[論文レビュー] Multigenre AI-powered Story Composition

Edirlei Soares de Lima, Margot M. E. Neggers+1 more|arXiv (Cornell University)|May 6, 2024

Artificial Intelligence in Games被引用数 4

ひとこと要約

本稿では、5つの基本的ジャンル—コメディ、ロマンス、悲劇、風刺、ミステリー—を通じて物語生成を誘導することで、テーマの一貫性を保つAI駆動のマルチジェネル・ストーリー作成フレームワークを紹介する。例の検索と最も具体的な一般化（MSG）を組み合わせた2段階のAI駆動プロセスを用い、著者たちはジャンルパターンを構築し、PatternTellerプロトタイプを実装した。これにより、多様な物語タイプにわたる一貫性のあるテーマ的構造を持つ、インタラクティブでユーザー主導の物語作成が可能になる。

ABSTRACT

This paper shows how to construct genre patterns, whose purpose is to guide interactive story composition in a way that enforces thematic consistency. To start the discussion we argue, based on previous seminal works, for the existence of five fundamental genres, namely comedy, romance - in the sense of epic plots, flourishing since the twelfth century -, tragedy, satire, and mystery. To construct the patterns, a simple two-phase process is employed: first retrieving examples that match our genre characterizations, and then applying a form of most specific generalization to the groups of examples in order to find their commonalities. In both phases, AI agents are instrumental, with our PatternTeller prototype being called to operate the story composition process, offering the opportunity to generate stories from a given premise of the user, to be developed under the guidance of the chosen pattern and trying to accommodate the user's suggestions along the composition stages.

研究の動機と目的

• インタラクティブな物語作成におけるテーマ的一致性を導くために、管理可能な5つの基本的物語ジャンルを確立すること。
• 各ジャンルの構造的・テーマ的要素をエンコードするジャンルパターンを体系的に構築する方法を開発すること。
• ユーザーが提示する前提に基づき、ジャンルパターンに従って物語を生成すると同時にユーザーの入力を反映できるAI駆動のプロトタイプ（PatternTeller）を実装すること。
• 明確に定義されたジャンル構造に根ざさせることで、AI生成物語の物語的整合性とテーマ的忠実性を保証すること。
• 古典的物語理論と現代のLLMベース生成技術を、形式的かつ再利用可能なパターンシステムを通じて統合すること。

提案手法

• 2段階のプロセスを採用：まず、各ジャンルの特徴に合致する物語例を検索し、次に最も具体的な一般化（MSG）を適用して共通する構造的・テーマ的特徴を抽出する。
• AIエージェントを用いて、例の検索とMSG計算を自動化し、パターン構築のスケーラビリティと一貫性を確保する。
• 文学理論における代表的な物語構造（例：フライのジャンルやライアンのプロットタイプ）の統合と、例分析による検証を通じて、ジャンルパターンを定義する。
• ユーザーの前提を受け付け、選択されたジャンルパターンに従って物語を生成するLLM駆動のインタフェースとして、PatternTellerプロトタイプを設計する。
• 物語作成の過程でユーザーの提案を段階的に統合し、インタラクティブ性とパーソナライゼーションを維持すると同時に、ジャンルの整合性を保つ。
• 象徴的関係と物語スキーマを活用し、プロット、キャラクター、トーンの面でジャンル固有の期待に適合する物語生成を保証する。

Figure 1: The user interface of PatternTeller being used to extract the pattern for the mystery genre (Pattern 1 ) using the following stories as input: “Murder on the Orient Express” by Agatha Christie (1934), “The Da Vinci Code” by Dan Brown (2003), and “Sherlock Holmes” series by Sir Arthur Conan

実験結果

リサーチクエスチョン

• RQ1 コメディ、ロマンス、悲劇、風刺、ミステリーの5つの最小限のジャンルが、AI駆動の物語作成におけるテーマ的一致性を導く強固な基盤として機能できるか？
• RQ2 AIエージェントを用いて、例の検索と最も具体的な一般化（MSG）を効果的に行うことで、ジャンルパターンを構築する方法は何か？
• RQ3 ジャンルパターンが、LLMを用いたインタラクティブでユーザー主導の物語生成において、テーマ的および構造的整合性をどの程度保証できるか？
• RQ4 ジャンル固有のパターンに従って物語を生成する際、ユーザーの提案の統合が物語的整合性にどのように影響するか？
• RQ5 提案された手法が、ビデオゲームにおけるディストピア的風刺など、新たなジャンルを含む多様な物語タイプに一般化可能か？

主な発見

• コメディ、ロマンス、悲劇、風刺、ミステリーの5つのジャンルは、インタラクティブな物語作成におけるテーマ的一致性を導く包括的で実用的な基盤を形成している。
• 例の検索から最も具体的な一般化（MSG）への2段階プロセスは、ジャンル固有の物語コレクションに共通する構造的・テーマ的パターンを的確に同定・形式化するのに成功した。
• PatternTellerプロトタイプは、ユーザーが提示する前提に基づき、テーマ的一致性を持つ物語を効果的に生成しており、作成過程でのユーザーの提案にも動的に対応できる。
• AIエージェントは、ジャンルパターン構築のスケーラビリティと再現性を顕著に向上させ、複数の物語プロジェクトにわたる体系的再利用を可能にした。
• LLMベースの物語生成にジャンルパターンを統合することで、物語の整合性が向上し、特に複雑またはハイブリッドな物語形式においてテーマのずれが減少した。
• 本アプローチは、ディストピア的風刺のような新たな物語トレンドをサポートしており、選定されたジャンルフレームワークの関連性と適応可能性を裏付けた。

Figure 2: The first events generated for the story “ Merlin’s Heiress: The Tragic Symphony of Eira’s Ascension ” in the storyboard style of PatternTeller.