Czy sztuczną inteligencję można wytrenować, aby generowała zarys historii?
12
Wiem, że jednym z ostatnich trendów jest trenowanie sieci neuronowej w celu generowania scenariuszy i nowych odcinków, np. Przyjaciół lub Simpsonów, i to dobrze: jest interesujące i może być niezbędnym pierwszym krokiem w kierunku tworzenia programów, które mogą generować sensowne / zrozumiałe historie.
W tym kontekście, czy sieci neuronowe mogą być szkolone specjalnie do studiowania struktur opowieści lub scenariuszy, a może generowania punktów fabularnych lub kroków w Podróży Bohatera itp., Skutecznie pisząc zarys opowieści?
Dla mnie różni się to od wielu niezliczonych generatorów punktowych w Internecie, chociaż muszę przyznać, że są podobne. Jestem tylko ciekawy, czy technologia lub implementacja jeszcze tam są, a jeśli tak, to w jaki sposób można to zrobić.
O ile mi wiadomo, nie zostało to jeszcze zrobione.
Widzę w tym kilka problemów. Sieć neuronowa jest w zasadzie klasyfikatorem, który dopasowuje dane wejściowe do wyjściowych. Zarówno dane wejściowe, jak i wyjściowe są zwykle wartościami liczbowymi, chociaż można je dopasować do pojęć lub słów.
Aby trenować NN, podajesz odpowiednio zakodowane dane wejściowe i odpowiadające im dane wyjściowe. NN uczy się powiązań między nimi, a następnie może odpowiednio klasyfikować niewidoczne dane wejściowe. Zostało to ostatnio wykorzystane do przekształcenia obrazów w określonym stylu itp.
Jakie byłyby dane wejściowe i wyjściowe do generowania scenariuszy? Możesz użyć poprzednich skryptów jako danych wejściowych, ale jaki byłby wynik? Być może mogą to być jakieś ruchy narracyjne. Abyś mógł nauczyć NN rozpoznawania elementów narracji na podstawie scenariuszy.
Nadal jednak nic nie tworzysz, a jedynie rozpoznajesz różne rzeczy. Będziesz potrzebował trochę innych danych wejściowych. Myślę, że możesz wytrenować NN w „The Simpsons”, zdobyć strukturę narracji, a następnie przedstawić jej odcinek „Przyjaciół” i zobaczyć, co się stanie. Nie będzie to jednak nowy odcinek scenariusza.
W drugą stronę może działać: karmisz ją ruchami narracyjnymi (rodzaj szkieletu opowieści) i wyciągasz skrypt. Ale by to się przydało, potrzebowałoby dużo (ludzkiej) post-edycji.
Myślę, że NN jest niewłaściwym narzędziem do użycia tutaj. Wykonano prace związane z tworzeniem historii i scenariuszy, nawet w początkach AI. Ale wszystko to opierało się na symbolicznej sztucznej inteligencji, a nie na rodzaju ML, który wydaje się obecnie modny . Zajrzyj na stronę Jamesa Ryana ; ostatnio napisał przegląd historycznych podejść do generowania historii (i scenariusza).
„Hollywood” notorycznie nie lubi ryzyka i preferuje formułę, więc podejrzewam, że generowanie formalnych treści nie będzie wielkim wyzwaniem. Podejrzewam, że GAN będą częścią układanki.
DukeZhou
0
Generowanie historii jest możliwe tylko wtedy, gdy spełnione są pewne warunki wstępne. Oznacza to, że nie jest możliwe bezpośrednie szkolenie sieci neuronowej, ponieważ wygeneruje ona wykres. Łatwiejszym krokiem jest tylko parsowanie istniejących historii. W tym celu stosuje się model semantyczny do przechowywania wiedzy o historii. Takie modele są kodowane za pomocą ontologii, powiązanych danych oraz w językach akcji, takich jak GOLOG.
Na szczycie modelu semantycznego ma miejsce konkretna historia. Oznacza to, że w ontologii jest zdefiniowane, że dwie osoby są w fabule, a konkretna historia wypełnia miejsce nazwiskami i atrybutami. Sieci neuronowe są w stanie przeanalizować te dopasowania. Oznacza to, że przykładowe historie są mapowane na przykładowe ontologie, a sieć neuronowa może przewidzieć tę decyzję, ucząc się na przykładowych danych.
Słynny przykład automatycznego generowania historii w grze to Fasada Nie zapewnia ona sieci neuronowej, ale model semantyczny. Sieć neuronowa może zostać przeszkolona w zakresie interakcji użytkownika z Facade i jest w stanie przewidzieć, co zrobi użytkownik i fabuła.
Łatwo jest przypadkowo błędnie odczytać pytanie jako pytanie praktyczne, a nie wykonalne.
Czy możliwe jest przeszkolenie sztucznej inteligencji w zakresie historii / struktury literackiej w celu ich wygenerowania?
≠
Czy ktoś wyszkolił system sztucznej inteligencji w zakresie historii / struktury literackiej, aby je wygenerować?
Ekonomia wpływająca na frazeologię pytań
Łatwiej jest także pomylić szersze badania nad sztuczną inteligencją z węższym obszarem uczenia maszynowego, ponieważ późniejsze jest głównym celem działalności gospodarczej. W pytaniu użyto terminu moda , ale uczenie maszynowe prawdopodobnie przetrwa dłużej niż moda.
Czy możliwe jest przeszkolenie sztucznej inteligencji w zakresie historii / struktury literackiej w celu ich wygenerowania?
≠
Czy badania AI mogą prowadzić do automatycznego generowania struktury literackiej opowieści?
Tendencje społeczno-ekonomiczne w metodach autorstwa
Tworzenie filmów, w tym pisanie scenariuszy, jest sztuką. Wiemy, że sztuka popularna wyłania się z nowych i niezwykłych metod.
Pollock zrzucił farbę z góry na poziome płótno.
WaveNet jest szkolony do generowania muzyki symfonicznej.
Tematy filmowe o stochastycznych strukturach i znaczeniach rozwijają kult.
Rozwój wyrafinowanych wzajemnych relacji między postaciami, ich uczuciami, ich przemianami wiary, ontologicznymi pytaniami o indywidualnym celu i ich relacjami z inną osobą, rodziną, narodem, światem lub jakąś zasadą ponad ludzkością nie jest uczeniem maszynowym problem.
Za pytaniem tutaj postawionym pytanie wykonalności, a nie pytanie o algorytm lub zbieżność, stanowi podstawowe wyzwanie AI dla natury.
Czy komputer może produkować to, co potrafi umysł ludzki?
Myśląc o tym pytaniu, jasne jest, że trening gawędziarza nie jest operacją wymagającą tensora na wejściu i oczekiwanego tensora na wyjściu. Obecny boom uczenia maszynowego nie rozwinął żadnego systemu inteligentnych agentów, który mógłby wygenerować to, co ekspert literacki uznałby za niezwykle wnikliwą historię. To jest pewne.
Trend w publikacjach akademickich wydaje się silnym potwierdzeniem twierdzenia laboratorium MIT AI pod rządami Minsky'ego, że jakikolwiek problem wykonalności ustąpiłby pewnej nowej metodologii lub przeformułowaniu, dopóki wszystko nie okaże się wykonalne i wszystko zostanie zrealizowane w LISP (teraz w Pythonie lub Java owijające C i kontrolujące jakiś klaster akceleracji sprzętowej). Czy ten trend będzie bardziej nadmierny optymizm, co widzieliśmy wcześniej w AI, czy tylko kwestią czasu, zobaczymy.
Zobaczymy też, jak generatory punktów fabularnych zastępują scenarzystów, a ostatecznie cały system studia, w tym generowanie gwiazd i imprez, na które chodzą, oraz czasopisma, które pseudo-kpią z ich życia, aby wygenerować status gwiazdy, można po prostu symulować. Nie byłby to pierwszy dobrze ugruntowany i lukratywny obszar pracy, który zostałby całkowicie wyeliminowany przez postęp technologiczny.
Wiele osób zdaje sobie również sprawę z tego, że może nastąpić zwrot, albo kulturowo, jak powrót do wiader i monotonia po wzroście popularnego muzycznego wyrafinowania w latach siedemdziesiątych, lub coś bardziej ekstremalnego, jak masowe pojawienie się bombowców Uni-bombowców. Musimy też poczekać i się o tym przekonać.
Wydaje się pewne, że badania będą nadal przesuwać granice, a technologia będzie zmieniać nawet świat literatury i opowiadania historii. Pojawią się nowe rozszerzenia gry imitacji Alana Turinga: „Czy badani mogą stwierdzić, które filmy mają ludzkie teksty i które zostały sztucznie napisane?”
„Czy te prawdziwe ludzkie gwiazdy czy generowane gwiazdy grają te wygenerowane postacie w wygenerowanych opowieściach?”
Duża część tej odpowiedzi jest rozsądna i zasługuje na większą uwagę. Ale co oznacza „Pytanie wpływające na ekonomię ...”? Czy mógłbyś to wyjaśnić, być może pomogłoby trochę inne sformułowanie, ponieważ dla mnie jego czytanie wygląda na nonsens lub celowo zaciemniający termin techniczny, który sprawia, że czuję, że nie rozumiem odpowiedzi. . . a może po prostu żart, którego nie rozumiem?
Neil Slater,
0
Rok 2018 był niezwykły w tworzeniu pierwszej powieści AI autorstwa Rossa Goodwina zatytułowanej 1 the Road . Cały surowiec został wygenerowany przez jego program.
Idealnie tak. Idealnie, ponieważ sieć powinna być zasilana słowami całej książki (które różnią się około 100 000 słów). Przy hipotetycznej mocy obliczeniowej powinieneś być w stanie poćwiczyć NN z tysiącami książek. Możliwe jest szkolenie z komputerów kwantowych ... kto wie ...
W przypadku mniejszych opowiadań uważam, że głównym problemem jest wiedzieć, w jakim „kształcie” historia powinna zostać wygenerowana. Ponieważ jeśli po prostu wypisze kilka słów, pierwszą rzeczą, którą sieć powinna być w stanie zrobić, jest mówienie, co oznacza, że model powinien ewoluować od wstępnie wyszkolonego modelu NLP i (z tego co wiem) nadal mamy z tym pewne problemy.
Więc .... Naprawdę uważam, że aby robić takie rzeczy, należy zmienić podejście do uczenia się NN. Fakt, że ludzie istnieją, dowodzi, że algorytmy genetyczne działałyby w 100%. Ale oczywiście nie mamy ponad 3 miliardów lat na rozwinięcie „mózgu” od zera, dlatego używamy algorytmów szkoleniowych: zmuszamy ich do uczenia się od czegoś.
Wróćmy jednak do pytania: ludzie wykonują wiele pracy, zastanawiając się, jaki wynik wybrać. Aby sieć generowała wynik bez naśladowania ludzi, łatwo byłoby losowo wybrać niektóre aspekty tego wyniku. Na przykład, losowo wybrany wynik może być „wynikiem: Dennis umiera, Morty zabija Eminema, smutny nauk, nauk szczęścia, koniec”. Oznacza to, że NN lub jakikolwiek model ML w rzeczywistości nie daje wyniku w historii. W rzeczywistości łączy kilka wygenerowanych „punktów kontrolnych” dotyczących tej historii. Właściwie możesz wytrenować model do generowania punktów kontrolnych, ale jest to tylko przypadkowy pomysł od początkującego, więc nie mam pojęcia, jak to właściwie zaimplementować.
Odpowiedź brzmi: tak, sztuczną inteligencję można wyszkolić do napisania nawet całej historii. Chcę tylko od razu powiedzieć, że sztuczna inteligencja zrobiła coś jeszcze trudniejszego niż wygenerowanie historii. Mówię o tym na końcu mojego wyjaśnienia.
Wszystkie linki w moich wyjaśnieniach prowadzą do zewnętrznych źródeł, które znalazłem, możesz je sprawdzić. Bez dalszego postępowania, oto główne powody, dla których myślę, że AI mogą wygenerować zarys historii:
AI są naprawdę dobre w rozpoznawaniu wzorców i generowaniu rzeczy podobnych do innych. Co zaskakujące, w opowieściach jest wiele wzorów . Historie są zawsze skonstruowane, więc ta część nie stanowi prawdziwego problemu. Istnieje wielka Wiki o siedmiu podstawowych fabułach .
Ale nawet jeśli sztuczna inteligencja może wygenerować dobrą strukturę opowieści, czy może sprawić, że opowieść będzie atrakcyjna? Zależy to od tego, jak duży jest „mózg” AI. Ponieważ okazuje się, że im więcej neuronów i synaps ma AI, tym bardziej może „zrozumieć” ludzki język lub emocje. Jeśli więc AI ma wystarczająco duży mózg, może generować rzeczy, które mają sens. Oto najlepszy przykład sztucznej inteligencji zdolnej do generowania rzeczy podobnych do ludzi: https://ai.googleblog.com/2020/01/towards-conversational-agent-that-can.html .
Jak sądzę, dane szkoleniowe nie są nieistotne. Aby móc trenować taką sztuczną inteligencję, potrzebujemy wielu przykładów. Jest to możliwe, ponieważ scenariusze filmów są publiczne i każdy może je pobrać. Tak więc AI może łatwo nauczyć się z tej ogromnej ilości scenariuszy. Oto kilka przykładów stron internetowych, na których możemy uzyskać scenariusz filmów: https://stephenfollows.com/resource/sites-to-find-movie-scripts/ , https://www.simplyscripts.com/movie-screenplays.html .
Następnie wystarczy sformatować dane, abyśmy mogli przekazać je naszej sztucznej inteligencji. Moim zdaniem jest całkiem możliwe, aby stworzyć dobrą sztuczną inteligencję, która pisze dobre historie, ponieważ Google już zrobił coś podobnego. Myślę, że chatbot Meena , stworzony przez Google, jest dowodem, że sztuczna inteligencja może nauczyć się czegoś więcej niż tylko rozpoznawania wzorców.
O ile mi wiadomo, nie ma jeszcze takiego systemu, jaki opisujesz. Istnieje jednak kilka interesujących podejść do wywiadu narracyjnego, które można znaleźć na stronie Narrative Intelligence Lab University of New Orleans: https://nil.cs.uno.edu/
Mam nadzieję, że mogą one być pomocne w ukierunkowaniu głębokiego uczenia się na problemy z generowaniem narracji.
Generowanie historii jest możliwe tylko wtedy, gdy spełnione są pewne warunki wstępne. Oznacza to, że nie jest możliwe bezpośrednie szkolenie sieci neuronowej, ponieważ wygeneruje ona wykres. Łatwiejszym krokiem jest tylko parsowanie istniejących historii. W tym celu stosuje się model semantyczny do przechowywania wiedzy o historii. Takie modele są kodowane za pomocą ontologii, powiązanych danych oraz w językach akcji, takich jak GOLOG.
Na szczycie modelu semantycznego ma miejsce konkretna historia. Oznacza to, że w ontologii jest zdefiniowane, że dwie osoby są w fabule, a konkretna historia wypełnia miejsce nazwiskami i atrybutami. Sieci neuronowe są w stanie przeanalizować te dopasowania. Oznacza to, że przykładowe historie są mapowane na przykładowe ontologie, a sieć neuronowa może przewidzieć tę decyzję, ucząc się na przykładowych danych.
Słynny przykład automatycznego generowania historii w grze to Fasada Nie zapewnia ona sieci neuronowej, ale model semantyczny. Sieć neuronowa może zostać przeszkolona w zakresie interakcji użytkownika z Facade i jest w stanie przewidzieć, co zrobi użytkownik i fabuła.
źródło
Analiza ekonomiczna wpływająca na analizę pytań
Łatwo jest przypadkowo błędnie odczytać pytanie jako pytanie praktyczne, a nie wykonalne.
Ekonomia wpływająca na frazeologię pytań
Łatwiej jest także pomylić szersze badania nad sztuczną inteligencją z węższym obszarem uczenia maszynowego, ponieważ późniejsze jest głównym celem działalności gospodarczej. W pytaniu użyto terminu moda , ale uczenie maszynowe prawdopodobnie przetrwa dłużej niż moda.
Tendencje społeczno-ekonomiczne w metodach autorstwa
Tworzenie filmów, w tym pisanie scenariuszy, jest sztuką. Wiemy, że sztuka popularna wyłania się z nowych i niezwykłych metod.
Rozwój wyrafinowanych wzajemnych relacji między postaciami, ich uczuciami, ich przemianami wiary, ontologicznymi pytaniami o indywidualnym celu i ich relacjami z inną osobą, rodziną, narodem, światem lub jakąś zasadą ponad ludzkością nie jest uczeniem maszynowym problem.
Za pytaniem tutaj postawionym pytanie wykonalności, a nie pytanie o algorytm lub zbieżność, stanowi podstawowe wyzwanie AI dla natury.
Myśląc o tym pytaniu, jasne jest, że trening gawędziarza nie jest operacją wymagającą tensora na wejściu i oczekiwanego tensora na wyjściu. Obecny boom uczenia maszynowego nie rozwinął żadnego systemu inteligentnych agentów, który mógłby wygenerować to, co ekspert literacki uznałby za niezwykle wnikliwą historię. To jest pewne.
Trend w publikacjach akademickich wydaje się silnym potwierdzeniem twierdzenia laboratorium MIT AI pod rządami Minsky'ego, że jakikolwiek problem wykonalności ustąpiłby pewnej nowej metodologii lub przeformułowaniu, dopóki wszystko nie okaże się wykonalne i wszystko zostanie zrealizowane w LISP (teraz w Pythonie lub Java owijające C i kontrolujące jakiś klaster akceleracji sprzętowej). Czy ten trend będzie bardziej nadmierny optymizm, co widzieliśmy wcześniej w AI, czy tylko kwestią czasu, zobaczymy.
Zobaczymy też, jak generatory punktów fabularnych zastępują scenarzystów, a ostatecznie cały system studia, w tym generowanie gwiazd i imprez, na które chodzą, oraz czasopisma, które pseudo-kpią z ich życia, aby wygenerować status gwiazdy, można po prostu symulować. Nie byłby to pierwszy dobrze ugruntowany i lukratywny obszar pracy, który zostałby całkowicie wyeliminowany przez postęp technologiczny.
Wiele osób zdaje sobie również sprawę z tego, że może nastąpić zwrot, albo kulturowo, jak powrót do wiader i monotonia po wzroście popularnego muzycznego wyrafinowania w latach siedemdziesiątych, lub coś bardziej ekstremalnego, jak masowe pojawienie się bombowców Uni-bombowców. Musimy też poczekać i się o tym przekonać.
Wydaje się pewne, że badania będą nadal przesuwać granice, a technologia będzie zmieniać nawet świat literatury i opowiadania historii. Pojawią się nowe rozszerzenia gry imitacji Alana Turinga: „Czy badani mogą stwierdzić, które filmy mają ludzkie teksty i które zostały sztucznie napisane?”
źródło
Rok 2018 był niezwykły w tworzeniu pierwszej powieści AI autorstwa Rossa Goodwina zatytułowanej 1 the Road . Cały surowiec został wygenerowany przez jego program.
źródło
Idealnie tak. Idealnie, ponieważ sieć powinna być zasilana słowami całej książki (które różnią się około 100 000 słów). Przy hipotetycznej mocy obliczeniowej powinieneś być w stanie poćwiczyć NN z tysiącami książek. Możliwe jest szkolenie z komputerów kwantowych ... kto wie ...
W przypadku mniejszych opowiadań uważam, że głównym problemem jest wiedzieć, w jakim „kształcie” historia powinna zostać wygenerowana. Ponieważ jeśli po prostu wypisze kilka słów, pierwszą rzeczą, którą sieć powinna być w stanie zrobić, jest mówienie, co oznacza, że model powinien ewoluować od wstępnie wyszkolonego modelu NLP i (z tego co wiem) nadal mamy z tym pewne problemy.
Więc .... Naprawdę uważam, że aby robić takie rzeczy, należy zmienić podejście do uczenia się NN. Fakt, że ludzie istnieją, dowodzi, że algorytmy genetyczne działałyby w 100%. Ale oczywiście nie mamy ponad 3 miliardów lat na rozwinięcie „mózgu” od zera, dlatego używamy algorytmów szkoleniowych: zmuszamy ich do uczenia się od czegoś.
Wróćmy jednak do pytania: ludzie wykonują wiele pracy, zastanawiając się, jaki wynik wybrać. Aby sieć generowała wynik bez naśladowania ludzi, łatwo byłoby losowo wybrać niektóre aspekty tego wyniku. Na przykład, losowo wybrany wynik może być „wynikiem: Dennis umiera, Morty zabija Eminema, smutny nauk, nauk szczęścia, koniec”. Oznacza to, że NN lub jakikolwiek model ML w rzeczywistości nie daje wyniku w historii. W rzeczywistości łączy kilka wygenerowanych „punktów kontrolnych” dotyczących tej historii. Właściwie możesz wytrenować model do generowania punktów kontrolnych, ale jest to tylko przypadkowy pomysł od początkującego, więc nie mam pojęcia, jak to właściwie zaimplementować.
Jestem Włochem, przepraszam za mój angielski :)
źródło
Odpowiedź brzmi: tak, sztuczną inteligencję można wyszkolić do napisania nawet całej historii. Chcę tylko od razu powiedzieć, że sztuczna inteligencja zrobiła coś jeszcze trudniejszego niż wygenerowanie historii. Mówię o tym na końcu mojego wyjaśnienia.
Wszystkie linki w moich wyjaśnieniach prowadzą do zewnętrznych źródeł, które znalazłem, możesz je sprawdzić. Bez dalszego postępowania, oto główne powody, dla których myślę, że AI mogą wygenerować zarys historii:
Jak sądzę, dane szkoleniowe nie są nieistotne. Aby móc trenować taką sztuczną inteligencję, potrzebujemy wielu przykładów. Jest to możliwe, ponieważ scenariusze filmów są publiczne i każdy może je pobrać. Tak więc AI może łatwo nauczyć się z tej ogromnej ilości scenariuszy. Oto kilka przykładów stron internetowych, na których możemy uzyskać scenariusz filmów: https://stephenfollows.com/resource/sites-to-find-movie-scripts/ , https://www.simplyscripts.com/movie-screenplays.html .
Następnie wystarczy sformatować dane, abyśmy mogli przekazać je naszej sztucznej inteligencji. Moim zdaniem jest całkiem możliwe, aby stworzyć dobrą sztuczną inteligencję, która pisze dobre historie, ponieważ Google już zrobił coś podobnego. Myślę, że chatbot Meena , stworzony przez Google, jest dowodem, że sztuczna inteligencja może nauczyć się czegoś więcej niż tylko rozpoznawania wzorców.
źródło
O ile mi wiadomo, nie ma jeszcze takiego systemu, jaki opisujesz. Istnieje jednak kilka interesujących podejść do wywiadu narracyjnego, które można znaleźć na stronie Narrative Intelligence Lab University of New Orleans: https://nil.cs.uno.edu/
Mam nadzieję, że mogą one być pomocne w ukierunkowaniu głębokiego uczenia się na problemy z generowaniem narracji.
źródło