RiL Podcast #012 : Cloning RiLPodcast 以 ：其實 我 哋 個 腦 都 係 電腦 嚟 㗎 。
苗 ： 係 啊 ， 肉腦 啊 ， 我 哋 係 。 苗 ： 係 啊 ， 肉腦 啊 ， 我 哋 係 。 以 ：我 哋 係 機械 人 。 靳 ：肉腦 啦 。
以 ：都 有 電 喺 裏邊 。 係啦
靳 ： 有 有 有 。 苗 ：你 啱 。 啱 啱 以 ： YES! 我 唔 係 醫生 都 可以 講到 呢 個 。 好野
[jingle]
以 ：歡迎 返到 嚟 《 絮言 ． 狂想 》 第十二 集 啊 。
我 係 以色列 。
苗 ：我 係 三秒 。
靳 ：我 係 靳尼 啊 。
以 ：噉 我 諗 呢 ，大家 一 開始 聽 呢 一集 嘅 時候 呢 ，都 應該 最 緊張 嘅 就 係 ，到底 上 一集 搞乜鬼 呢 ？
噉 …… 噉 唔 知 大家 有 冇 睇 返 我 哋 後來 Facebook 嗰 個 更新 啦 ， 噉 就 話 ， 哦 ， 其實 就 係 愚人節 嘅 一個 笑話 嚟 嘅 噉 當然 我 哋 呢 一個 嘅 笑話 ，都 非常 非常之 同 語言 有 關係 啦 。
。
。
. 我哋 都 精心 佈置 咗 好耐 嘅 。但係 我哋 而家 講下 先 啦 ，點解 會 有 呢 一個 玩 愚人節 嘅 諗頭 嘅 呢 ？ 苗 ： 噉 呢 ， 呢 個 愚人節 呢 ， 就 好多 地方 都 有 個 習俗 啦 ， 就 係 尤其 是 係 一 啲 科技 公司 啦 ， 咁 佢 哋 就 好多 時會 喺 愚人節 度 推出 一 啲 搞笑 嘅 嘢 啦 ， 或者 係 …… 唔 一定 係 搞笑 ， 或者 唔 一定 係 呃 人 嘅 ， 有時 係 一 啲 比較 …… 比較 好玩 嘅 一 啲 嘢 啦 。 譬如 Google 呢 ，即係 往年 啦 ，咁 今年 同埋 上年 都 冇 做到 啦 。 以 ：唉 。 苗 ：咁 但 係 往年 呢 ， Google 啊 、其他 公司 啊 、 Amazon 啊 嗰 啲 …… 嗰 啲 公司 呢 ，都 會 去 做 一 啲 得意 嘢 啦 。
. 。
.
. 譬如 有 一次 係 咩 …… 咩 Google Gnome 呀 ， 係 咪 啊 ？ 有個 類似 Amazon Echo 咁 嘅 物體 ， 咁 就 係 一個 地精 形狀 嘅 ， 噉 就 係 …… 就 係 你 可以 擺 喺 個 …… 擺 喺 間 屋 裏面 啊 ， 定 係 擺 喺 個 花園 度 ， 咁 樣 就 可以 幫 你 解答 問題 噉 樣 ， 嗰 啲 奇怪 嘢 囉 。
以 ：我 記得 好似 2014 年 呢 ，佢 喺 Google Maps 上面 整 咗 個 搵 寵物 小精靈 嘅 遊戲 囉 。
靳 ：啊 ，係 啊 。
以 ：之後 呢 個 就 後來 變成 咗 Pokémon Go 囉 ，係 啊 。
苗 ：哦 。
以 ：嗰 陣 時 我 冇 玩 。 係 啦 ， 好衰 啦 ， 因為 疫情 關係 而 取消 咗 愚人節 ， 連 苦中作樂 都 冇 。
苗 ：係 啊 。
以 ：咁 於是 呢 ，都 係 因為 我 哋 幾個 係 比較 鐘意 睇 科技 嘢 嘅 人 啦 ，所以 就 決定 就 學 佢 玩 下 呢啲 嘢 。 咁 我 哋 呢 一個 笑話 ，係 介乎 整蠱 同埋 笑話 之間 ，我 諗 。 咁 希望 唔 會 整蠱 得 大家 太 緊要 啦 。
苗 ：點樣 整蠱 啊 ？ 即係 聽 完 之後 ：「咦 ？ 點解 咁 垃圾 嘅 ，呢 集 ？ 」噉 樣 ，「完全 唔 知 噏 乜 啊 ！ 」靳 ：「點解 聽 唔 明 嘅 ，呢 集 ？ 」咁 樣 ，「我 科勞 唔 到 啊 ，你 講 啲 嘢 太 深 啊 」噉 樣 。
以 ：好 混淆 ，係 啊 。 我 見到 有 啲 講 廣東話 ，或者 學 廣東話 學到 咁 上下 嘅 人 呢 ，都 走 嚟 聽 ，之後 就 話 ：「啊 ，好似 返返到 去 一 開始 學 廣東話 嘅 時候 ，即係 好似 又 聽 得明 啲 字 ，但 係 又 聽 唔明 係 講緊 乜嘢 」噉 樣 。
苗 ：係 啊 ，咁 就 解釋 下 做 緊 咩 啦 。 咁 呢 一個 係 一個 完全 係 電腦 gen 出 嚟 嘅 一集 啦 。 噉 點樣 gen 呢 ，就 係 用 一個 叫做 n-gram 嘅 …… 嘅 嘢 啦 。 噉 呢 個 嘢 係 ……如果 有人 聽過 複製 陳雲 呢 ，咁 係 一個 類似 嘅 嘢 嚟 嘅 。 咁 佢 就 係 ……
靳 ：複製 陳雲 真 係 好 正 。
苗 ：噉 類似 搜集 咗 陳雲 喺 Facebook 上面 嘅 所有 嘅 post 啦 ，噉 擺落 一個 文件 度 ，然 之後 呢 ，就 再 去 用 呢啲 統計 ，咁 樣 就 睇下 每 一串 字 ，究竟 出現 咗 幾多次 呢 ？ 咁 就 計返 …… 類似 計返 一個 機率 出 嚟 。 咁 再 用 呢 一個 咁 樣 嘅 機率 呢 ，就 再 去 重新 生成 一 啲 字 出 嚟 囉 。 咁 就 可以 生成 到 一 啲 …… 一 啲 新 嘅 陳雲 文章 出 嚟 啦 ， 咁 就 係 …… 所以 就 叫做 複製 陳雲 。 咁 我 哋 呢 一個 呢 ，就 差唔多 嘅 概念 啦 。 咁 就 ……
靳 ：我 哋 複製 嘅 唔 係 陳雲 啦 。
苗 ：係 喇 。 咁 我 哋 複製 嘅 呢 ，就 係 我 哋 之前 咁 多集 嘅 逐字 稿 啦 。 噉 以色列 好 辛苦 咁 打 咗 好多好多 咁 嘅 字 啦 。 呢啲 ……有 幾多 字 啊 ？ 係 咪 ……
以 ：十七萬 字 。
苗 ：十七萬 字 喇 ，係 喇 。 好多好多 嘅 字 啦 。
靳 ：嘩 ，獨力 嘅 十七萬 字 。
苗 ： 係 啊 ， 粒粒皆辛苦 啊 。
靳 ： 真 係 。
苗 ：……嘅 十七萬 字 。 咁 呢 啲 咁多 字 呢 ，我哋 就 三個 三個 字 ，咁樣 為 一個 單位 啦 。 咁 就 去 統計 每 三個 字 ，即係 究竟 數起 上嚟 有 幾多個 呢 ？ 然 之後 再 ……我 哋 再數 嘞 。 噉 我 就 嘗試 解釋 下 呢 一個 n-gram 呢 個 嘢 係 點樣 運作 啦 。 即 係 用 一個 n-gram 嘅 叫做 language model 啦 ， 即 係 一個 語言 模型 ， 去 生成 一篇 嘢 出 嚟 ， 係 點樣 嘅 呢 ？ 咁 我 就 首先 解釋 下 咩 叫做 language model 啦 。 咁 佢 嘅 作用 呢 ，就 係 根據 一句 嘢 ，你 之前 見到 嘅 字 呢 ，就 推測 下 一個 字 係 乜嘢 。 咁 而 n-gram 呢 ，就 係 其中 一種 language model 喇 。 咁 呢 個 係 一個 比較簡單 嘅 language model ， 即 係 可能 你 讀 一 啲 比較 入門 嘅 電腦 語言學 嘅 課程 呢 ， 都 會 介紹 呢 樣 嘢 嘅 。 咁 譬如 我 哋 個 稿 裏面 呢 ，有 一句 嘢 係 「今日 天氣 好好 」咁 樣 啦 。 咁 我 哋 就 三個 、三個 字 咁 樣 去 統計 ，究竟 「今日 天 」跟住 「日 天氣 」……
以 ：「天氣 好 」
苗 ： 係 喇 ， 係 喇 。 咁 呢 幾個 字 ，究竟 出現 咗 幾 多次 啦 。 咁 一路 一路 一路 咁 樣去 統計 。 咁 如果 呢 ……因為 好 難 去 解釋 ，冇 visual 係 好 難解 釋 嘅 ，呢 樣 嘢 。
以 ：我 哋 手語 都 做到 啦 ！
靳 ：ok 嘅 ！
苗 ：係 嘞 。 噉 你 數 咗 咁 多 呢 一 啲 三個 、三個 字 之後 呢 ，咁 你 就 去 再 將 佢 變成 一個 機率 啦 。 咁 點樣 變 呢 ？ 就 係 睇 下 頭 兩個 字 。 如果 頭 兩個 字 係 一樣 嘅 話 呢 ，就 當 係 同一 group 啦 。 假設 即 係 篇 文 裏面 有 「 今日 我 」、「 今日 你 」、「 今日 去 」 咁 樣 ， 有 三組 唔 同 嘅 字 ， 譬如 「 今日 我 」 出現 咗 九十 次 ， 跟 住 「 今日 你 」 呢 ， 出現 咗 五次 ，「 今日 佢 」 出現 咗 五次 。 咁 嘅 話 呢 ，就 係 你 將 呢 幾個 數字 加埋 ，咁 就 係 一百 啦 。 咁 你 就 將 嗰 個 數目 呢 ，就 除 返 一百 。 例如 「 今日 我 」 呢 ， 咁 就 係 九十 除 一百 啦 ， 咁 就 係 0.9 嘞 。 咁 呢 個 數字 表達 緊 啲 咩 呢 ？ 就係話 ，只要 你 頭 兩個 字 係 「今日 」嘅 話 呢 ，後面 一個 字 係 「我 」嗰 個 機率 ，就 有 0.9 嘞 ，即係 90% 喇 。 咁 而 其他 字 呢 ，就 係 分別 係 5% 啦 。 即係 呢 個 例子 只 係 得 三個 可能性 ，咁 就 冇 其他 可能性 㗎 喇 喎 。 即係 「今日 」之後 呢 ，你 淨係 可以 講 「我 」、「你 」同埋 「佢 」。 咁 呢 一個 就 係 n-gram model 嘅 一個 唔 好處 啦 ，就 係 你好 難 去 …… 你好 難 去 模擬 一 啲 好 複雜 嘅 語言 。 一 啲 你 嗰 個 source 裏面 冇 嘅 嘢 囉 。 即係 一定 要 出現 過 ，你 先 可以 有 囉 。 咁 除非 你 係 有 做 咗 其他 smoothing 啊 ，類似 咁 樣 嘅 嘢 呢 ，咁 你 先 可以 即 係 解決 到 呢 個 問題 啦 ，叫做 。 噉 但 係 我 哋 就 用 咗 一個 好 簡單 好 簡單 嘅 一個 模型 ，咁 就 去 整 啲 字 出 嚟 。 咁 所以 你 見到 呢 ，聽到 嗰 啲 字 ，如果 大家 係 比較 忠實 少 少 嘅 聽 眾 呢 ，就 會 聽得出 ，係 我 哋 之前 講 過 嘅 嘢 嚟 ，全部 都 係 我 哋 之前 講 過 嘅 嘢 嚟 嘅 。
靳 ：可能 可以 搵到 係 邊 一集 講 。
苗 ：係 啊 ，係 啊 。
以 ：可以 ……係 ，可以 估下 、揾 返出 嚟 。 日光 之下 無 新事 。
苗 ：可能 成句 係 新 嘅 。 但係呢 ，如果 你 係 每 三個 、三個 字 咁樣 睇 呢 ，係 會 喺 我哋 以前 嘅 稿度 出現 過 嘅 。 係 喇 ，咁 呢 個 就 係 我 哋 做 咗 嘅 嘢 。 咁 所以 你 哋 見到 …… 你 見到 有 啲 九 唔 搭 八 ，但 係 又 好似 有少少 make sense 咁 樣 ，咁 就 因為 我 哋 就 揀 咗 三個 字 呢 一個 咁 樣 嘅 window 啦 ，就 聽 落 去 會 比較 有少少 合理 ，但 係 又 唔 知 …… 好似 唔 知 講 乜 噉 樣 。
以 ： 你 係 點樣 決定 咗 揀 三個 字 㗎 ？
苗 ：三個 字 ，其實 係 一個 ……其實 都 係 一個 choice 嚟 嘅 啫 。 因為 好多 時 ，如果 英文 嘅 話 呢 ，一 啲 真 係 會 用 呢啲 language model 嘅 人 呢 ，就 通常 最盡 係 去 到 5-gram 嘅 啫 ，最盡 係 五個 字 嘅 啫 。 咁 因為 再 多 字 呢 ，你 有 一個 ……你所需要嘅 輸入 嗰啲 字 呢 ，係 好多 好多 好多 嘅 。 即係 你好 少會 有 一 啲 好 嘅 數據 囉 。 如果 你 有 ……你 係 用 五個 、五個 字 。 如果 你 用 …… 淨 係 用 一個 字 ， 即 係 叫 所謂 unigram ，你 就 用 一個 字 。 咁 即係 其實 你 係 計緊 成篇文 有 幾多個 字 囉 ，即係 幾多個 某一個 字 囉 。 即係 譬如 有 一百個 「我 」字 ，有 十個 「佢 」字 咁樣 ，咁 呢啲 呢啲 囉 。 但係 如果 你 嗰 個 n 越 大 啊 ，你 係 bigram 、trigram 、4-gram ，一路 越 嚟 越 大 嘅 話 呢 ，你 嗰 啲 資料 就 越 嚟 越 少 囉 。 咁 所以 你 係 要 喺 嗰 個 n 同埋 你 有 嘅 輸入 資料 嗰 個 大 細 ，做 一個 平衡 。 噉 3 係 一個 好 常見 嘅 數 囉 ，就 係 。 通常 trigram 都 係 就算 係 英文 同 中文 都 係 …… 都 係 成日 出現 。
以 ：哦 ，噉 假如 你 轉 咗 做 4 嘅 話 ，會 有 咩 唔 同 呢 ？ 有 咩 後果 呢 ？
苗 ：係 喇 。 4嘅 話 呢 ，就 即 係 咩 呢 ？ 就 即 係 你 要 估下 一個 字 係 咩 呢 ，你 就 要 睇 頭 三個 字 。 你 要 睇 前 三個 字 係 乜嘢 ，你 先 可以 決定 到 第四 ，你 先 有 第四個 字 嗰 個 機率 囉 。 如果 你 嗰 個 n 越 細 呢 ，你 就 淨 係 睇 前面 更加 少 嘅 字 。 如果 你 係 bigram 呢 ，你 淨 係 根據 前 一個 字 去 推測 下 一個 字 。 即係 有 少少 似 譬如 你 打字 呢 ，如果 你 打 一 啲 比較 舊 嘅 輸入法 啦 ，佢 係 會 逐個 逐個 字 咁樣 去 類似 suggest 畀 你 ：「哦 ，下 一個 字 打 咩 好 啊 ？ 」咁 樣 㗎 嘛 。 手機 好多 時 都 會 囉 。
以 ：「舊 嘅 輸入法 」。
苗 ：係 喇 。 即係 咁 嗰啲 就係 類似 一個 叫做 bigram 嘅 model ，咁 就 係 根據 前 一個 字 ，直接 推測 下 一個 字 。 所以 你 不斷 㩒㩒㩒㩒 中間 呢 ，你 㩒 佢 推測 啲 字 呢 ，你 打出 嚟 嗰 句 嘢 ，其實 都 係 唔 係 好 make sense 㗎 ，都 係 冇 乜 意思 㗎 。
靳 ：冇 乜 意思 。
以 ：哦 ，嗱 ，咁 我 哋 廣東話 呢 ，我 哋 啲 逐字 稿 呢 ，就 係 用 方塊字 做 單位 啦 。 咁 如果 換着 係 英文 啊 ，嗰 啲 拼音 語言 嘅 話 ，咁 佢 個 做法 會 有 咩 唔 同 ，即係 會 係 都 係 用 返 一個 字 元 做 單位 吖 ，定 係 用 成個 word 做 一個 單位 呢 ？
The rest of the transcript is available to Patreon members . Join at :patreon.com/rhapsodyinlingo
