给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识与大家分享。希望大家看完之后会喜欢。
在本周于Arxiv.org发表的一篇预印论文中，来自微软、艾伦人工智能研究所和华盛顿大学的科学家描述了绘图机，一种通过跟踪画线学会将轮廓转化为故事的人工智能系统。PlotMachines(其代码可以在GitHub上找到)可以促进能够编写案例研究、新闻文章和脚本的系统的开发，而无需描述人物和事件的短语，从而节省了公司的时间和金钱。
虽然有可以生成歌词的故事、文章甚至AI系统，但大多数都是针对特定领域量身定制的，不能很好地适应新的任务。而且，他们不擅长写长文章。即使是最复杂的模型也会忘记剧情元素，重复自己。
正如研究人员解释的那样，写故事需要遵循情节，故事是由人和事件以连贯的叙事方式编织而成的。对机器来说不容易。由于输入只提供剧情的粗略元素，因此模型的责任是丰富元素在故事不同部分之间的交织方式。
在开发PlotMachines的过程中，团队创建了多个数据集，这些数据集基于目标叙事的现有故事数据集，并与自动构建的输入轮廓相匹配：
维基百科，一个由从维基百科获取的电影、电视和书籍情节组成的语料库。
写作提示是从Reddit sub edit/r/写作提示中收集的故事生成数据集。
纽约时报，一个包含新闻文章的数据集。
轮廓提取，通过算法从维基百科、文字记录和纽约时报中提取的绘图点列表。
接下来，研究人员设计了绘图机，他们将其描述为基于开放人工智能GPT模型的变压器。像所有神经网络一样，变压器包含分层排列的功能(神经元)，这些功能可以传输数据信号并调整连接的强度(权重)。但是，Transformers也要注意，这意味着每个输出元素都连接到每个输入元素，它们之间的权重是动态计算的。
给定轮廓作为输入，绘图机将编写五个段落(引言、三个正文段落和结论)，并更新存储矩阵以跟踪轮廓中的绘图元素。每个段落的话语信息有助于保持故事开头、中间和结尾的风格差异(记忆也可以观察到目前为止已经写了什么)，而语境表征可以确保在创建新段落时使用前面的元素。
定性来说，研究人员表示，经过训练后，PlotMachines以设定一个场景(例如“20世纪50年代初，核武器试验继续……”)开始故事，并以一个明确的收尾动作(例如……，影片骑着humperdinck和毛骑到日落)结束。事实上，他们发现了一个在《纽约时报》语料库上训练的新闻生成PlotMachines模型，该模型非常强大，他们计划仅选择性地与研究社区共享，以防止恶意参与者创建和传播误导性故事。
在实验中，PlotMachines模型的变体建立在OpenAI GPT-2架构上，该架构包含总共4.6亿个参数(变量)。与几个基准相比，它获得了更高的召回基础研究(ROUGE)和BLEU分数，表明它具有出色的摘要和机器翻译功能。在两项涉及负责阅读和审查PlotMachine生成的故事的人类团队的独立评估中，其在“叙事过程”和“概述使用”等类别中的基准排名超过了基线。
“我们提出了具有大纲条件的故事生成任务：给定大纲作为描述故事中出现的关键人物和事件的一组短语，任务是生成与所提供的大纲一致的连贯叙事.这就要求模型的作者根据潜图的动态跟踪潜图的动态，同时生成整个故事。”"分析表明，绘图机可以有效地根据轮廓线写出更紧凑的叙述."
本文就为大家讲解到这里了。标签：