核心概念
本文提出了一種基於資訊理論的框架來量化分析敘事結構,並探討其在理解故事動態、評估人工智慧生成的故事以及輔助人類創作等方面的應用。
摘要
論文概述
本論文提出了一種基於資訊理論的框架,用於量化分析敘事結構,並探討其在理解故事動態、評估人工智慧生成的故事以及輔助人類創作等方面的應用。
研究背景
隨著人工智慧系統開始創作自己的故事,開發用於理解和評估其生成內容的正式方法變得至關重要。敘事是我們理解虛構和現實世界的重要方式,而資訊理論提供了一個強大的框架來量化分析敘事中的關鍵元素,如新穎性和驚喜。
研究方法
該框架將故事分解成稱為「狀態」的基本構建塊,並使用資訊理論中的概念(如熵和延森-香農散度)來量化分析狀態的複雜性和狀態之間的轉變。此外,該框架還引入了基於預測的指標,例如懸念和情節轉折,以捕捉觀眾對故事發展的預期和反應。
研究結果
研究人員將該框架應用於一個包含超過 3000 分鐘電視節目的語料庫,發現不同類型節目之間存在顯著差異。例如,真人秀和約會節目表現出更高的熵和延森-香農散度,表明情緒變化更頻繁、更劇烈,而劇情片和驚悚片則更注重漸進式的變化。
研究意義
該框架為創意產業和人工智慧研究的交叉領域提供了新的思路和工具。它可以用於評估故事的複雜性、不可預測性和情節轉折,比較不同類型的故事敘述技巧,區分人類創作和人工智慧生成的故事,並協助人類和人工智慧共同創作更具吸引力的故事。
未來方向
未來的研究可以將該框架擴展到其他形式的敘事,如書籍和音樂,並開發更複雜的模型來捕捉人類對故事的直覺。此外,還需要進一步研究如何將這些量化指標應用於實際的創意產業中,例如劇本創作、電影剪輯和觀眾分析。
統計資料
分析的電視節目語料庫包含超過 3000 分鐘的影片。
語料庫涵蓋多種類型節目,包括肥皂劇、約會節目、競賽節目、犯罪劇、驚悚片、劇情片和真人秀。
研究人員使用臉部表情分析來推斷角色的情緒,並將其作為定義敘事狀態的基礎。
引述
"As AI systems begin to tell their own stories, it becomes crucial to develop formal methods for understanding and evaluating the content they produce."
"Narratives represent a key higher-level representation of how a story gets told and are crucial to how we understand worlds, both fictional and real."
"Our work introduces an information-theoretic framework to capture narratives. We showed how core principles from information theory provide a formal language for understanding story dynamics, and applied them to a real-world data set."