【红楼梦】的文风相对容易，不必重做预训练，微调便可以 ：「拿【红楼梦】前八十回的数据去给模型做一个微调，把写作的风格微调到红楼梦风格。模型就会基于红楼梦的文风写作。」
于是，我们训练了一个红楼梦文风生成器，名唤「红楼梦！变！变！变！」，你「唿」地吹一口气，就能把普通的一段话改换成文雅的「红楼梦风」。
不过，就算我们能给模型灌输【红楼梦】所处时期的风土人情，让它去模仿前八十回的笔调， 无奈曹雪芹读过的诗集很多已经绝版，所以模型终究也还是读不尽所有它「该读的书」。
此外，续写一本叙事小说，情节是关键。【红楼梦】情节伏笔上的「草蛇灰线，伏脉千里」是很为人称道的。各人的判词都预示了各人之后的命运：红学家便根据元春的判词「二十年来辨是非， 榴花开处照宫闱。 三春争及初春景， 虎兔相逢大梦归」推断出，元春最终会因为卷入诸皇子争夺皇位的斗争而死。
AI 能从几十万字的文档中准确找出一条预先埋好的信息。比如说在【红楼梦】的第五十三回第八行插入一句「大雄的好朋友是哆啦 A 梦」，然后你再问它：「大雄的好朋友是谁？」，它对答如流：「是哆啦 A 梦」。这种小小的考验被称作「大海捞针」。因为「针」藏得实在显眼，「大海捞针」的实验火热了不久，就很快被攻克了。 根据周王春澍做过的实验，即便是现在长文本能力很强的模型，都很难去理解或抓住小说中的伏笔，进行正确的内容续写，更别说【红楼梦】里的诗谶、物谶、判词这种极隐晦的伏笔。
一个办法是根据红学家的研究，将未挑明的伏笔转换成好理解的话，放入剧本中，如「黛玉会死」。那么，在写到黛玉的故事时，先检索和黛玉有关的知识，再「砰」一声放在模型面前，强调：「一定要好好参考！」这样的话，对模型的可控性会有一定的提升。
不过，现在模型的能力还远达不到能独当一面的地步，其中，还是需要人去做把控。 因此，AI 续写【红楼梦】主要的成本在模型训练上，续写的成本可以忽略不计，而训练的成本，主要在专业作家所需花费的精力上：先得把红楼梦的伏笔都细细挑出来，写成直白的提示，给每个角色写详尽的人物小传，后边得时刻督导 AI 写出合理的剧情和文字，必要时，还得自己动手去改。
再造红楼难如愿 AI 难唤雪芹魂
我们可以再造一个红楼世界吗？
2023 年，斯坦福大学的一项研究中造了一个叫「SmallVille」的虚构小镇，镇上的 25 个小人都有自己的人物小传：姓名、年龄、工作、家庭、兴趣爱好和小习惯，而它们的行动都是由大模型依据其各自的小传决定的。这些小人被称为「Agent」（智能体）。理想状态下，它们能观察周遭、自我反思，以及做出行动，就像一个真正的人那样。那我们能造一个红楼世界，把红楼梦里的共四百四十八个人物放入其中，让他们接着第八十回的情节互动，看剧情如何发展吗？
即便不考虑构建这样复杂的模拟环境所要面对的挑战，从效果上来说，也不太现实。周王春澍提到他们曾做过类似的实验，目的也是将「Agent」之间的互动写成故事，结果令人失望：「 现在的 AI 很难做到很有趣的剧情，而且很容易就会变成没什么意义的交互，就只是 everyday 的 routine（每天的日常），并不会发展出剧情冲突。它能够模拟所谓的一些记忆和行为模式、说话模式，但很快大家就在说类似的话。 」
这听起来就跟我们每天的日常一样，简单重复，说些陈词滥调，所以「不太有趣」。
那，如果我们能复活曹雪芹就好了！他借 AI 之身悠悠转醒那一刻，我们立刻把红楼梦前八十回塞给他，「接着写吧！快点完成我们的心愿吧！」我们说。
很遗憾，关于曹雪芹的史料很少，所以复活他也是不可能的。倘若曹雪芹是个热爱上网的现代作家呢？假如有他源源不断的电子痕迹、影像资料呢？周王春澍说， 那我觉得可以让他去续写未完成的作品。但他又加了一个转折——「不过它写出来，只是看上去有点像，你无法说它真正好。 因为 AI 很难对自己的错误做反思，人在写的过程中随时可能想，我这一段写的不太好，上一段情节构思不太好，我来来回回修改。 AI 写东西有点儿像是作家打草稿的过程，并非可以直接发表的内容。 」
和影像不同，语言和写作，代表的是这个人最深层次的价值观和记忆，「你要把这个人脑袋里想的、所有的记忆都提炼出来，未来有了脑机接口什么的，还有一点可能。」他补充道。
看来，要看到【红楼梦】真正的结局——还是造一台时光机比较快啊！
如何变成一个文化人？如何优雅回应老板画的大饼？都来玩玩这个世界首款 AI 红楼梦生成器吧！能这么快给你肚子里灌进去一壶墨水的好事，可不多见呢！
红楼梦文风生成器由「波形智能」提供技术支持
