Narrazioni creative artificiali
Negli ultimi anni, l’avanzamento delle tecnologie di narrazione automatizzata e comprensione narrativa ha portato a un enorme interesse per la ricerca di base e applicata. La narrazione automatizzata si riferisce alla creazione di storie o narrazioni artificiali da parte di sistemi informatici, mentre la comprensione narrativa riguarda la capacità di un sistema informatico di comprendere e analizzare la struttura e il contenuto di una narrazione.
Le tecnologie di base sono fondamentali per far progredire la narrazione automatizzata e la comprensione narrativa. Una di queste tecnologie è il ragionamento abduttivo, che si riferisce alla capacità di un sistema informatico di dedurre nuove informazioni sulla base di quelle già presenti. Questa tecnologia è utile per creare narrazioni artificiali e per analizzare narrazioni esistenti. Ad esempio, un sistema di narrazione automatizzata potrebbe utilizzare il ragionamento di rapimento logico per creare una storia basata su una serie di eventi che ha già acquisito come input.
Il ragionamento abduttivo è un tipo di ragionamento inferenziale utilizzato in ambito dell’intelligenza artificiale e della scienza cognitiva. Questa tecnologia si riferisce alla capacità di un sistema informatico di dedurre nuove informazioni sulla base di quelle già presenti. In particolare, il ragionamento abduttivo consiste nel trovare una spiegazione plausibile per un evento o un insieme di eventi. In altre parole, il sistema informatico cerca di trovare una spiegazione che sia coerente con le conoscenze e le ipotesi già presenti. Il ragionamento abduttivo si basa sulla logica di primo ordine, che consente di rappresentare conoscenze complesse e di effettuare inferenze a partire da queste conoscenze. La rappresentazione delle conoscenze avviene attraverso un insieme di predicati e relazioni tra oggetti o concetti. Il ragionamento abduttivo ha diverse applicazioni in ambito dell’intelligenza artificiale, tra cui la narrazione automatizzata, l’analisi del linguaggio naturale e la diagnostica medica. Ad esempio, un sistema di diagnosi medica potrebbe utilizzare il ragionamento di rapimento logico per identificare le possibili cause di una determinata sintomatologia, in base alle informazioni raccolte sul paziente.
In sintesi, il ragionamento abduttivo è una tecnologia di base per la narrazione automatizzata e la comprensione narrativa, in quanto consente di dedurre nuove informazioni sulla base di quelle già presenti, creando in questo modo una narrazione artificiale più sofisticata e completa.
Un’altra tecnologia di base per la narrazione automatizzata e la comprensione narrativa è la formalizzazione su larga scala della conoscenza del senso comune. La conoscenza del senso comune si riferisce alla comprensione implicita delle cose che la maggior parte delle persone conosce e che utilizza per interpretare la realtà. La formalizzazione di questa conoscenza è essenziale per far progredire la narrazione automatizzata, in quanto fornisce al sistema informatico una base di conoscenza su cui costruire le sue narrazioni.
L’integrazione di metodi di ragionamento neurale, probabilistico e simbolico è un’altra tecnologia di base per la narrazione automatizzata e la comprensione narrativa. I metodi di ragionamento neurale si riferiscono alla capacità di un sistema informatico di apprendere da dati attraverso l’utilizzo di algoritmi di deep learning. I metodi di ragionamento probabilistico si riferiscono alla capacità di un sistema informatico di utilizzare la probabilità per prendere decisioni. I metodi di ragionamento simbolico si riferiscono alla capacità di un sistema informatico di utilizzare simboli per rappresentare la conoscenza. L’integrazione di questi metodi di ragionamento permette al sistema informatico di utilizzare diverse tecniche per creare narrazioni artificiali e per comprendere narrazioni esistenti.
Le applicazioni di queste tecnologie includono l’interpretazione automatizzata di film e simulazioni interattive e la generazione automatizzata di riassunti testuali a supporto della revisione dopo l’azione e della comunicazione uomo-computer. L’interpretazione automatizzata di film e simulazioni interattive è un’applicazione utile della narrazione automatizzata e della comprensione narrativa, poiché consente di analizzare le narrazioni esistenti e di utilizzare quelle informazioni per creare narrazioni artificiali. Ad esempio, un sistema informatico potrebbe analizzare un film per identificare gli eventi chiave e utilizzare queste informazioni per creare una narrazione alternativa basata sui medesimi eventi.
Nel 2017, il MIT Media Lab e la società di consulenza globale McKinsey & Company hanno collaborato per utilizzare il machine learning per analizzare l’arco emotivo di un film e prevedere quanto coinvolgente sarebbe stato per il pubblico. Il team di ricerca ha utilizzato un algoritmo di machine learning per analizzare le emozioni espressi dai personaggi del film durante la sua narrazione, con lo scopo di estrarre l’arco emotivo del film. In particolare, l’algoritmo ha analizzato le espressioni facciali e le parole utilizzate dai personaggi durante le scene chiave del film. Dopo aver analizzato l’arco emotivo del film, il team di ricerca ha utilizzato un altro algoritmo di machine learning per prevedere quanto coinvolgente sarebbe stato il film per il pubblico. Questo algoritmo ha utilizzato un insieme di dati storici per confrontare l’arco emotivo del film con l’arco emotivo di altri film simili, in modo da poter prevedere come il pubblico avrebbe reagito al film. I risultati della ricerca sono stati molto interessanti. In particolare, il team di ricerca ha scoperto che l’arco emotivo di un film può essere utilizzato per prevedere quanto coinvolgente sarà per il pubblico. Inoltre, il team ha scoperto che i film con un arco emotivo complesso sono generalmente più coinvolgenti per il pubblico rispetto ai film con un arco emotivo semplice. Questa ricerca ha importanti implicazioni per l’industria del cinema e dell’intrattenimento, in quanto consente di utilizzare il machine learning per prevedere il successo di un film in modo più accurato. Inoltre, questa ricerca ha dimostrato il potenziale dell’utilizzo del machine learning per analizzare e comprendere la narrazione e l’emozione nei media.
La generazione automatizzata di riassunti testuali è un’altra applicazione importante della narrazione automatizzata e della comprensione narrativa. Questa tecnologia può essere utilizzata per generare riassunti di documenti complessi o per sintetizzare le informazioni presenti in un’intera collezione di documenti. Ad esempio, un sistema di generazione di riassunti potrebbe analizzare una collezione di articoli su una determinata argomento e creare un riassunto che sintetizza le informazioni chiave contenute in quegli articoli.
Infine, la narrazione automatizzata e la comprensione narrativa hanno anche importanti implicazioni per la comunicazione uomo-computer. Con l’avanzamento di queste tecnologie, sarà possibile sviluppare sistemi di comunicazione uomo-computer più avanzati e intuitivi. Ad esempio, un assistente vocale potrebbe utilizzare la narrazione automatizzata per creare una risposta più naturale e coinvolgente a una domanda posta dall’utente.
In conclusione, la ricerca di base e applicata sulla narrazione automatizzata e la comprensione narrativa è fondamentale per far progredire le tecnologie in questo campo. Le tecnologie di base, come il ragionamento di rapimento logico, la formalizzazione della conoscenza del senso comune e l’integrazione di metodi di ragionamento neurale, probabilistico e simbolico, sono essenziali per creare sistemi di narrazione automatizzata e comprensione narrativa più avanzati. Le applicazioni di queste tecnologie sono molteplici, dal supporto alla creazione di narrazioni artificiali alla generazione di riassunti testuali e alla comunicazione uomo-computer. Con l’avanzamento della ricerca in questo campo, sarà possibile sviluppare sistemi di narrazione e comprensione narrativa sempre più sofisticati e potenti.
Ci sono molti importanti centri di ricerca in tutto il mondo che si occupano di narrazione automatizzata e comprensione narrativa. Qui di seguito alcuni dei maggiori centri di ricerca negli Stati Uniti e in Europa:
Stati Uniti:
- Allen Institute for Artificial Intelligence (AI2)
- Massachusetts Institute of Technology (MIT) Media Lab
- Stanford University’s Center for the Study of Language and Information (CSLI)
- University of California, Berkeley – Berkeley Artificial Intelligence Research (BAIR)
- Carnegie Mellon University – Language Technologies Institute
- University Southern California – Institute for Creative Technologies (ICT)
Europa:
- University of Edinburgh – Institute for Language, Cognition and Computation (ILCC)
- University of Oxford – Creative Multilingualism Programme (CMP)
- Technical University of Darmstadt – Knowledge Engineering Group (KEG)
- University of Amsterdam – Institute for Logic, Language and Computation (ILLC)
- University of Stuttgart – Institute for Natural Language Processing (IMS)
Tra questi cito diversi progetti su cui stanno lavorando alcuni di loro :
- L’Università di Edinburgo (ILCC): il centro di ricerca ha diversi progetti riguardanti la generazione di narrazioni, come ad esempio il progetto MultiNarrative, che si occupa della creazione di narrazioni multiple per videogiochi interattivi, o il progetto WriteAssist, che si concentra sulla creazione di strumenti di scrittura assistita basati sull’intelligenza artificiale.
- L’Università di Amsterdam (ILLC): il centro di ricerca ha diversi progetti riguardanti la comprensione delle narrazioni, come ad esempio il progetto StoryGraph, che mira a creare un grafo di narrazioni che rappresenti la struttura narrativa di una vasta gamma di testi letterari e cinematografici.
- L’Università di Stuttgart (IMS): il centro di ricerca ha diversi progetti riguardanti la generazione e comprensione di narrazioni, come ad esempio il progetto StoryForge, che mira a sviluppare strumenti per la creazione automatica di storie in diversi formati (ad esempio, testo, audio e video).
- L’Università di Oxford (CMP): il programma di ricerca si concentra sulla comprensione e creazione di narrazioni in diverse lingue e contesti culturali. Il progetto Multilingualism and Multimodality in the Construction of Identity and the Expression of Creativity mira a esplorare il ruolo delle lingue e delle modalità multimodali nella costruzione dell’identità e dell’espressione creativa.
- L’Università della California del Sud (ICT): sta lavorando sul progetto Narrative Summarization che mira a sviluppare tecnologie per la generazione automatica di resoconti in linguaggio naturale di battaglie condotte in ambienti di addestramento virtuali, da utilizzare come prodotto di revisione post-azione iniziale; e sul progetto Interpretation-Guided Autonomous Forces che mira a sviluppare tecnologie per selezionare automaticamente il comportamento più appropriato per le forze autonome da battaglia in ambienti virtuali sulla base di interpretazioni del contesto dello scenario e delle caratteristiche del terreno, consentendo la disaggregazione di simulazioni unità aggregate, creazione rapida di scenari e forze AI drag-and-drop.
La MACCHINA MAIEUTICA 
Rispondi