論文の概要: Experimental Narratives: A Comparison of Human Crowdsourced Storytelling and AI Storytelling

• arxiv url: http://arxiv.org/abs/2310.12902v2
• Date: Mon, 04 Nov 2024 05:11:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:44:59.026328
• Title: Experimental Narratives: A Comparison of Human Crowdsourced Storytelling and AI Storytelling
• Title（参考訳）: 実験物語:人間のクラウドソーシングストーリーテリングとAIストーリーテリングの比較
• Authors: Nina Begus,
• Abstract要約: この研究は、2019年6月にクラウドワーカーによって書かれた250のストーリーと、GPT-3.5とGPT-4によって生成された80のストーリーを分析した。 クラウドワーカーと大きな言語モデルの両方が、人工人間を創造し、恋に落ちるという同じプロンプトに反応した。 この分析により、GPT-3.5、特にGPT-4の物語は、人間によって書かれた物語よりも性役割やセクシュアリティの点で進歩的であることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The paper proposes a framework that combines behavioral and computational experiments employing fictional prompts as a novel tool for investigating cultural artifacts and social biases in storytelling both by humans and generative AI. The study analyzes 250 stories authored by crowdworkers in June 2019 and 80 stories generated by GPT-3.5 and GPT-4 in March 2023 by merging methods from narratology and inferential statistics. Both crowdworkers and large language models responded to identical prompts about creating and falling in love with an artificial human. The proposed experimental paradigm allows a direct and controlled comparison between human and LLM-generated storytelling. Responses to the Pygmalionesque prompts confirm the pervasive presence of the Pygmalion myth in the collective imaginary of both humans and large language models. All solicited narratives present a scientific or technological pursuit. The analysis reveals that narratives from GPT-3.5 and particularly GPT-4 are more progressive in terms of gender roles and sexuality than those written by humans. While AI narratives with default settings and no additional prompting can occasionally provide innovative plot twists, they offer less imaginative scenarios and rhetoric than human-authored texts. The proposed framework argues that fiction can be used as a window into human and AI-based collective imaginary and social dimensions.
• Abstract（参考訳）: 本稿では,人間と生成AIの両方によるストーリーテリングにおける文化的アーティファクトと社会的バイアスを調査するための新しいツールとして,架空のプロンプトを用いた行動実験と計算実験を組み合わせたフレームワークを提案する。 この研究は、2019年6月にクラウドワーカーによって書かれた250のストーリーと、2023年3月にGPT-3.5とGPT-4が生成した80のストーリーを、ナラトロジーと推論統計の手法を融合して分析した。 クラウドワーカーと大きな言語モデルの両方が、人工人間を創造し、恋に落ちるという同じプロンプトに反応した。 提案した実験パラダイムは、人間とLLM生成したストーリーテリングの直接的かつ制御された比較を可能にする。 Pygmalionesqueへの反応は、Pygmalion神話が人間と大きな言語モデルの両方の集合的想像において広範に存在することを証明している。 全ての依頼された物語は科学的または技術的に追求される。 この分析により、GPT-3.5、特にGPT-4の物語は、人間によって書かれた物語よりも性役割やセクシュアリティの点で進歩的であることが明らかとなった。 デフォルトの設定と追加のプロンプトのないAIの物語は、時には革新的なプロットのツイストを提供することができるが、人間によるテキストよりも想像上のシナリオや修辞的なシナリオは少ない。 提案された枠組みは、フィクションは人間とAIに基づく集合的想像と社会的次元の窓口として使用できると主張している。

関連論文リスト

• Agents' Room: Narrative Generation through Multi-step Collaboration [54.98886593802834]
  本稿では,物語の執筆を特殊エージェントが取り組んだサブタスクに分解する,物語理論に触発された世代フレームワークを提案する。 エージェントの部屋は,専門的評価者が好むストーリーをベースラインシステムより生成することを示す。
  論文  参考訳（メタデータ） (2024-10-03T15:44:42Z)
• Are Large Language Models Capable of Generating Human-Level Narratives? [114.34140090869175]
  本稿ではストーリーテリングにおけるLLMの能力について考察し,物語の展開とプロットの進行に着目した。 本稿では,3つの談話レベルの側面から物語を分析するための新しい計算フレームワークを提案する。 談話機能の明示的な統合は、ニューラルストーリーテリングの40%以上の改善によって示されるように、ストーリーテリングを促進することができることを示す。
  論文  参考訳（メタデータ） (2024-07-18T08:02:49Z)
• The GPT-WritingPrompts Dataset: A Comparative Analysis of Character Portrayal in Short Stories [17.184517720465404]
  本研究では,人間と機械の両方の生成過程から,ストーリーテリングの感情的特徴と記述的特徴を6次元で定量化し比較する。 生成した物語は6次元すべてで人間ストーリーと大きく異なり、主主人公の物語的視点やジェンダーに応じてグループ化された場合、人間世代と機械世代は同様のバイアスを呈することがわかった。
  論文  参考訳（メタデータ） (2024-06-24T16:24:18Z)
• Measuring Psychological Depth in Language Models [50.48914935872879]
  本稿では,文学理論に根ざした新たな枠組みである心理的深度尺度(PDS)を紹介する。 PDS(0.72 クリッペンドルフのα)に基づいて人間が一貫して物語を評価できることを示し、我々の枠組みを実証的に検証する。 驚いたことに、GPT-4のストーリーはRedditから入手した高評価の人文記事と統計的に区別できない。
  論文  参考訳（メタデータ） (2024-06-18T14:51:54Z)
• Creating Suspenseful Stories: Iterative Planning with Large Language Models [2.6923151107804055]
  本稿では,ストーリー・サスペンスの2つの理論的基礎に根ざした,反復型提案型計画手法を提案する。 本論文は,我々の知る限りでは,大規模言語モデルを用いたサスペンスな物語生成の試みである。
  論文  参考訳（メタデータ） (2024-02-27T01:25:52Z)
• Affective and Dynamic Beam Search for Story Generation [50.3130767805383]
  面白い物語を生成するために、AffGen(Affective Story Generator)を提案する。 AffGenはDynamic Beam SizeとAffective Re rankという2つの新しいテクニックを採用している。
  論文  参考訳（メタデータ） (2023-10-23T16:37:14Z)
• Computational Storytelling and Emotions: A Survey [56.95572957863576]
  本研究は,物語と感情の関係に関する研究を要約し,その発展に寄与することを目的としている。 創造性の研究は人間をコンピューターに置き換えることではなく、創造性を高めるために人間とコンピューターのコラボレーション方法を見つけることであると私たちは信じています。
  論文  参考訳（メタデータ） (2022-05-23T00:21:59Z)
• Persona-Guided Planning for Controlling the Protagonist's Persona in Story Generation [71.24817035071176]
  本研究では,ペルソナとイベントの関係を明示的にモデル化する計画ベース生成モデルCONPERを提案する。 自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインより優れていることが示されている。
  論文  参考訳（メタデータ） (2022-04-22T13:45:02Z)
• Collaborative Storytelling with Human Actors and AI Narrators [2.8575516056239576]
  GPT-3 citebrown 2020 を用いた物語のコナレーションについて報告する。 AIシステムは、人間の俳優がシーンを演じている間、プロットの進行とキャラクターの弧を追跡する必要がある。
  論文  参考訳（メタデータ） (2021-09-29T21:21:35Z)
• Unsupervised Enrichment of Persona-grounded Dialog with Background Stories [27.52543925693796]
  既存の物語データセットの架空の物語を活用することにより、対話モデルにペルソナに関連する「背景物語」を付与する。 我々は、勾配に基づく書き直し手法を用いて対話応答を生成するために、検索されたストーリーの教師なし適応を行う。 提案手法は, より多様な応答を生成でき, 人間の評価者により, より活発で人間らしく評価されている。
  論文  参考訳（メタデータ） (2021-06-15T18:20:27Z)

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。