PlotMachines AI系统根据轮廓写长篇故事

在本周于Arxiv.org上发表的预印本论文中，微软，艾伦人工智能研究所和华盛顿大学的科学家描述了PlotMachines，这是一种AI系统，通过跟踪绘图线程来学习将轮廓转换为故事。PlotMachines(其代码可在GitHub上找到)可以促进能够编写案例研究，新闻文章和脚本的系统的开发，而无需描述字符和事件的短语，从而节省了公司的时间和资金。

虽然存在故事，文章甚至可以生成歌词的AI系统，但它们大多是针对特定领域量身定制的，无法很好地适应新任务。而且，他们并不擅长长篇文章写作。即使是最复杂的模型，也会忘记情节元素并重复自己。

正如研究人员所解释的那样，编写故事需要跟踪剧情，故事是通过人物和事件以连贯的叙述方式编织而成的。对于机器而言，这并不容易。由于输入仅提供情节的粗略元素，因此模型有责任充实元素如何在故事的不同部分之间交织。

在开发PlotMachines的过程中，该团队创建了多个数据集并以目标叙述的现有故事数据集为基础，并与自动构建的输入轮廓配对：

Wikiplots，一个由电影，电视和从Wikipedia抓取的图书情节组成的语料库。

WritingPrompts，是从Reddit subreddit / r / WritingPrompts收集的故事生成数据集。

NYTimes，一个包含新闻文章的数据集。

轮廓提取，使用算法从Wikiplots，WritingPrompts和NYTimes中提取的绘图点列表。

研究人员接下来设计了PlotMachines，他们将其描述为基于OpenAI的GPT模型构建的Transformer。像所有神经网络一样，变压器包含分层排列的功能(神经元)，这些功能可传输数据信号并调整连接的强度(权重)。但是，变形金刚也要引起注意，这意味着每个输出元素都连接到每个输入元素，并且它们之间的权重是动态计算的。

给定大纲作为输入，PlotMachines会写出五个段落(引言，三个正文段落和结论)，并更新一个存储矩阵，以从大纲中跟踪绘图元素。每段的话语信息有助于在故事的开头，中间和结尾保持风格上的差异(记忆力也可以观察到到目前为止所写的内容)，而上下文表示可确保在创建新段落时使用先前的元素。

从质上讲，研究人员说，PlotMachines经过培训后通过设定场景开始故事(例如“在1950年代初期，继续进行核武器测试……”)并以确定的关闭动作结束(例如……)，影片以humperdinck和毛riding骑到日落”)。实际上，他们发现了一种在NYTimes语料库上训练的新闻生成PlotMachines模型，该模型如此强大，以至于他们计划仅与研究社区选择性地共享它，以防止恶意参与者创建和传播误导性故事。

在实验中，在OpenAI的GPT-2架构上构建了PlotMachines模型的变体，该模型总共包含4.6亿个参数(变量)，与多个基准相比，实现了针对回忆评估的召回率基础研究(ROUGE)和BLEU得分更高，表明它具有出色的摘要和机器翻译功能。在涉及负责阅读和审阅PlotMachine生成的故事的人类团队的两次独立评估中，它在“叙事流程”和“概述用法”等类别中的基准排名超过了基线。

“我们提出了大纲条件的故事生成的任务：给定大纲作为描述故事中出现的关键人物和事件的一组短语，任务是生成与所提供的大纲一致的连贯叙事……这需要该模型的作者根据潜入图的动态状态跟踪潜伏图的动态状态，同时生成整个故事。”“分析表明，PlotMachines可有效地根据轮廓线撰写更紧凑的叙述。”