Los generadores de historias se han vuelto muy interesantes durante los años 2010, porque ahora tenemos:
- Repositorios de datos abiertos, que pueden usarse para análisis de corpus y tropos.
- Herramientas para una clasificación eficiente supervisada, semi-supervisada y no supervisada.
- Relevancia lograda, debido al problema de la desinformación; El análisis narrativo se ha convertido incluso en un problema políticamente relevante, lo que hace que la investigación esté mejor financiada.
- Motores de juego, que están listos para utilizar NPC guiados al estilo de Westworld en entornos MMORPG; Es posible que los generadores de historias no puedan producir diálogo, pero pueden ayudarnos a construir estructuras dramáticas y comportamientos de personajes que no sean jugadores.
- Más aplicaciones de teoría de la escritura basadas en los algoritmos de primera generación (de 1970 a principios de 2000).
- Mejores ideas sobre restricciones buenas y malas para tales sistemas (cómo medir el éxito y el error).
Pablo Gervas escribió una buena visión general de la historia de los algoritmos de Story Generator en 2010. Otros dos científicos, que a menudo aparecen en los libros blancos que leí, son Mark O. Riedl y R. Michael Young.
Aproximadamente hay dos tipos de generadores de historias: los que intentan crear Fabula y los que intentan crear Sjuzet. Fabula es el conjunto de eventos como secuencias temporales, que suceden en el mundo de la historia, mientras que Sjuzet solo se enfoca en lo que se observa. El análisis de Sjuzet generalmente está limitado al análisis de corpus, mientras que los enfoques de Fabula intentan comprender la estructura de los elementos de la historia desde un enfoque más de “mundos potenciales”. Personalmente, no me han interesado mucho los enfoques de Sjuzet; Creo que es de mayor nivel de complejidad, que lo que es fructífero para la investigación en este momento (qué mostrar y qué ocultar a la audiencia se hace más fácilmente, una vez que se puede crear una Fabula auténtica).
- ¿Cómo afectará la automatización a la guerra?
- ¿Cuál es la diferencia entre el sistema de piloto automático de Tesla y el auto sin conductor de Google? ¿Cómo pudo Tesla lograr esto, mientras que otras compañías, incluida Google, han intentado hacerlo durante años?
- ¿Están China y Estados Unidos en una carrera por la supremacía de la IA?
- ¿Qué es algo en inteligencia artificial que no veremos en nuestra vida pero que crees que es posible?
- ¿Hay publicaciones sobre la generación automática de video a partir de texto plano y viceversa?
Los generadores de Fabula también se dividen en aproximadamente dos categorías: los basados en simulación y los deliberados. En la simulación, se hacen personajes y luego se simulan sus interacciones, que luego se utilizan para generar historias. Los personajes reaccionan principalmente al mundo cambiante; Estos métodos tienen más dificultades para lograr los objetivos del drama establecidos por el autor. En cambio, los métodos deliberativos adoptan un enfoque más de Aprendizaje de refuerzo y utilizan un enfoque similar a un juego bayesiano, donde un conjunto de secuencias de eventos se “minimiza” frente a objetivos dramáticos no cumplidos. El enfoque basado en simulación puede ejecutarse descentralizado, mientras que el método deliberativo requiere un planificador central.
Por supuesto, probablemente pueda ver que con métodos de aprendizaje profundo, podemos obtener lo mejor de ambos mundos; Una capa de métodos deliberados que se utilizarán para las líneas de trama de fotogramas clave y la simulación para combinarlos.
Para combinar eficientemente la simulación y los métodos deliberados, necesitaríamos una heurística: podría ser una buena idea clasificar los eventos de los personajes con un modelo neurológico o psicológico (por ejemplo, método SCARF) y luego usar métodos deliberados para maximizar el drama de acuerdo con esa heurística y luego analice cómo tales bloques de construcción de dispositivos narrativos podrían usarse como tramas narrativas a largo plazo. Hasta el momento, no se ha realizado ninguna investigación de este tipo, que yo sepa.
En un nivel más concreto, un ejemplo de un método deliberado sería IPOCL (planificador de enlaces causales de orden parcial impulsado por la intención) de Riedel y Young, que ahora tiene muchas variaciones, como CPOCL (impulsado por conflictos; un gran drama comienza a partir de conflictos) .
Algunos métodos han utilizado el crowdsourcing con la ayuda de Mechanical Turk y servicios similares. Otros han construido ontologías semánticas abiertas. En la década de 1990, el uso de los corpus populares también era popular. Todos los métodos tienen fortalezas y debilidades, pero la investigación en curso es muy rápida ya que la mayoría de las veces los errores del método investigado se hacen evidentes durante el proyecto de investigación; los científicos obtienen nuevas ideas de investigación antes de que la conversación sobre los resultados haya comenzado, lo cual es raro para las ciencias de la computación, donde las nuevas ideas generalmente requieren esfuerzos activos de revisión por pares para surgir (la mayoría de los buenos algoritmos, aún ampliamente utilizados, son más antiguos que pocas décadas )
Podría concluir que estamos lejos de lograr historias poéticamente bien escritas, pero un poco más cerca de lograr herramientas analíticas basadas en eventos para la composición del drama.