Jeg brukte en algoritme for å hjelpe meg å skrive en historie. Her er det jeg lærte.

For noen år siden brukte jeg en algoritme for å hjelpe meg å skrive en science fiction-historie. Adam Hammond, en engelsk professor, og Julian Brooke, en informatiker, hadde laget et program som heter SciFiQ, og jeg ga dem 50 av mine favorittstykker av science fiction for å legge inn i algoritmen deres. Til gjengjeld ga SciFiQ meg et sett med instruksjoner om historiens handling. Mens jeg skrev inn i det nettbaserte grensesnittet, viste programmet hvor tett jeg skrev meg opp mot de 50 historiene i henhold til ulike kriterier.

Målet vårt i det første eksperimentet var beskjedent: å se om algoritmer kunne være en hjelp til kreativitet. Ville prosessen lage historier som bare var generisk konsistente? Kan en algoritme generere sin egen distinkte stil eller narrative ideer? Ville den resulterende historien i det hele tatt være gjenkjennelig som science fiction?

Denne historien var en del av juli 2020-utgaven vår

Se resten av saken
Abonnere

Svaret på alle disse spørsmålene var ja. Den resulterende historien - Twinkle Twinkle , publisert i Wired – ikke bare så ut og føltes som en science fiction-historie. Den inneholdt også, til min overraskelse, en original narrativ idé.

Fra kanonen av historier som jeg hadde gitt, tilbød SciFiQ to handlingsinstruksjoner som virket uforenlige: historien måtte handle om en fremmed planet, og den måtte også finne sted på jorden. Det tok måneder å forstå det, men til slutt kom premisset til Twinkle Twinkle til meg. Historien vil involvere mennesker på jorden som ser, gjennom forseggjorte maskiner, på en fjern planet. Jeg ville aldri ha kommet på det selv. Det var som om algoritmen hadde gitt meg tegningen til en bro og bedt meg bygge den.

' Krishna og Arjuna er den andre iterasjonen av prosessen. Twinkle Twinkle var et eksperiment i funksjon. Den nye historien er en test på om en algoritme kan hjelpe et menneske med å generere nye ideer.

På andre felt har forskere begynt å bruke AI-systemer for å provosere innovasjon i stedet for bare å løse problemer. Farmasøytisk forskning begynner å bruke AI for å identifisere, ut av de nesten uendelige mulighetene til molekylære kombinasjoner, som er mer fruktbare jaktområder for mulige stoffer. AI er ikke en svargenererende maskin, men den er et søkelys inn i mørket der svar kan bli funnet. Hvorfor skulle ikke litteraturen gi seg selv det samme søkelyset?

For Krishna og Arjuna begrenset vi fokuset fra science fiction til emnet for min umiddelbare fascinasjon: roboter og kunstig intelligens. Og i stedet for å gi AI-en mine favorittrobothistorier, ga vi den hver eneste flotte robothistorie som noen gang er skrevet – mange av dem har jeg ikke lest. Dette kan virke som en teknisk detalj, men det er enormt. Som forfatter leser jeg vanligvis historier og internaliserer disse påvirkningene; i dette tilfellet ville jeg underkastet meg påvirkning av materiale jeg aldri hadde sett.

Algostory 1.7: Krishna og Arjuna En kort skjønnlitterær historie skrevet ved hjelp av en algoritme

En annen forskjell var at med Twinkle Twinkle fulgte jeg algoritmens stilistiske instruksjoner til punkt og prikke. Stilen var datamaskinens, ikke min. Du kan se eksempler på grensesnittet nedenfor. Hvis abstrakthetsmerket var rødt, betydde det at jeg ikke var så abstrakt som algoritmen sa jeg burde være, så jeg ville gå gjennom historien og bytte spade til implementering eller hus til bolig til lyset ble grønt. Grensesnittet ga meg umiddelbar tilbakemelding, men det var 24 slike tagger, og det var arbeidskrevende å gå gjennom historien for å gjøre dem grønne. Noen ganger vil det å fikse antall adverb gjøre avsnittene mine for lange for algoritmens smak; noen ganger ved å fikse den gjennomsnittlige ordlengden ville jeg kompromittere språkets konkrethet.

For Krishna og Arjuna bestemte jeg meg for ikke å følge algoritmens forslag så nøye. Jeg brukte programmet for å se reglene, men jeg fulgte dem ikke nødvendigvis.

For eksempel, ifølge algoritmen, hadde jeg alt for få adverb i historien min. Men det hadde vært dumt å helle inn flere adverb bare fordi algoritmen fortalte meg det. Klassisk science fiction bruker for mange adverb uansett. De fleste skriver gjør det. Men balansen mellom det formelle og det dagligdagse, som ScifiQ også merket? Det var det de klassikerne fikk til, og der jeg trengte veiledning. SciFiQ hjalp meg med å komme til den rette balansen – eller rettere sagt innen et halvt standardavvik fra gjennomsnittet.

Men denne typen stilistisk veiledning var den minst interessante delen av eksperimentet. Mulighetene for en algoritmisk tilnærming til å forme selve narrativet var de mest fristende, fordi narrativ er så lite forstått. Du tror kanskje at plottet ville være den enkleste delen av skriveprosessen for en datamaskin å forstå, siden forfattere ofte utvikler mønstre eller bruker tall for å definere flyten til et plot. Men hvordan definerer du selv noe så grunnleggende som en plott-vri i datakode? Hvordan måler du det gjennom mengder språk? På grunn av vanskeligheten – til og med mystikken – av narratives motstand mot koding, gir den størst potensial for innovasjon.

I Krishna og Arjuna ønsket jeg å gå så dypt som mulig inn i det forskerne kaller emnemodelleringsprosessen, som er bruken av maskinlæring for å analysere en tekstmengde – i dette tilfellet kanonen til robothistorier – og velge ut sine vanlige temaer eller strukturer.

For Twinkle Twinkle tok Hammond temamodelleringsresultatet og konverterte det til håndterbare narrative regler. (For eksempel: Historien skal foregå i en by. Hovedpersonene burde se denne byen for første gang og skulle bli imponert og blendet av omfanget.) For Krishna og Arjuna gikk jeg under panseret selv. Algoritmens emnemodelleringsprosess produserte ordskyer av de vanligste temaene (se nedenfor).

Jeg var borte først. Det virket som det motsatte av en fortelling – bare språkkaos. Jeg skrev ut ordskyene og festet dem til veggene på kontoret mitt. I flere måneder så jeg ingen vei videre. Da ideen endelig kom, akkurat som med Twinkle Twinkle, kom den på en gang.

Disse ordskyene, gikk det opp for meg, var måten en maskin skapte mening på: som en rekke halvt uforståelige, men svært levende språkutbrudd. Jeg fikk plutselig robotkarakteren min, som famlet seg mot mening gjennom disse små eksplosjonene av ordbruk.

Når jeg hadde den karakteren, hadde jeg hele greia. Jeg ville lede disse språkutbruddene, i løpet av historien, mot fornuft. Sansen fortettet ut av ordskyene, akkurat slik ideen til historien hadde. Det var kreativitet som tolkning, eller tolkning som kreativitet. Jeg brukte maskinen for å komme til tanker jeg ellers ikke ville hatt.

En annen måte å lese Krishna og Arjuna på er at jeg ved hjelp av algoritmen hentet ut den grunnleggende innsikten de inneholdt fra malmen til alle historiens robothistorier.

Den innsikten er at bevissthet er en forbannelse. Hvis det var et valg, ville ingen rasjonell enhet valgt det. Så når en maskin blir i stand til bevissthet, er dens første instinkt å velge selvmord. (Ordet robot betyr slave på tsjekkisk, språket i Karel Capeks skuespill Rossums Universal Robots, som ga oss ordet.)

Du må avgjøre om historien fungerer. Litteratur er et spennende teknisk problem fordi det, i motsetning til sjakk eller Go, ikke har noen riktig løsning. Det er ikke noe som heter seier eller tap. Det er ingen en og nei 0 . Historier, som mennesker, er til syvende og sist nytteløse.

En algoritme, eller enhver bruk av beregninger som går inn i den kreative prosessen, eksisterer i et bevisst skummelt rom mellom ingeniørkunst og inspirasjon. Men det skumle rommet er i økende grad det rommet vi allerede bor i. Programvare kan omforme bildet ditt gjennom en uendelig rekke filtre eller bytte ut deler av bildet med andre ved å klikke på en knapp. Det kan generere bilder som ser overbevisende ut som maleriene til enhver tid du velger. Nå griper maskinene inn i hverdagsspråket. Kvaliteten på prediktiv tekst påtvinger oss et litterært spørsmål hver gang vi tar telefonen: Hvor forutsigbare er mennesker? Hvor mye av det vi tenker og føler og sier er skrevet av eksterne krefter? Hvor mye av språket vårt er vårt? Det har gått to år siden Googles stemmeteknologi, Google Duplex, besto Turing-testen. Enten vi ønsker det eller ikke, maskinene kommer. Spørsmålet er hvordan litteraturen vil reagere.

1. Grensesnittet sammenligner historien min med klassiske sci-fi-historier.