Bisakah AI dilatih untuk menghasilkan garis besar cerita?
12
Saya tahu bahwa salah satu mode terbaru saat ini adalah untuk melatih jaringan saraf untuk menghasilkan skenario dan episode baru misalnya Friends atau The Simpsons, dan itu bagus: itu menarik dan mungkin merupakan langkah pertama yang diperlukan untuk membuat program yang benar-benar dapat menghasilkan cerita yang masuk akal / dimengerti.
Dalam konteks ini, dapatkah jaringan saraf dilatih secara khusus untuk mempelajari struktur cerita, atau skenario, dan mungkin menghasilkan poin plot, atau langkah-langkah dalam Perjalanan Pahlawan, dll., Secara efektif menulis garis besar untuk sebuah cerita?
Bagi saya, ini berbeda dari banyak generator plot-point online, meskipun saya harus mengakui kesamaannya. Saya hanya ingin tahu apakah teknologi atau implementasinya bahkan ada di sana dan, jika ya, bagaimana mungkin seseorang akan melakukannya.
Saya melihat beberapa masalah dengan ini. Jaringan saraf pada dasarnya adalah classifier, yang cocok dengan input ke output. Baik input dan output biasanya nilai numerik, meskipun mereka dapat dicocokkan dengan konsep atau kata-kata.
Untuk melatih NN Anda memberikan input yang disandikan dengan tepat, dan output yang sesuai. NN mempelajari asosiasi antara keduanya, dan kemudian dapat mengklasifikasikan input yang tidak terlihat sesuai. Ini baru-baru ini digunakan untuk mengubah gambar dalam gaya tertentu dll.
Apa yang akan menjadi input dan output untuk menghasilkan skenario? Anda bisa menggunakan skrip sebelumnya sebagai input, tetapi bagaimana hasilnya? Mungkin semacam 'gerakan' naratif, mungkin. Jadi, Anda bisa melatih NN untuk mengenali elemen naratif dari skenario.
Namun, Anda masih tidak menciptakan apa pun, tetapi hanya mengenali hal-hal. Anda membutuhkan input lain. Saya kira Anda bisa melatih NN di "The Simpsons", mendapatkan struktur naratif, dan kemudian menyajikannya dengan Episode "Teman" dan lihat apa yang terjadi. Itu tidak akan menjadi episode baru skenario.
Cara sebaliknya mungkin berhasil: Anda memberinya gerakan naratif (semacam kerangka cerita), dan mengeluarkan skrip. Tetapi akan membutuhkan banyak post-editing (manusia) untuk menjadi berguna.
Saya pikir NN adalah alat yang salah untuk digunakan di sini. Ada pekerjaan yang dilakukan dengan menghasilkan cerita dan skenario, bahkan jauh di masa awal AI. Tapi itu semua didasarkan pada AI simbolis, bukan pada jenis ML yang tampaknya saat ini sedang populer . Lihatlah situs web James Ryan ; dia baru-baru ini menulis tinjauan atas pendekatan historis untuk generasi cerita (dan skenario).
"Hollywood" terkenal tidak mau mengambil risiko, dan menyukai formula, jadi saya curiga membuat konten formula tidak akan terlalu sulit. Saya menduga GAN akan menjadi bagian dari teka-teki.
DukeZhou
0
Pembuatan cerita hanya mungkin jika beberapa prasyarat dipenuhi. Itu berarti, tidak mungkin untuk melatih jaringan saraf secara langsung, bahwa itu akan menghasilkan plot. Langkah yang lebih mudah sebelumnya adalah mengurai cerita yang ada. Untuk melakukan itu, model semantik digunakan untuk menyimpan pengetahuan tentang sebuah cerita. Model semacam itu dikodekan dengan ontologi, data tertaut, dan dalam bahasa tindakan seperti GOLOG.
Di atas model semantik cerita konkret terjadi. Itu berarti, dalam ontologi itu didefinisikan, bahwa dua orang berada di plot, dan cerita konkret mengisi slot dengan nama dan atribut. Apa yang bisa dilakukan oleh jaringan saraf adalah mengurai kecocokan ini. Itu berarti, contoh cerita dipetakan ke contoh ontologi dan jaringan saraf dapat memprediksi keputusan ini dengan belajar dari contoh data.
Contoh terkenal untuk pembuatan cerita otomatis dalam sebuah game adalah Facade. Ini bukan menyediakan jaringan saraf tetapi model semantik. Jaringan saraf dapat dilatih tentang interaksi pengguna dengan Facade dan mampu memprediksi apa yang akan dilakukan pengguna dan plot selanjutnya.
Mudah untuk secara tidak sengaja salah membaca pertanyaan sebagai pertanyaan praktik daripada pertanyaan kelayakan.
Apakah mungkin bagi AI untuk dilatih tentang cerita / struktur sastra untuk menghasilkannya?
≠
Apakah seseorang melatih sistem AI pada cerita / struktur sastra untuk menghasilkannya?
Fraseologi Pertanyaan yang Mempengaruhi Ekonomi
Juga mudah untuk membingungkan penelitian AI yang lebih luas dengan bidang pembelajaran mesin yang lebih sempit hanya karena yang belakangan adalah fokus kegiatan ekonomi saat ini. Pertanyaan itu menggunakan istilah mode , tetapi pembelajaran mesin mungkin akan bertahan lebih lama daripada mode teknologi.
Apakah mungkin bagi AI untuk dilatih tentang cerita / struktur sastra untuk menghasilkannya?
≠
Apakah mungkin bagi penelitian AI untuk mengarah pada generasi struktur cerita sastra otomatis?
Tren Sosial Ekonomi dalam Metode Kepengarangan
Pembuatan film, termasuk penulisan skenario, adalah seni. Kita tahu bahwa seni populer muncul dari metode baru dan tidak biasa.
Pollock melemparkan cat dari atas ke kanvas horizontal.
WaveNet sedang dilatih untuk menghasilkan musik simfoni.
Tema film dengan struktur dan makna stokastik berkembang mengikuti kultus.
Perkembangan keterkaitan karakter yang canggih, perasaan mereka, transisi kepercayaan, pertanyaan ontologis dari tujuan individu dan bagaimana hubungannya dengan orang lain, keluarga, negara, dunia, atau beberapa prinsip yang mengungguli umat manusia bukanlah pembelajaran mesin masalah.
Di balik pertanyaan yang diajukan di sini, pertanyaan kelayakan, bukan pertanyaan tentang algoritme atau konvergensi, adalah inti tantangan AI terhadap alam.
Dapatkah komputer menghasilkan apa yang bisa dihasilkan oleh pikiran manusia?
Dalam memikirkan pertanyaan ini, jelas bahwa pelatihan pendongeng bukanlah operasi yang membutuhkan tensor pada inputnya dan tensor yang diharapkan pada outputnya. Boom pembelajaran mesin saat ini belum mengembangkan sistem agen cerdas apa pun yang dapat menghasilkan apa yang oleh ahli sastra akan dianggap sebagai cerita yang sangat berwawasan luas. Itu sudah pasti.
Kecenderungan dalam publikasi akademis nampaknya merupakan penegasan kembali yang kuat atas klaim lab AI AI di bawah Minsky, bahwa masalah kelayakan apa pun akan memberi jalan bagi beberapa metodologi atau reformulasi baru sampai semuanya terbukti layak dan semua diwujudkan dalam LISP (sekarang dalam Python atau Java wrapping C dan mengendalikan beberapa cluster akselerasi perangkat keras). Apakah tren ini lebih optimis, yang telah kita lihat sebelumnya di AI, atau hanya masalah waktu, kita akan lihat.
Kita juga akan melihat generator plot-point menggantikan penulis skenario dan akhirnya seluruh sistem studio, termasuk generasi bintang dan pihak yang mereka tuju dan majalah yang mengolok-olok hidup mereka untuk menghasilkan status bintang dapat disimulasikan dengan mudah. Itu tidak akan menjadi bidang pekerjaan mapan dan menguntungkan pertama yang sepenuhnya dihilangkan oleh kemajuan teknologi.
Ini juga terjadi pada banyak orang bahwa mungkin ada blowback, baik secara budaya seperti kembalinya ke ember dan monoton setelah peningkatan kecanggihan musik populer pada 1970-an atau sesuatu yang lebih ekstrem seperti kemunculan massal bomber Uni. Kita juga harus menunggu dan melihatnya juga.
Yang tampaknya pasti adalah bahwa penelitian akan terus mendorong amplop dan teknologi akan terus berubah bahkan dunia sastra dan bercerita. Perpanjangan baru dari Alan Turing's Imitation Game akan muncul: "Bisakah subjek menentukan film mana yang memiliki naskah manusia dan mana yang ditulis secara artifisial?"
"Apakah itu bintang manusia nyata atau mereka bintang yang menghasilkan karakter yang dihasilkan dalam cerita yang dihasilkan itu?"
Sebagian besar jawaban ini masuk akal dan patut mendapat perhatian lebih. Tapi apa artinya "Pertanyaan yang Mempengaruhi Ekonomi ..."? Bisakah Anda menjelaskan, mungkin beberapa frasa yang berbeda akan membantu, karena bagi saya membacanya sepertinya itu omong kosong atau istilah teknis yang sengaja dikaburkan yang membuat saya merasa seperti saya tidak mengerti jawabannya. . . atau mungkin hanya lelucon yang tidak saya dapatkan?
Neil Slater
0
2018 luar biasa dalam pembuatan novel AI pertama, oleh Ross Goodwin, yang disebut 1 the Road . Semua bahan baku dihasilkan oleh programnya.
Idealnya, ya. Idealnya, karena jaringan harus diberi kata-kata dari seluruh buku (yang bervariasi sekitar 100 ribu kata). Dengan kekuatan pemrosesan yang hipotetis, Anda seharusnya bisa melatih NN dengan ribuan buku. Dimungkinkan untuk dilatih dengan komputer kuantum .... siapa tahu ...
Untuk cerita yang lebih kecil, saya pikir masalah utamanya adalah untuk mengetahui "bentuk" apa yang harus dihasilkan oleh cerita tersebut. Karena jika hanya mengeluarkan beberapa kata, maka hal pertama yang harus dapat dilakukan jaringan adalah berbicara, itu berarti model tersebut harus berevolusi dari model NLP yang dipra-pelatihan, dan (dari yang saya tahu) kita masih memiliki beberapa masalah dengan itu.
Jadi .... Saya benar-benar berpikir bahwa untuk melakukan hal-hal seperti itu, pendekatan yang kami ambil untuk membuat NNs belajar harus diubah. Fakta bahwa manusia ada membuktikan bahwa algoritma genetika akan bekerja 100%. Tapi kami jelas tidak memiliki 3+ miliar tahun untuk mengembangkan "otak" dari awal, itu sebabnya kami menggunakan algoritma pelatihan: kami memaksa mereka untuk belajar dari sesuatu.
Tetapi kembali ke pertanyaan: manusia melakukan banyak pekerjaan dengan memikirkan hasil apa yang harus dipilih. Untuk hanya membuat netork menghasilkan hasil, tanpa meniru manusia, akan mudah untuk memilih secara acak beberapa aspek dari hasil ini. Sebagai contoh, hasil yang dipilih secara acak mungkin "hasil: Dennis meninggal, Morty membunuh Eminem, ilmu sedih, ilmu kebahagiaan, akhir". Itu berarti bahwa NN atau model ML tidak benar-benar menghasilkan hasil cerita. Sebenarnya, yang dilakukannya adalah menghubungkan beberapa "pos pemeriksaan" yang dihasilkan tentang cerita itu. Sebenarnya, Anda mungkin melatih sebuah model untuk menghasilkan pos-pos pemeriksaan, tetapi ini hanyalah ide acak dari seorang pemula, jadi saya tidak punya petunjuk tentang bagaimana sebenarnya mengimplementasikannya.
Saya orang Italia, maaf tentang bahasa Inggris saya :)
Jawabannya adalah ya, AI dapat dilatih untuk menulis bahkan seluruh cerita. Saya hanya ingin memberi tahu Anda secara langsung bahwa AI sudah melakukan sesuatu yang bahkan lebih sulit daripada membuat cerita. Saya berbicara tentang hal itu di akhir penjelasan saya.
Semua tautan dalam penjelasan saya mengarah ke sumber eksternal yang saya temukan, Anda dapat memeriksanya. Tanpa tindakan lebih lanjut, berikut adalah alasan utama mengapa saya pikir AI dapat menghasilkan garis besar cerita:
AI sangat pandai mengenali pola, dan menghasilkan hal-hal yang mirip dengan yang lain. Yang mengejutkan, ada banyak pola dalam cerita . Cerita selalu terstruktur, jadi bagian ini bukan masalah sebenarnya. Ada Wiki hebat tentang tujuh plot dasar .
Tetapi bahkan jika AI dapat menghasilkan struktur cerita yang bagus, dapatkah itu membuat cerita menarik? Yah, itu tergantung pada seberapa besar "otak" AI itu. Karena ternyata semakin banyak neuron dan sinapsis yang dimiliki AI, semakin ia dapat "memahami" bahasa atau emosi manusia. Jadi, jika AI memiliki otak yang cukup besar, ia dapat menghasilkan hal-hal yang masuk akal. Berikut adalah contoh terbaik dari AI yang dapat menghasilkan barang-barang seperti manusia: https://ai.googleblog.com/2020/01/towards-conversational-agent-that-can.html .
Untuk bagaimana, saya pikir bahwa data pelatihan tidak signifikan. Jadi, untuk bisa melatih AI seperti itu, kita perlu banyak contoh. Ini dimungkinkan, karena skenario film bersifat publik, dan dapat diunduh oleh siapa saja. Jadi, AI dapat dengan mudah belajar dari sejumlah besar skenario layar ini. Berikut adalah beberapa contoh situs web di mana kita bisa mendapatkan skenario film: https://stephenfollows.com/resource/sites-to-find-movie-scripts/ , https://www.simplyscripts.com/movie-screenplays.html .
Setelah itu, kita hanya perlu memformat data, sehingga kita bisa memberikannya kepada AI kita. Menurut pendapat saya, sangat mungkin untuk membuat AI yang bagus yang menulis cerita bagus, karena Google sudah melakukan hal serupa. Saya pikir chatbot Meena , yang dibuat oleh Google, adalah bukti bahwa AI dapat belajar lebih dari sekadar pengenalan pola.
Sejauh yang saya tahu, belum ada sistem seperti yang Anda gambarkan. Namun, ada beberapa pendekatan yang menarik untuk kecerdasan naratif yang dapat ditemukan di situs Laboratorium Intelijen Naratif Universitas New Orleans: https://nil.cs.uno.edu/
Semoga itu bisa membantu dalam memandu pendekatan pembelajaran yang mendalam untuk masalah generasi narasi.
Pembuatan cerita hanya mungkin jika beberapa prasyarat dipenuhi. Itu berarti, tidak mungkin untuk melatih jaringan saraf secara langsung, bahwa itu akan menghasilkan plot. Langkah yang lebih mudah sebelumnya adalah mengurai cerita yang ada. Untuk melakukan itu, model semantik digunakan untuk menyimpan pengetahuan tentang sebuah cerita. Model semacam itu dikodekan dengan ontologi, data tertaut, dan dalam bahasa tindakan seperti GOLOG.
Di atas model semantik cerita konkret terjadi. Itu berarti, dalam ontologi itu didefinisikan, bahwa dua orang berada di plot, dan cerita konkret mengisi slot dengan nama dan atribut. Apa yang bisa dilakukan oleh jaringan saraf adalah mengurai kecocokan ini. Itu berarti, contoh cerita dipetakan ke contoh ontologi dan jaringan saraf dapat memprediksi keputusan ini dengan belajar dari contoh data.
Contoh terkenal untuk pembuatan cerita otomatis dalam sebuah game adalah Facade. Ini bukan menyediakan jaringan saraf tetapi model semantik. Jaringan saraf dapat dilatih tentang interaksi pengguna dengan Facade dan mampu memprediksi apa yang akan dilakukan pengguna dan plot selanjutnya.
sumber
Parsing Pertanyaan yang Mempengaruhi Ekonomi
Mudah untuk secara tidak sengaja salah membaca pertanyaan sebagai pertanyaan praktik daripada pertanyaan kelayakan.
Fraseologi Pertanyaan yang Mempengaruhi Ekonomi
Juga mudah untuk membingungkan penelitian AI yang lebih luas dengan bidang pembelajaran mesin yang lebih sempit hanya karena yang belakangan adalah fokus kegiatan ekonomi saat ini. Pertanyaan itu menggunakan istilah mode , tetapi pembelajaran mesin mungkin akan bertahan lebih lama daripada mode teknologi.
Tren Sosial Ekonomi dalam Metode Kepengarangan
Pembuatan film, termasuk penulisan skenario, adalah seni. Kita tahu bahwa seni populer muncul dari metode baru dan tidak biasa.
Perkembangan keterkaitan karakter yang canggih, perasaan mereka, transisi kepercayaan, pertanyaan ontologis dari tujuan individu dan bagaimana hubungannya dengan orang lain, keluarga, negara, dunia, atau beberapa prinsip yang mengungguli umat manusia bukanlah pembelajaran mesin masalah.
Di balik pertanyaan yang diajukan di sini, pertanyaan kelayakan, bukan pertanyaan tentang algoritme atau konvergensi, adalah inti tantangan AI terhadap alam.
Dalam memikirkan pertanyaan ini, jelas bahwa pelatihan pendongeng bukanlah operasi yang membutuhkan tensor pada inputnya dan tensor yang diharapkan pada outputnya. Boom pembelajaran mesin saat ini belum mengembangkan sistem agen cerdas apa pun yang dapat menghasilkan apa yang oleh ahli sastra akan dianggap sebagai cerita yang sangat berwawasan luas. Itu sudah pasti.
Kecenderungan dalam publikasi akademis nampaknya merupakan penegasan kembali yang kuat atas klaim lab AI AI di bawah Minsky, bahwa masalah kelayakan apa pun akan memberi jalan bagi beberapa metodologi atau reformulasi baru sampai semuanya terbukti layak dan semua diwujudkan dalam LISP (sekarang dalam Python atau Java wrapping C dan mengendalikan beberapa cluster akselerasi perangkat keras). Apakah tren ini lebih optimis, yang telah kita lihat sebelumnya di AI, atau hanya masalah waktu, kita akan lihat.
Kita juga akan melihat generator plot-point menggantikan penulis skenario dan akhirnya seluruh sistem studio, termasuk generasi bintang dan pihak yang mereka tuju dan majalah yang mengolok-olok hidup mereka untuk menghasilkan status bintang dapat disimulasikan dengan mudah. Itu tidak akan menjadi bidang pekerjaan mapan dan menguntungkan pertama yang sepenuhnya dihilangkan oleh kemajuan teknologi.
Ini juga terjadi pada banyak orang bahwa mungkin ada blowback, baik secara budaya seperti kembalinya ke ember dan monoton setelah peningkatan kecanggihan musik populer pada 1970-an atau sesuatu yang lebih ekstrem seperti kemunculan massal bomber Uni. Kita juga harus menunggu dan melihatnya juga.
Yang tampaknya pasti adalah bahwa penelitian akan terus mendorong amplop dan teknologi akan terus berubah bahkan dunia sastra dan bercerita. Perpanjangan baru dari Alan Turing's Imitation Game akan muncul: "Bisakah subjek menentukan film mana yang memiliki naskah manusia dan mana yang ditulis secara artifisial?"
sumber
2018 luar biasa dalam pembuatan novel AI pertama, oleh Ross Goodwin, yang disebut 1 the Road . Semua bahan baku dihasilkan oleh programnya.
sumber
Idealnya, ya. Idealnya, karena jaringan harus diberi kata-kata dari seluruh buku (yang bervariasi sekitar 100 ribu kata). Dengan kekuatan pemrosesan yang hipotetis, Anda seharusnya bisa melatih NN dengan ribuan buku. Dimungkinkan untuk dilatih dengan komputer kuantum .... siapa tahu ...
Untuk cerita yang lebih kecil, saya pikir masalah utamanya adalah untuk mengetahui "bentuk" apa yang harus dihasilkan oleh cerita tersebut. Karena jika hanya mengeluarkan beberapa kata, maka hal pertama yang harus dapat dilakukan jaringan adalah berbicara, itu berarti model tersebut harus berevolusi dari model NLP yang dipra-pelatihan, dan (dari yang saya tahu) kita masih memiliki beberapa masalah dengan itu.
Jadi .... Saya benar-benar berpikir bahwa untuk melakukan hal-hal seperti itu, pendekatan yang kami ambil untuk membuat NNs belajar harus diubah. Fakta bahwa manusia ada membuktikan bahwa algoritma genetika akan bekerja 100%. Tapi kami jelas tidak memiliki 3+ miliar tahun untuk mengembangkan "otak" dari awal, itu sebabnya kami menggunakan algoritma pelatihan: kami memaksa mereka untuk belajar dari sesuatu.
Tetapi kembali ke pertanyaan: manusia melakukan banyak pekerjaan dengan memikirkan hasil apa yang harus dipilih. Untuk hanya membuat netork menghasilkan hasil, tanpa meniru manusia, akan mudah untuk memilih secara acak beberapa aspek dari hasil ini. Sebagai contoh, hasil yang dipilih secara acak mungkin "hasil: Dennis meninggal, Morty membunuh Eminem, ilmu sedih, ilmu kebahagiaan, akhir". Itu berarti bahwa NN atau model ML tidak benar-benar menghasilkan hasil cerita. Sebenarnya, yang dilakukannya adalah menghubungkan beberapa "pos pemeriksaan" yang dihasilkan tentang cerita itu. Sebenarnya, Anda mungkin melatih sebuah model untuk menghasilkan pos-pos pemeriksaan, tetapi ini hanyalah ide acak dari seorang pemula, jadi saya tidak punya petunjuk tentang bagaimana sebenarnya mengimplementasikannya.
Saya orang Italia, maaf tentang bahasa Inggris saya :)
sumber
Jawabannya adalah ya, AI dapat dilatih untuk menulis bahkan seluruh cerita. Saya hanya ingin memberi tahu Anda secara langsung bahwa AI sudah melakukan sesuatu yang bahkan lebih sulit daripada membuat cerita. Saya berbicara tentang hal itu di akhir penjelasan saya.
Semua tautan dalam penjelasan saya mengarah ke sumber eksternal yang saya temukan, Anda dapat memeriksanya. Tanpa tindakan lebih lanjut, berikut adalah alasan utama mengapa saya pikir AI dapat menghasilkan garis besar cerita:
Untuk bagaimana, saya pikir bahwa data pelatihan tidak signifikan. Jadi, untuk bisa melatih AI seperti itu, kita perlu banyak contoh. Ini dimungkinkan, karena skenario film bersifat publik, dan dapat diunduh oleh siapa saja. Jadi, AI dapat dengan mudah belajar dari sejumlah besar skenario layar ini. Berikut adalah beberapa contoh situs web di mana kita bisa mendapatkan skenario film: https://stephenfollows.com/resource/sites-to-find-movie-scripts/ , https://www.simplyscripts.com/movie-screenplays.html .
Setelah itu, kita hanya perlu memformat data, sehingga kita bisa memberikannya kepada AI kita. Menurut pendapat saya, sangat mungkin untuk membuat AI yang bagus yang menulis cerita bagus, karena Google sudah melakukan hal serupa. Saya pikir chatbot Meena , yang dibuat oleh Google, adalah bukti bahwa AI dapat belajar lebih dari sekadar pengenalan pola.
sumber
Sejauh yang saya tahu, belum ada sistem seperti yang Anda gambarkan. Namun, ada beberapa pendekatan yang menarik untuk kecerdasan naratif yang dapat ditemukan di situs Laboratorium Intelijen Naratif Universitas New Orleans: https://nil.cs.uno.edu/
Semoga itu bisa membantu dalam memandu pendekatan pembelajaran yang mendalam untuk masalah generasi narasi.
sumber