Jeg brugte en algoritme til at hjælpe mig med at skrive en historie. Her er hvad jeg lærte.

For et par år siden brugte jeg en algoritme til at hjælpe mig med at skrive en science fiction-historie. Adam Hammond, en engelsk professor, og Julian Brooke, en datalog, havde lavet et program kaldet SciFiQ, og jeg forsynede dem med 50 af mine yndlingsstykker af science fiction, som de kunne indlæse i deres algoritme. Til gengæld gav SciFiQ mig et sæt instruktioner om historiens plot. Da jeg skrev ind i dens webbaserede grænseflade, viste programmet, hvor tæt mit forfatterskab stod i forhold til de 50 historier i henhold til forskellige kriterier.



Vores mål i det første eksperiment var beskedent: at se, om algoritmer kunne være en hjælp til kreativitet. Ville processen lave historier, der bare var generisk konsistente? Kunne en algoritme generere sin egen distinkte stil eller narrative ideer? Ville den resulterende historie overhovedet kunne genkendes som science fiction?

Innovationsspørgsmålet

Denne historie var en del af vores juli 2020-udgave



  • Se resten af ​​problemet
  • Abonner

Svaret på alle disse spørgsmål var ja. Den resulterende historie - Twinkle Twinkle , udgivet i Wired - ikke kun lignede og føltes som en science fiction-historie. Det indeholdt også, til min overraskelse, en original fortællende idé.



Fra den kanon af historier, som jeg havde givet, tilbød SciFiQ to plotinstruktioner, der virkede uforenelige: Historien skulle handle om en fremmed planet, og den skulle også foregå på Jorden. Det tog måneder at forstå det, men til sidst kom præmissen om Twinkle Twinkle til mig. Historien ville involvere mennesker på Jorden, der gennem komplicerede maskiner ser på en fjern planet. Det ville jeg aldrig selv have fundet på. Det var, som om algoritmen havde givet mig tegningen til en bro og bedt mig bygge den.

' Krishna og Arjuna er den anden iteration af processen. Twinkle Twinkle var et eksperiment i funktion. Den nye historie er en test af, om en algoritme kan hjælpe et menneske med at generere nye ideer.

På andre områder er forskere begyndt at bruge AI-systemer til at provokere innovation frem for blot at løse problemer. Farmaceutisk forskning begynder at bruge kunstig intelligens til at identificere, ud af de næsten uendelige muligheder for molekylære kombinationer, som er mere frugtbare jagtområder for mulige lægemidler. AI'en er ikke en svargenererende maskine, men den er et søgelys ind i mørket, hvor der kan findes svar. Hvorfor skulle litteraturen ikke give sig selv det samme søgelys?



For Krishna og Arjuna indsnævrede vi fokus fra science fiction til emnet for min umiddelbare fascination: robotter og kunstig intelligens. Og i stedet for at forsyne AI med mine yndlingsrobothistorier, gav vi den enhver stor robothistorie, der nogensinde er skrevet – mange af dem har jeg ikke læst. Dette kan virke som en teknisk detalje, men det er enormt. Som forfatter læser jeg normalt historier og internaliserer disse påvirkninger; i dette tilfælde ville jeg underkaste mig påvirkningen af ​​materiale, jeg aldrig selv havde set.

Algostory 1.7: Krishna og Arjuna En kort fiktionshistorie skrevet ved hjælp af en algoritme

En anden forskel var, at jeg med Twinkle Twinkle fulgte algoritmens stilistiske instruktioner til punkt og prikke. Stilen var computerens, ikke min. Du kan se eksempler på grænsefladen nedenfor. Hvis abstrakthedsmærket var rødt, betød det, at jeg ikke var så abstrakt, som algoritmen sagde, jeg skulle være, så jeg ville gennemgå historien og skifte spade til implementering eller hus til bolig, indtil lyset blev grønt. Grænsefladen gav mig øjeblikkelig feedback, men der var 24 sådanne tags, og det var arbejdskrævende at gå gennem historien for at gøre dem alle grønne. Nogle gange ville fastsættelse af antallet af adverbier gøre mine afsnit for lange til algoritmens smag; nogle gange ved at fastsætte den gennemsnitlige ordlængde ville jeg kompromittere sprogets konkrethed.

For Krishna og Arjuna besluttede jeg ikke at følge algoritmens forslag så tæt. Jeg brugte programmet til at se reglerne, men jeg fulgte dem ikke nødvendigvis.



For eksempel havde jeg ifølge algoritmen alt for få adverbier i min historie. Men det ville have været dumt at hælde flere adverbier ind, bare fordi algoritmen sagde det til mig. Klassisk science fiction bruger alligevel for mange adverbier. Det gør de fleste skriverier. Men balancen mellem det formelle og det mundrette, som ScifiQ også mærkede? Det var det, de klassikere fik rigtigt, og hvor jeg havde brug for vejledning. SciFiQ hjalp mig med at nå frem til den rigtige balance – eller rettere sagt inden for en halv standardafvigelse fra gennemsnittet.

Men denne form for stilistisk vejledning var den mindst interessante del af eksperimentet. Mulighederne for en algoritmisk tilgang til at forme selve fortællingen var de mest fristende, fordi fortællingen er så lidt forstået. Du tror måske, at plot ville være den enkleste del af skriveprocessen for en computer at forstå, da forfattere ofte udvikler mønstre eller bruger tal til at definere flowet af et plot. Men hvordan definerer man selv noget så grundlæggende som et plottwist i computerkode? Hvordan måler du det gennem mængder af sprog? På grund af narrativs modstandsdygtighed over for kodning - selv mysteriet - giver den det største potentiale for innovation.


I Krishna og Arjuna ønskede jeg at gå så dybt som muligt ind i det, forskerne kalder emnemodelleringsprocessen, som er brugen af ​​maskinlæring til at analysere en tekstmasse – i dette tilfælde robothistoriens kanon – og vælge ud af dets fælles temaer eller strukturer.



For Twinkle Twinkle tog Hammond emnemodelleringsoutputtet og konverterede det til håndterbare fortælleregler. (For eksempel: Historien skulle udspille sig i en by. Hovedpersonerne skulle se denne by for første gang og skulle være imponeret og forblændet af dens omfang.) For Krishna og Arjuna gik jeg selv under hætten. Algoritmens emnemodelleringsproces producerede ordskyer af de mest almindelige temaer (se nedenfor).

Jeg var tabt i starten. Det virkede som det modsatte af en fortælling – blot et sprogkaos. Jeg printede ordskyerne ud og fastgjorde dem til væggene på mit kontor. I flere måneder så jeg ikke en vej frem. Da ideen endelig kom, ligesom med Twinkle Twinkle, kom den på én gang.

Disse ordskyer, gik det op for mig, var den måde, en maskine skabte mening på: som en række halvt uforståelige, men meget levende sprogudbrud. Pludselig fik jeg min robotkarakter, der famlede sig frem til mening gennem disse små eksplosioner af ordsprog.

Da jeg først havde den karakter, havde jeg det hele. Jeg ville lede disse sprogudbrud i løbet af historien mod fornuft. Forstanden fortættede sig ud af ordskyerne, ligesom ideen til historien havde. Det var kreativitet som fortolkning, eller fortolkning som kreativitet. Jeg brugte maskinen til at komme til tanker, jeg ellers ikke ville have haft.

En anden måde at læse Krishna og Arjuna på er, at jeg ved hjælp af algoritmen udtog fra malmen af ​​alle historiens robothistorier den grundlæggende indsigt, de indeholdt.

Den indsigt er, at bevidsthed er en forbandelse. Hvis det var et valg, ville ingen rationel enhed vælge det. Så når en maskine bliver i stand til at blive bevidst, er dens første instinkt at vælge selvmord. (Ordet robot betyder slave på tjekkisk, sproget i Karel Capeks skuespil Rossums Universal Robots, som gav os ordet.)

Du skal afgøre, om historien virker. Litteratur er et spændende teknisk problem, fordi det i modsætning til skak eller Go ikke har nogen korrekt løsning. Der er ikke noget, der hedder en sejr eller et tab. Der er ingen en og nej 0 . Historier, ligesom mennesker, er i sidste ende forgæves.

En algoritme, eller enhver brug af beregninger, der går inde i den kreative proces, eksisterer i et bevidst uhyggeligt rum mellem teknik og inspiration. Men det uhyggelige rum er i stigende grad det rum, vi allerede bebor. Software kan omforme dit fotografi gennem en uendelighed af filtre eller skifte dele af billedet ud med andre ved et klik på en knap. Det kan generere billeder, der på overbevisende måde ligner malerierne fra enhver æra, du vælger. Nu griber maskiner ind i hverdagssproget. Kvaliteten af ​​prædiktiv tekst påtvinger os et litterært spørgsmål, hver gang vi tager telefonen: Hvor forudsigelige er mennesker? Hvor meget af det, vi tænker, føler og siger, er skrevet af udefrakommende kræfter? Hvor meget af vores sprog er vores? Det er to år siden, at Googles stemmeteknologi, Google Duplex, bestod Turing-testen. Uanset om vi vil det eller ej, så kommer maskinerne. Spørgsmålet er, hvordan litteraturen vil reagere.


1. Interfacet sammenligner min historie med klassiske sci-fi-historier.

Stephen Walk

2. Algoritmen giver stilistiske instruktioner.

Stephen Walk 2

3 & 4. Det foreslår hvor mange adverbier der skal bruges bl.a.

Stephen Walk 3 Stephen Walk 4

5. Ordskyer, der opsummerer almindelige emner i tidligere robothistorier, tjente som inspiration til denne.

Stephen Marche wordcloud skjule