短篇通話故事流行程度也能用人工智能預(yù)測(cè)？迪士尼做到了
迪士尼與麻省大學(xué)波士頓分校的研究人員合作開發(fā)了一種技術(shù)，KUKA機(jī)器人示教器維修，能夠利用人工智能算法評(píng)估短篇故事流行度。雖然這些人工智能程序還不能像專業(yè)文學(xué)批評(píng)家一樣分析故事的好壞，工業(yè)機(jī)器人維修，但卻能夠預(yù)測(cè)哪些故事可能最受歡迎。我們的神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)故事能否流行方面取得了一些成功。迪士尼研究員BoyangLi說(shuō)，你還不能使用它們挑選當(dāng)?shù)貙懽鞅荣惖膬?yōu)勝者，但卻可以用于指導(dǎo)未來(lái)的研究。
研究人員使用社交問(wèn)答網(wǎng)站Quora上的文章來(lái)訓(xùn)練人工智能程序，因?yàn)樵摼W(wǎng)站上的很多答案都以故事的形式體現(xiàn)，所以讀者的點(diǎn)贊可以作為一項(xiàng)流行度指標(biāo)，大致體現(xiàn)故事的質(zhì)量。
該團(tuán)隊(duì)收集了大約5.5萬(wàn)條回答，將其中超過(guò)2.8萬(wàn)條歸為故事，KUKA機(jī)器人維修，每一個(gè)故事平均有369個(gè)單詞。他們隨后還開發(fā)了兩個(gè)不同的神經(jīng)網(wǎng)絡(luò)一個(gè)用于查看每個(gè)故事的不同部分，另外一個(gè)從更加整體的視角評(píng)估一個(gè)故事。
每個(gè)人工智能都可以預(yù)測(cè)一個(gè)故事的相對(duì)流行度，這兩個(gè)神經(jīng)網(wǎng)絡(luò)都比單純的文字性評(píng)估效果更好，但全局性的神經(jīng)網(wǎng)絡(luò)比專注于各個(gè)部分的神經(jīng)網(wǎng)絡(luò)效果還要高出18%。
業(yè)內(nèi)人士認(rèn)為，電影公司未來(lái)也可能會(huì)使用類似的技術(shù)選擇劇本。