Google Lab Session 是我们与创新者进行的一系列实验性 AI 合作。在我们最新的 Lab Session 项目中，我们想具体探索 AI 如何扩展人类的创造力。因此，我们与获得格莱美奖的说唱歌手兼麻省理工学院访问学者 Lupe Fiasco 共同开展了一个名为“TextFX”的 AI 实验项目。
Link to Youtube Video (visible only when JS is disabled)
我们首先花时间观察和了解 Lupe 的创作过程。这一过程始终带有某种语言“修补”特色，即对语言进行解构，然后以新颖和创新的方式重新构建。Lupe 的一些技巧，如比喻和头韵，均源自传统文学手法的经典范例。但他的许多策略是独一无二的，其中一种巧妙的策略是创造与给定单词发音相同但含义不同的短语。他通过“expressway”（高速公路）一词展示了他如何实现这一技巧：
express whey（快速配送乳清）
express sway（展示影响力）
ex-press way（无新闻媒体的传播路径）
这些操作在 Lupe 的创作中发挥了关键作用。有鉴于此，我们开始思考：如何利用 AI 来帮助 Lupe 探索文本与语言的创新可能性？
当涉及将 AI 应用于语言领域时，大型语言模型 (LLM) 无疑是必然之选。LLM 是专门用于执行与语言相关任务的机器学习模型类别，其中一项用途就是生成文本内容。尽管如此，仍然存在一个问题：如何将 LLM 真正融入到 Lupe 的歌词创作工作流中。
目前存在很多不同类型的 LLM。例如，Google 的 Bard 经过微调，可以起到会话代理的作用；而另一类模型，如 PaLM API 的 Text Bison 模型，则不具备对话元素，其主要功能在于扩展或实现给定的输入文本，以生成文本。后一种 LLM 的一个显著优点在于其具备少样本学习能力。这意味着这种模型可以识别一小部分训练样本中出现的模式，然后将这些模式复制到新输入中。
在一项初步实验中，我们让 Lupe 提供更多关于其“同音异义短语”技巧的例子，然后将这些例子用来构建提示。提示是一种精心设计的字符串，旨在引导 LLM 按照特定的方式表现。我们针对“同音异义短语”任务最初设计的提示如下所示：
词语：defeat
同音异义短语：da feet（意为“脚”）
词语：surprise
同音异义短语：Sir Prize（一位名叫 Prize 的骑士）
词语：expressway
同音异义短语：express whey（快速配送乳清）
（…更多示例…）
词语：[INPUT WORD]
同音异义短语：
此提示有时会产生可接受的输出，但我们认为其仍有可提升空间。实际上，我们发现，除了示例的内容和数量之外，其他因素可能也会影响模型的输出，例如任务表述的方式、输入和输出的呈现形式等。经过多次迭代，我们最终确定了一个更优化的提示：
同音异义短语是指发音与另一个单词或短语相似的表达。
单词“defeat”的一个同音异义短语是：
da feetda feet（意为“脚”）
单词“surprise”的一个同音异义短语是：
Sir Prize（一位名叫 Prize 的骑士）
单词“expressway”的一个同音异义短语是：
express whey（快速配送乳清）
（…更多示例…）
单词“[INPUT WORD]”的一个同音异义短语是：
在成功将“同音异义词”任务编码转化为少样本提示之后，我们与 Lupe 合作，发现了更多可能通过同样的少样本提示策略来完成的创造性任务。最终，我们设计了十个独特的提示，每一个都旨在探索从给定单词、短语或概念中可能产生的创造性可能：
SIMILE - 创建关于事物或概念的比喻。
EXPLODE - 将单词拆分成读音相似的短语。
UNEXPECT - 使场景变得更出人意料且富有想象力。
CHAIN - 构建一系列语义相关的项目。
POV - 通过不同视角评估主题。
ALLITERATION - 整理以特定字母开头的相关主题词汇。
ACRONYM - 使用单词的字母来创造首字母缩略词。
FUSE - 使用单词的字母来创造首字母缩略词。
SCENE - 使用单词的字母来创造首字母缩略词。
UNFOLD - 将单词插入到其他已存在的单词或短语中。
我们能够使用 MakerSuite 快速为每个想法构建原型。MakerSuite 是一个可让用户通过交互式界面轻松构建和试验 LLM 提示的平台。
在我们最终确定了少样本提示之后，我们构建了一个应用来承载提示。我们决定将其命名为 TextFX，这个名字来源于这样一个理念：每个工具对输入文本都有不同的“效果”。就像声音特效对于声音的作用一样，只不过 TextFX 是针对文本的一种效果工具。
我们将提示保存为源代码中的字符串，并使用 PaLM API 将其发送到 Google 的 PaLM 2 模型，后者是 Google 的大型语言模型的入口点。
我们的所有提示都设计为以一个不完整的输入输出对结束。当用户提交输入时，我们会将这个输入附加到提示中，然后再将其发送给模型。模型会根据这个输入预测相应的输出。接着，我们从模型返回的响应中解析每个结果，并进行一些后期处理。最后在前端呈现输出结果。
用户可以选择调整模型的温度。这是一个超参数，大致决定模型输出中允许的创新性程度。
您可以访问 textfx.withgoogle.com 以亲自试用 TextFX。
我们还将所有 LLM 提示整合进了 MakerSuite。如果您有权访问 PaLM API 和 MakerSuite 的公开预览版，则可以使用以下链接创建自己的提示副本。如果您尚未获得上述权限，则可以在此加入等待名单。
如果您想深入了解我们如何是构建 TextFX 的，点击此处了解源代码。
如果您想尝试使用 PaLM API 和 MakerSuite 进行构建，请在此处加入等待名单。
TextFX 是一个展示如何利用 PaLM API 进行试验并构建基于 Google 尖端大型语言模型的应用的例子。更广泛地说，这种探索体现了 AI 增强人类创造力的可能性。TextFX 专注于创意写作领域，但当 AI 以协作者身份进入其他创意领域时，会产生怎样的意义呢？创作者在帮助我们设想这些可能的合作形式方面发挥着关键作用。我们希望该 Lab Session 项目能让您窥见使用 PaLM API 所能实现的可能性，并鼓励您使用 Google 的 AI 产品将想法变为现实，无论您的专业领域是什么。
如果您想探索更多类似的 Lab Session 项目，请访问 labs.google.com。