論文の概要: ChatGPT and Other Large Language Models as Evolutionary Engines for
Online Interactive Collaborative Game Design
- arxiv url: http://arxiv.org/abs/2303.02155v2
- Date: Thu, 13 Apr 2023 16:58:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 17:06:23.284155
- Title: ChatGPT and Other Large Language Models as Evolutionary Engines for
Online Interactive Collaborative Game Design
- Title(参考訳): オンラインインタラクティブゲーム設計のための進化エンジンとしてのchatgptや他の大規模言語モデル
- Authors: Pier Luca Lanzi and Daniele Loiacono
- Abstract要約: 対話型進化と大規模言語モデルを組み合わせた協調型ゲームデザインフレームワークを提案する。
我々のフレームワークでは、プロセスは短い設計と一連の候補設計から始まり、言語モデルを使って生成されたり、ユーザによって提案されたりする。
次に、ユーザは、最も有望なデザインを選択し、再結合し、変更するインタラクティブな遺伝的アルゴリズムにフィードバックを提供することで、デザインプロセスに協力する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large language models (LLMs) have taken the scientific world by storm,
changing the landscape of natural language processing and human-computer
interaction. These powerful tools can answer complex questions and,
surprisingly, perform challenging creative tasks (e.g., generate code and
applications to solve problems, write stories, pieces of music, etc.). In this
paper, we present a collaborative game design framework that combines
interactive evolution and large language models to simulate the typical human
design process. We use the former to exploit users' feedback for selecting the
most promising ideas and large language models for a very complex creative task
- the recombination and variation of ideas. In our framework, the process
starts with a brief and a set of candidate designs, either generated using a
language model or proposed by the users. Next, users collaborate on the design
process by providing feedback to an interactive genetic algorithm that selects,
recombines, and mutates the most promising designs. We evaluated our framework
on three game design tasks with human designers who collaborated remotely.
- Abstract(参考訳): 大規模言語モデル(llm)は、自然言語処理と人間とコンピュータの相互作用の状況を変え、科学の世界を嵐にさらしている。
これらの強力なツールは複雑な質問に答えることができ、驚くべきことに、挑戦的な創造的なタスク(例えば、問題を解くコードやアプリケーションを生成する、ストーリーを書く、音楽の一部など)を行うことができます。
本稿では,対話型進化と大規模言語モデルを組み合わせて,人間の典型的なデザイン過程をシミュレートする協調型ゲーム設計フレームワークを提案する。
ユーザからのフィードバックを活用して,非常に複雑な創造的タスク – アイデアの再結合とバリエーション – に対して,最も有望なアイデアと大きな言語モデルを選択するのです。
私たちのフレームワークでは、プロセスは簡潔で一連の候補設計から始まり、言語モデルを使って生成されたり、ユーザが提案したりします。
次に、ユーザは最も有望なデザインを選択し、再結合し、変更するインタラクティブな遺伝的アルゴリズムにフィードバックを提供することで、デザインプロセスで協力します。
遠隔共同作業を行う人間設計者を対象に,3つのゲームデザインタスクの枠組みを評価した。
関連論文リスト
- Content-Centric Prototyping of Generative AI Applications: Emerging
Approaches and Challenges in Collaborative Software Teams [2.369736515233951]
私たちの研究は、共同ソフトウェアチームがいかにして設計ガイドラインと価値を適用して適用し、反復的にプロトタイププロンプトを作成し、望ましい結果を達成するためのプロンプトを評価するかを理解することを目的としています。
その結果,コンテンツ中心のプロトタイピングアプローチとして,生成したいコンテンツから始めて,特定の属性,制約,値を識別し,ユーザがそれらの属性に影響を与えて対話する手段を探索する,という方法が明らかになった。
論文 参考訳(メタデータ) (2024-02-27T17:56:10Z) - DesignGPT: Multi-Agent Collaboration in Design [4.6272626111555955]
DesignGPTは人工知能エージェントを使用して、デザイン会社におけるさまざまなポジションの役割をシミュレートし、人間のデザイナーが自然言語で協力できるようにする。
実験の結果、DesignGPTはAIツールを別々に比較すると、デザイナのパフォーマンスが向上することがわかった。
論文 参考訳(メタデータ) (2023-11-20T08:05:52Z) - TextBind: Multi-turn Interleaved Multimodal Instruction-following in the
Wild [107.3667463295682]
マルチターンインターリーブ型インストラクションフォロー機能を備えた,より大規模な言語モデルを実現するための,ほとんどアノテーションのないフレームワークであるTextBindを紹介する。
提案手法では,画像キャプチャペアのみが必要であり,言語モデルからマルチターンマルチモーダル・インストラクション・レスポンス・会話を生成する。
そこで我々は,画像エンコーダとデコーダモデルをシームレスに統合する言語モデル中心アーキテクチャであるMIMを考案した。
論文 参考訳(メタデータ) (2023-09-14T15:34:01Z) - Conceptual Design Generation Using Large Language Models [0.34998703934432673]
大規模言語モデル(LLM)は、テキストプロンプトから一見創造的な出力を生成することができる。
本稿では LLM を利用して,12 個の設計問題の集合に対するソリューションを生成し,それらをクラウドソーシングされたソリューションのベースラインと比較する。
専門家による評価から, LLM生成ソリューションは平均実現可能性と有用性が高いことが示唆された。
我々は、素早いエンジニアリングで実験を行い、数発の学習を利用することで、クラウドソースのソリューションとよりよく似たソリューションを生み出すことができることを発見した。
論文 参考訳(メタデータ) (2023-05-30T19:32:39Z) - A Case Study in Engineering a Conversational Programming Assistant's
Persona [72.47187215119664]
会話能力は、既存のコード流大言語モデルを使用することで達成された。
プロンプトの進化に関する議論は、既存の基礎モデルを特定のアプリケーションに望ましい方法で振る舞う方法に関するケーススタディを提供する。
論文 参考訳(メタデータ) (2023-01-13T14:48:47Z) - Preference-Learning Emitters for Mixed-Initiative Quality-Diversity
Algorithms [0.6445605125467573]
混合開始型共同創造タスクでは、デザイナーに複数の関連する提案を提供することが重要である。
本研究では,嗜好学習エミッタ(PLE)の一般的なフレームワークを提案し,それをゲーム『スペースエンジニアズ』のプロシージャコンテンツ生成タスクに適用する。
論文 参考訳(メタデータ) (2022-10-25T08:45:00Z) - Human-guided Collaborative Problem Solving: A Natural Language based
Framework [74.27063862727849]
私たちのフレームワークは3つのコンポーネントで構成されています - 自然言語エンジンが言語発話を形式表現と逆変換に解析します。
このフレームワークが、Minecraftベースのブロックワールドドメインにおける協調的なビルディングタスクにおいて、協調的な問題解決の鍵となる課題に対処する能力について説明する。
論文 参考訳(メタデータ) (2022-07-19T21:52:37Z) - TEMOS: Generating diverse human motions from textual descriptions [53.85978336198444]
テキスト記述から多種多様な人間の動作を生成するという課題に対処する。
本研究では,人間の動作データを用いた可変オートエンコーダ(VAE)トレーニングを利用したテキスト条件生成モデルTEMOSを提案する。
TEMOSフレームワークは,従来のような骨格に基づくアニメーションと,より表現力のあるSMPLボディモーションの両方を生成可能であることを示す。
論文 参考訳(メタデータ) (2022-04-25T14:53:06Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳(メタデータ) (2022-04-15T20:40:43Z) - A Conversational Paradigm for Program Synthesis [110.94409515865867]
本稿では,大規模言語モデルを用いた対話型プログラム合成手法を提案する。
私たちは、自然言語とプログラミング言語のデータに基づいて、CodeGenと呼ばれる大規模な言語モデルのファミリーを訓練します。
本研究は,会話能力の出現と,提案した会話プログラム合成パラダイムの有効性を示すものである。
論文 参考訳(メタデータ) (2022-03-25T06:55:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。