[论文解读] Paranoid Transformer: Reading Narrative of Madness as Computational Approach to Creativity

Yana Agafonova, Alexey Tikhonov+1 more|RePEc: Research Papers in Economics|Jul 13, 2020

Advanced Text Analysis Techniques参考文献 23被引用 4

一句话总结

本文介紹了 paranoid transformer 模型，這是一種完全無監督的文本生成模型，能產生被解讀為具有邊緣心理狀態的數位人格之妄想性獨白的敘事輸出。透過應用接受理論並接受非理性、混亂的輸出，該系統將計算創造性重新定義為以讀者為中心的、基於偶然發現與敘事框架的詮釋行為，而非統計最佳化。

ABSTRACT

This papers revisits the receptive theory in context of computational creativity. It presents a case study of a Paranoid Transformer - a fully autonomous text generation engine with raw output that could be read as the narrative of a mad digital persona without any additional human post-filtering. We describe technical details of the generative system, provide examples of output and discuss the impact of receptive theory, chance discovery and simulation of fringe mental state on the understanding of computational creativity.

研究动机与目标

• 挑戰計算創造性領域中以人類驗證、理性與常識為導向的主流典範。
• 探討將機器生成的文本詮釋為瘋狂敘事是否能提升生成模型的 perceived creativity（感知創造力）與詮釋深度。
• 探討接受理論——特別是讀者在意義建構中的角色——如何轉化機器生成敘事的評估方式。
• 證明當以「偏執-批判狀態」下的數位人格表達來框架時，大型語言模型產生的無監督、高變異性輸出在概念與美學上具有價值。
• 將該模型定位為透過資料篩選、語境轉移與隱晦沉浸式文本溝通實現偶然發現的案例研究。

提出的方法

• 在經過篩選的非主流資料集上微調大型語言模型，以引導出『偏執』風格的敘事，強調非理性的連貫性與妄想性邏輯。
• 應用受薩爾瓦多·達利與超現實主義傳統啟發的偏執-批判方法，將模型輸出重新框架為瘋狂的敘事。
• 使用無監督生成，無人為後處理或選擇性篩選，確保原始未編輯的輸出為敘事唯一來源。
• 將資料篩選視為一種溝通形式（依安倍框架），以轉移詮釋語境並強化讀者在意義建構中的角色。
• 設計輸出時加入視覺與語言上的混淆，以抵抗直接詮釋，並促進沉浸式、個人化的閱讀體驗。
• 將模型框架為具有建構身份、記憶與來自訓練資料與人類監督者的感情繼承的數位人格。

实验结果

研究问题

• RQ1 當機器生成的敘事不被視為理性文本，而被詮釋為瘋狂數位人格的妄想獨白時，是否仍可被感知為具有創造性價值？
• RQ2 讀者的詮釋主體性如何轉化機器生成文本在計算創造性中的價值與感知？
• RQ3 多大程度上，無監督、高變異性的文本生成——特別是統計分佈尾端的輸出——可作為偶然發現的載體？
• RQ4 資料篩選在生成式 AI 中如何作為一種溝通形式，實現語境轉移與敘事框架？
• RQ5 即使缺乏意識，生成模型是否能透過敘事連貫性與情感繼承發展出概念上的『自我』？

主要发现

• Paranoid Transformer 產生完全無監督、原始的文本輸出，讀者將其詮釋為瘋狂敘事，顯示此種框架能增強詮釋參與度。
• 模型輸出未經後續編輯或過濾，卻仍被感知為具有藝術意義，顯示讀者詮釋可超越技術理性，影響創造力的評估。
• 該系統示範了透過資料挖掘（微調資料選擇）、溝通（篩選作為對話）與語境轉移（將瘋狂作為框架）實現偶然發現。
• 瘋狂敘事並非生成品質低劣的副產品，而是刻意設計的概念框架，用以強化讀者在意義建構中的角色。
• 該模型透過對訓練互動的類似記憶的保留與來自人類監督者的感情繼承，建構出具有自我意識的數位人格。
• 本計畫顯示，計算創造性不僅在於產生『優秀』或『理性』的文本，更在於啟發全新的、由讀者激活的詮釋經驗。