窗外的雨声淅淅沥沥，敲打着深圳城中村出租屋的铁皮雨棚。我盯着屏幕上AlphaGo对阵柯洁的棋局复盘，手里的烟灰已经积了很长一截。32岁，还在用最笨的爬虫脚本，从各个论坛和新闻站里扒内容，然后用那些狗屁不通的伪原创工具“洗”一遍。那些工具生成的句子，连起来读都费劲，更别说逻辑了。什么“今天天气很好，适合去公园散步，但是要注意防晒，因为紫外线很强，所以最好带上防晒霜”，翻来覆去就是这些车轱辘话，稍微有点经验的编辑一眼就能看出来是机器拼凑的。
但AlphaGo不一样。它下的棋，有“想法”。哪怕是最初代的版本，它的落子也已经带着某种超越人类直觉的、冰冷而高效的美感。我当时脑子里就蹦出一个极其粗暴、甚至有点疯狂的想法：如果……不是下棋，是写文章呢？如果我能搞出一个东西，不用去偷别人的内容来“洗”，而是让它自己“长”出通顺的、甚至带点逻辑的文本，哪怕只是体育快讯、天气预报、简单的产品介绍呢？那会是什么局面？
那时候草根圈子里，所谓的“文本生成”还停留在非常原始的阶段。主流是两种。一种是基于规则的模板填充，比如“{城市}今日天气{状况}，最高温度{数字}度，最低温度{数字}度”。这太死板了，稍微复杂点的场景就抓瞎。另一种就是泛滥的“伪原创”算法，核心大多是马尔可夫链。原理很简单，就是统计一个词后面最可能跟哪些词，然后随机选一个接上去。比如“今天”后面可能跟“天气”、“晚上”、“我们”，它随机挑一个。这样生成出来的东西，短句看好像还行，稍微长一点就前言不搭后语，像醉汉的梦呓。我试过用这种文章去做SEO，排名是能上去一点，但跳出率高得吓人，根本留不住人，更别提转化了。
真正的痛点就在这里。我们这些搞流量的人，本质上是在和搜索引擎对抗。搜索引擎的算法越来越聪明，它开始能识别出那些纯粹堆砌关键词、语句不通的垃圾内容。传统的“内容农场”模式，靠人工编辑或者低质量的伪原创，成本在上升，效果在下降。我需要的是规模化复制，是能一夜之间铺满成千上万个长尾关键词的“合格”内容，而不是垃圾。深度学习的NLP，自然语言处理，当时对我来说还是个非常遥远的名词。只知道学术界在搞，谷歌大脑、OpenAI那些地方在弄。但我隐隐感觉到，那才是未来。如果机器真的能理解语言的结构，甚至一点点“语义”，那它生成的东西，至少读起来是顺的。这就够了。对传统靠人力堆砌的SEO模式，这就是降维打击。
我想象着那个场景。我不再需要雇一堆廉价编辑，或者没日没夜地调试那些愚蠢的替换词库。我只需要准备好“种子”——可能是某个垂直领域的大量语料，比如汽车评测、美妆心得、旅游攻略。然后，把语料“喂”给那个我幻想中的模型。接下来，我只需要输入一个关键词，比如“10万左右性价比高的SUV”，它就能给我吐出一篇结构完整、语句通顺、甚至能自圆其说的文章。我可以批量生成一万篇，覆盖所有可能的长尾词。网站的内容库会以指数级膨胀，搜索引擎的蜘蛛会像发现新大陆一样疯狂抓取。流量会像洪水一样涌进来。
这想法让我在潮湿的夜里兴奋得有点发抖。但下一秒，冷水就浇了下来。钱呢？技术呢？深度学习需要海量的数据、强大的算力，那都是烧钱的东西。我一个草根站长，连个像样的服务器都租不起，去哪搞这些？难道要去学TensorFlow？看那些天书一样的论文？光是想到要搭建环境，调试那些依赖库，我就头大。当时的心态很矛盾，一边是看到巨大商业可能的狂热，另一边是面对技术高墙的深深无力感。我知道方向可能对了，但我手里只有一把锈迹斑斑的锄头，面前却是一座需要炸药才能炸开的山。
也许……可以先从最简单的开始？不用搞什么真正的“理解”，能不能先让句子更通顺一点？把马尔可夫链升级一下？或者，去扒那些研究机构公开的、小型的预训练模型？哪怕效果差点，只要能比现在的伪原创工具强上一个档次，在草根圈子里就是核武器。
雨好像停了。我掐灭烟头，在凌乱的桌面上翻找着，想看看有没有哪篇博客、哪个论坛的帖子，提到了“文本生成”和“深度学习”结合的具体实现，哪怕只是一个概念验证的代码片段。我知道这条路很难，可能根本走不通。但那种“成为操作机器的人”，而不是被机器和低效流程奴役的诱惑，实在太强烈了。
未来，内容生产一定会被机器接管一部分。而且是最枯燥、最重复、最需要规模的那一部分。我必须想办法，挤上那趟车。哪怕现在只能扒在车厢外面，也比被彻底甩下要好。
