[論文レビュー] Computational Narrative Intelligence: A Human-Centered Goal for Artificial Intelligence

Mark Riedl|arXiv (Cornell University)|Feb 21, 2016

Topic Modeling参考文献 36被引用数 47

ひとこと要約

本論文は、感情的・文化的な配慮を伴って物語を創造・理解・応答できるようにする人間中心の人工知能の目標として、計算的物語知能（CNI）を提唱する。CNIは、小説、ニュース、文化的物語を含む物語コーパスから学習することで、機械の文化的浸透を促進し、人間とAIのコミュニケーションを向上させ、教育、エンターテインメント、説明可能なAIなどの分野での応用を支援することを目的としている。

ABSTRACT

Narrative intelligence is the ability to craft, tell, understand, and respond affectively to stories. We argue that instilling artificial intelligences with computational narrative intelligence affords a number of applications beneficial to humans. We lay out some of the machine learning challenges necessary to solve to achieve computational narrative intelligence. Finally, we argue that computational narrative is a practical step towards machine enculturation, the teaching of sociocultural values to machines.

研究の動機と目的

• 感情的反応を伴う物語の作成・理解・応答が可能な人工知能を開発し、人間とAIのコミュニケーションおよび共感を高めること。
• 物語にしばしば隠されている因果関係や時間的関係といった、複雑な物語構造をAIが理解するという課題に対処すること。
• 手動によるルール記述の困難さを回避し、物語を通じて社会的・文化的価値をAIに教えるという方法として、物語知能を機械の文化的浸透への道筋として探求すること。
• 訓練、ジャーナリズム、パーソナライズドエンターテインメントなどの応用分野向けに、現実的で信ぴょう性のあるフィクション的・事実的物語を生成できるAIシステムを実現すること。
• AIの意思決定や行動を物語としてフレームする手法により、説明可能性を高め、人間にとってより理解可能で親しみやすいものにすること。

提案手法

• 小説、ニュース記事、寓話、映画やコミックなどのメディアを含む大規模な物語コーパスを活用し、教師ありおよび自己教師ありの機械学習を実施する。
• 自然言語処理とコンピュータビジョンを統合したマルチモーダル処理を用い、特に図版付きや映像形式の物語メディアにおいて、テキスト・音声・視覚メディアを横断的に分析する。
• 因果的・時間的要因の暗黙的構造を含む推論を要するため、物語理解のベンチマークとして物語質問応答を活用する。
• ユーザーの好みや文脈に応じて、新規で整合性があり、パーソナライズされた物語を生成する物語生成モデルを開発する。
• クラウドソーシングや文化的に代表的な物語コーパスから、社会的・文化的に適切な行動や価値観を抽出する「物語からの学習」（LfS）技術を適用する。
• 出来事、参加者、目的、感情状態をエンコードする構造的意味モデルを用いて、物語知識を表現し、推論や計画を支援する。

実験結果

リサーチクエスチョン

• RQ1 AIシステムが、自然言語の物語において因果関係や時間的関係を理解できるようにするには、特にそれらが暗黙的である場合にどう対処すべきか。
• RQ2 整合性があり、新規でパーソナライズされたフィクション的・現実的物語を生成するための、必要な機械学習アーキテクチャと学習パラダイムは何か。
• RQ3 AIに社会的・文化的価値観や規範を教えるための媒体として、物語が果たせる役割は何か。手動によるルール記述の非現実的さを回避する道筋としての有効性は。
• RQ4 物語知能は、人間中心の応用分野におけるAIシステムの説明可能性と信頼性をどのように向上させ得るか。
• RQ5 映画やグラフィックノベルなどのマルチモーダル物語は、テキストを超えた物語的文脈を理解させるために、AIの訓練にどのような役割を果たすか。

主な発見

• 計算的物語知能により、AIは感情的・文化的なニュアンスを含む物語の生成と理解が可能となり、人間とAIの関係構築とコミュニケーションが向上する。
• 物語ベースの学習は、価値観を手動で記述する代替手段としてスケーラブルであり、多様で文化的に代表的な物語コーパスから社会的・文化的規範を学習可能である。
• 訓練用シミュレーションのための物語生成は、無限に近い、文脈に適したシナリオを生み出し、医療や防衛分野におけるスキル習得を支援する。
• 物語質問応答タスクの分析から、現在のシステムは依然として暗黙の因果関係や時間的推論に困難を抱えていることが明らかとなり、重要な研究課題であることが示された。
• 物語からの学習（LfS）は、機械の文化的浸透のための実証的プロトタイプとして有効であることが示された。AIは物語データから人間らしい行動を模倣できる。
• AIの意思決定を物語としてフレームすることで、透明性が向上し、ユーザーの信頼が高まり、AIの行動が人間にとってより解釈可能で、生々しく感じられるようになる。