Nada decepciona tanto como una buena historia con un pésimo final. Entonces, los investigadores de la Universidad Carnegie Mellon que trabajan en el campo joven de la narración automatizada no creen que se estén adelantando al idear mejores finales.

El problema es que la mayoría de los algoritmos para generar el final de una historia tienden a favorecer oraciones genéricas, como "Se lo pasaron genial, "o" Estaba triste ". Esos pueden ser aburridos, pero Alan Black, profesor en el Instituto de Tecnologías del Lenguaje de CMU, dijo que no son necesariamente peores que un non sequitur como "El OVNI vino y se los llevó a todos".

En un documento presentado el jueves, 1 de agosto en el Segundo Taller de Narración de Cuentos en Florencia, Italia, Negros y estudiantes Prakhar Gupta, Vinayshekhar Bannihatti Kumar y Mukul Bhutani presentaron un modelo para generar finales que serán relevantes para la historia y lo suficientemente diversos como para ser interesantes.

Un truco para equilibrar estos objetivos Black dijo, es requerir que el modelo incorpore algunas palabras clave en el final que estén relacionadas con las que se usaron al principio de la historia. Al mismo tiempo, el modelo es recompensado por usar algunas palabras raras al final, con la esperanza de elegir un final que no sea del todo predecible.

Considere esta historia generada por un robot:"Megan era nueva en el mundo de los concursos. De hecho, esta fue su primera. Ella realmente se estaba divirtiendo pero también estaba bastante nervioso. Los resultados llegaron y ella y los otros concursantes se retiraron ". Los algoritmos existentes generaron estos posibles finales:" Estaba decepcionada porque no podía tener que aprender a ganar, " y al día siguiente, estaba feliz de tener un nuevo amigo ". El algoritmo CMU produjo este final:" Megan ganó el concurso de certamen ".

Ninguna de las selecciones representa una prosa inmortal, Black reconoció, pero las terminaciones generadas por el modelo CMU puntuaron más alto que los modelos más antiguos tanto cuando se puntuaron automáticamente como por tres revisores humanos.

Los investigadores han trabajado con agentes conversacionales durante años, pero la narración automatizada presenta nuevos desafíos técnicos.

"En una conversación, Las preguntas y respuestas del ser humano pueden ayudar a mantener el rumbo de las respuestas de la computadora, "Dijo Black." Cuando el bot está contando una historia, sin embargo, eso significa que tiene que permanecer coherente durante mucho más tiempo que en una conversación ".

La narración automatizada podría usarse para generar subhistorias en videojuegos, Black dijo, o para generar historias que resuman presentaciones en una conferencia. Otra aplicación podría ser generar instrucciones para reparar algo o utilizar equipos complicados que se pueden personalizar según la habilidad o el nivel de conocimiento de un usuario. oa las herramientas o equipos exactos disponibles para el usuario.