Чи може AI навчитися формувати контур історії?

Я знаю, що одним із останніх примх зараз є підготовка нейронної мережі для створення екранізацій та нових епізодів, наприклад, Друзів чи Сімпсонів, і це добре: це цікаво і може бути необхідними першими кроками до створення програм, які можуть насправді генерувати розумні / зрозумілі історії.

Чи можуть у цьому контексті нейронні мережі бути навчені спеціально вивчати структури сюжетів чи екранізацій та, можливо, генерувати сюжетні точки, або кроки в Подорожі героя тощо, ефективно писати контур для розповіді?

Для мене це відрізняється від багатьох безлічі генераторів сюжетних точок в Інтернеті, хоча я маю визнати подібність. Мені просто цікаво, якщо технологія чи впровадження ще є, і якщо вони є, як можна це робити.

Наскільки мені відомо, цього ще не було зроблено.

Я бачу з цим кілька проблем. Нейронна мережа - це в основному класифікатор, який відповідає вхідному виходу. І вхід, і вихід зазвичай є числовими значеннями, хоча вони можуть бути узгоджені з поняттями або словами.

Для тренування мереж NN ви надаєте відповідно кодований вхід та відповідний вихід. NN вивчає асоціації між ними, а потім може відповідно класифікувати невидимий вхід. Це нещодавно використовується для перетворення зображень у певному стилі тощо.

Якими були б вхід та вихід для створення екранізацій? Ви можете використовувати попередні сценарії як вхідні дані, але яким буде вихід? Можливо, це можуть бути якісь розповідні "ходи". Таким чином, ви могли б навчити НН розпізнавати елементи розповіді за сценаріями.

Однак ви все одно нічого не створюєте, а просто розпізнаєте речі. Вам знадобиться інший вклад. Я здогадуюсь, ви могли б навчити НН на "Сімпсонах", отримати структуру розповіді, а потім представити її епізодом "Друзі" і подивитися, що станеться. Це не буде новим епізодом сценарію.

Навпаки, це може спрацювати: ви подаєте їм розповідні рухи (своєрідний скелет історії) і вийдете сценарій. Але знадобиться чимало (людського) після редагування, щоб бути взагалі корисним.

Я думаю, що NN - це неправильний інструмент для використання тут. Була проведена робота над створенням історій та сценаріїв, навіть у перші дні ШІ. Але все це базувалося на символічному AI, а не на виду ML, який, схоже, наразі стає модним . Подивіться на веб-сайт Джеймса Райана ; нещодавно він написав огляд історичних підходів до покоління сюжетів (і сценаріїв).

Покоління історії можливе лише за умови виконання певних передумов. Це означає, що неможливо тренувати нейронну мережу безпосередньо, щоб вона генерувала змову. Найпростіший крок перед цим - лише розібрати існуючі історії. Для цього використовується семантична модель для зберігання знань про історію. Такі моделі кодуються онтологіями, пов'язаними даними та мовами дій, як GOLOG.

Поверх семантичної моделі відбувається конкретна історія. Це означає, що в онтології визначено, що в сюжеті знаходяться дві людини, а конкретна історія заповнює слот іменами та атрибутами. Те, що нейронні мережі здатні зробити, це проаналізувати ці відповідність. Це означає, що приклади історії відображаються на прикладі онтологій, і нейронна мережа може передбачити це рішення, вивчаючи з прикладних даних.

Відомий приклад автоматичного генерування сюжетів у грі - « Фасад». Він пропонує не нейронну мережу, а семантичну модель. Нейронна мережа може бути навчена взаємодії користувачів з Facade і здатна передбачити, що користувач і сюжет будуть робити далі.

Економіка, що впливає на розбір питань

Легко випадково помилково перечитати це питання як практичне запитання, а не питання доцільності.

Чи можливо AI пройти навчання за літературною історією / структурою, щоб створити їх?

$\Large\ne$

Хтось тренував систему AI на літературній історії / структурі, щоб створити їх?

Фразеологія економічного впливу

Також легко сплутати більш широкі ІІ-дослідження з вузькою сферою машинного навчання просто тому, що пізніше - теперішній фокус економічної діяльності. Питання використовувало термін примха , але машинне навчання, ймовірно, триватиме довше, ніж технологія.

Чи можливо AI пройти навчання за літературною історією / структурою, щоб створити їх?

$\Large\ne$

Чи можливо проведення досліджень AI призвести до автоматизованого генерування літературної структури історії?

Соціально-економічні тенденції в авторських методах

Створення фільмів, включаючи сценарій, - це мистецтво. Ми знаємо, що популярне мистецтво виникає з нових і незвичних методів.

• Поллок кинув фарбу зверху на горизонтальне полотно.
• WaveNet навчається створювати симфонічну музику.
• Теми фільмів зі стохастичними структурами та значеннями розвивають культ наступним чином.

Розвиток складних взаємозв'язків персонажів, їх почуттів, переходів їх у переконаннях, онтологічних питань індивідуального призначення та того, як це стосується іншої людини, сім'ї, нації, світу чи якогось принципу, що їде над людством, - це не машинне навчання проблема.

Позаду поставленого тут питання є основним викликом природи AI, а не питанням алгоритму чи конвергенції.

Чи може комп'ютер виробляти те, що може виробляти людський розум?

Розмірковуючи над цим питанням, зрозуміло, що підготовка казкаря - це не операція, яка бере на себе тензор, а очікуваний тензор на виході. Нинішній бум машинного навчання не розробив жодної системи інтелектуальних агентів, яка могла б створити те, що літературний експерт вважав би надзвичайно проникливою історією. Стільки певного.

Тенденція в академічних публікаціях видається сильним підтвердженням твердження лабораторії MIT AI під Мінським, що будь-яке питання техніко-економічного обґрунтування поступиться місцем новій новій методології чи переформулюванню, поки все не буде доведено здійсненним і все буде реалізовано в LISP (зараз в Python або обтікання Java Java та керування деяким кластером апаратного прискорення). Чи буде ця тенденція більшою мірою переоптимізмом, який ми бачили раніше в ШІ, чи просто питання часу, ми побачимо.

Ми також побачимо, що генератори сюжетних точок замінюють сценаристів, і врешті-решт, всю студійну систему, включаючи покоління зірок та вечірок, до яких вони ходять, та журнали, які псевдо-знущаються над своїм життям для створення статусу зірки, можна просто імітувати. Це було б не першою налагодженою та прибутковою сферою роботи, яка була повністю усунена за рахунок прогресу технологій.

Багатьом також трапляється, що може відбуватися ретроспективність, як культурна, як повернення до відра, так і монотонна після збільшення популярної музичної витонченості в 1970-х або щось більш екстремальне, як масове поява бомбардувальників Uni. Нам також доведеться почекати і побачити про це теж.

Що здається певним, це те, що дослідження продовжуватимуть штовхати конверт, а технології продовжуватимуть змінювати навіть світ літератури та розповіді. З'являться нові розширення Імітаційної гри Алана Тьюрінга: "Чи можуть випробовувані розповісти, які фільми мають людський сценарій, а які штучно написані?"

"Це справжні людські зірки, чи вони породжуються зірками, які грають цих генерованих персонажів у створених історіях?"

2018 рік став знаменним у створенні першого роману AI Росса Гудвіна, який називався 1 Дорога . Вся сировина генерувалася за його програмою.

В ідеалі, так. В ідеалі, тому що мережу слід живити словами цілої книги (яка варіюється близько 100 клів). Маючи гіпотетичну кількість процесорної потужності, ви зможете просто навчити мережу NN, як тисячі книг. Можливо, можна навчитися з квантовими комп'ютерами .... хто знає ...

Що стосується менших історій, я вважаю, що головна проблема полягає в тому, щоб знати, в якій «формі» повинна породжуватися історія. Тому що, якщо вона просто виводить деякі слова, то перше, що мережа повинна бути здатна зробити, - це говорити, це означає, що модель повинна еволюціонувати з перевіреної моделі NLP, і (з того, що я знаю) у нас все ще є деякі проблеми з цим.

Отже .... Я дійсно вважаю, що щоб робити такі речі, слід змінити підхід, який ми застосовуємо для того, щоб НН навчатись. Той факт, що люди існують, доводить, що генетичні алгоритми працювали б на 100%. Але ми, очевидно, не маємо 3+ мільярдів років, щоб еволюціонувати "мозок" з нуля, тому ми використовуємо алгоритми навчання: ми змушуємо їх вчитися чомусь.

Але повернемось до питання: люди роблять багато роботи, думаючи, який результат обрати. Щоб просто зробити так, щоб сітка породила результат, не наслідуючи людей, було б просто вибрати випадковим чином деякі аспекти цього результату. Наприклад, випадково обраним результатом може бути "результат: Денніс помирає, Морті вбиває Емінема, сумний наук, щастя, кінець". Це означає, що NN або будь-яка модель ML фактично не дає результату для історії. Насправді, це те, що він робить, це з'єднати деякі згенеровані «контрольні точки» щодо цієї історії. Насправді, ви можете навчити модель генерувати контрольні пункти, але це лише випадкова ідея у новачка, тому я не маю поняття, як реально це реалізувати.

Я італійський btw, вибачте за мою англійську :)

Відповідь - так, AI можна навчити писати навіть цілу історію. Я просто хочу сказати тобі, що AI вже зробив щось навіть складніше, ніж генерувати історію. Я говорю про це в кінці свого пояснення.

Усі посилання моїх пояснень ведуть до зовнішніх джерел, які я знайшов, ви можете перейти до їх перевірки. Без жодних додаткових дій, ось основні причини, по яких я думаю, що ШІ можуть створити контур історії:

1. ШІ справді добре розпізнають зразки та створюють речі, схожі на інші. Дивно, але в сюжетах багато моделей . Історії завжди структуровані, тому ця частина не є справжньою проблемою. Існує чудова Вікі про сім основних сюжетів .
2. Але навіть якщо AI може створити гарну структуру історії, чи може це зробити історію привабливою? Ну, це залежить від того, наскільки великий "мозок" ШІ. Оскільки виявляється, що чим більше нейронів і синапсів у ШІ, тим більше він може "зрозуміти" людську мову чи емоції. Отже, якщо у ШІ є достатньо великий мозок, він може генерувати речі, які мають сенс. Ось найкращий приклад того, як ШІ здатний генерувати людиноподібні речі: https://ai.googleblog.com/2020/01/towards-conversational-agent-that-can.html .

Щодо того, я думаю, що дані про навчання не є незначними. Отже, щоб мати можливість тренувати такий ІС, нам потрібно багато прикладів. Це можливо, оскільки екрани фільмів є загальнодоступними, і їх може завантажити будь-хто. Отже, AI може легко дізнатися з цієї величезної кількості екранів. Ось кілька прикладів веб-сайтів, на яких ми можемо отримати екранізацію фільмів: https://stephenfollow.com/resource/sites-to-find-movie-scripts/ , https://www.simplyscripts.com/movie-screenplays.html .

Після цього нам просто потрібно відформатувати дані, щоб ми могли надати їх нашому AI. На мою думку, цілком можливо зробити хороший AI, який пише хороші історії, тому що Google вже зробив щось подібне. Я думаю, що чат Meena , створений Google, є доказом того, що AI може навчитися набагато більше, ніж просто розпізнавання шаблонів.

Наскільки я знаю, ще немає такої системи, як ви описуєте. Однак є декілька цікавих підходів до наративної розвідки, які можна знайти на веб- сайті Лабораторії наративної розвідки Університету Нового Орлеана: https://nil.cs.uno.edu/

Сподіваємось, вони можуть бути корисними у керуванні глибоко вивченим підходом до проблем генерації наративу.