論文の概要: The AI Fiction Paradox
- arxiv url: http://arxiv.org/abs/2603.13545v1
- Date: Fri, 13 Mar 2026 19:32:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.264503
- Title: The AI Fiction Paradox
- Title（参考訳）: AIフィクションパラドックス
- Authors: Katherine Elkins,
- Abstract要約: 私はこれをAI-Fiction Paradoxと呼び、機械学習ではトレーニングデータが一般的に出力品質を決定するので、特に驚くべきことです。
本稿では,現代建築における3つの異なる課題を特定することによって,フィクションがAI生成に抵抗する理由を理論的に正確に説明する。
魅力的なフィクションには、多スケールの感情的アーキテクチャ、単語、文、シーン、アークレベルの感情のオーケストレーションが同時に必要だ、と私は主張する。
- 参考スコア（独自算出の注目度）: 0.6303685211462021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI development has a fiction dependency problem: models are built on massive corpora of modern fiction and desperately need more of it, yet they struggle to generate it. I term this the AI-Fiction Paradox and it is particularly startling because in machine learning, training data typically determines output quality. This paper offers a theoretically precise account of why fiction resists AI generation by identifying three distinct challenges for current architectures. First, fiction depends on what I call narrative causation, a form of plot logic where events must feel both surprising in the moment and retrospectively inevitable. This temporal paradox fundamentally conflicts with the forward-generation logic of transformer architectures. Second, I identify an informational revaluation challenge: fiction systematically violates the computational assumption that informational importance aligns with statistical salience, requiring readers and models alike to retrospectively reweight the significance of narrative details in ways that current attention mechanisms cannot perform. Third, drawing on over seven years of collaborative research on sentiment arcs, I argue that compelling fiction requires multi-scale emotional architecture, the orchestration of sentiment at word, sentence, scene, and arc levels simultaneously. Together, these three challenges explain both why AI companies have risked billion-dollar lawsuits for access to modern fiction and why that fiction remains so difficult to replicate. The analysis also raises urgent questions about what happens when these challenges are overcome. Fiction concentrates uniquely powerful cognitive and emotional patterns for modeling human behavior, and mastery of these patterns by AI systems would represent not just a creative achievement but a potent vehicle for human manipulation at scale.
- Abstract（参考訳）: AI開発にはフィクション依存の問題があり、モデルは現代のフィクションの膨大なコーパスの上に構築され、それを必死に必要としていますが、彼らはそれを生成するのに苦労しています。
私はこれをAI-Fiction Paradoxと呼び、機械学習ではトレーニングデータが一般的に出力品質を決定するので、特に驚くべきことです。
本稿では,現代建築における3つの異なる課題を特定することによって,フィクションがAI生成に抵抗する理由を理論的に正確に説明する。
まず、フィクションは私が物語の因果関係(英: narrative causation)と呼ぶものに依存します。
この時相パラドックスは、トランスフォーマーアーキテクチャの前世代の論理と根本的に矛盾する。
第2に、私は情報再評価の課題を特定する: フィクションは、情報の重要性が統計的サリエンスと一致しているという計算的仮定に体系的に違反し、読者やモデルも同様に、現在の注意機構が実行できない方法で物語的詳細の重要性を遡及的に強調する必要がある。
第三に、感情の弧に関する7年以上にわたる共同研究に基づいて、私は魅力的なフィクションは多スケールの感情のアーキテクチャ、単語、文、シーン、およびアークレベルの感情のオーケストレーションを必要としていると論じます。
これら3つの課題は、AI企業が現代フィクションへのアクセスのために10億ドルの訴訟を犯した理由と、そのフィクションを再現することが難しい理由の両方を説明する。
この分析はまた、これらの課題が克服されたときに何が起こるのかという緊急の疑問を提起する。
フィクションは人間の振る舞いをモデル化するための、ユニークな強力な認知的および感情的パターンに集中しており、AIシステムによるこれらのパターンの習得は、創造的な達成だけでなく、大規模な人間の操作のための強力な手段となるだろう。
関連論文リスト
- NarraScore: Bridging Visual Narrative and Musical Dynamics via Hierarchical Affective Control [59.6128550986024]
ナラスコア(NarraScore)は、感情が物語論理の高密度圧縮として働くという中心的な洞察に基づく階層的なフレームワークである。
NarraScoreは、グローバルな構造とローカルなダイナミズムを調和させるために、Dual-Branch Injection戦略を採用している。
NarraScoreは、無視可能な計算オーバーヘッドを伴う最先端の一貫性と物語のアライメントを実現している。
論文 参考訳（メタデータ） (2026-02-09T09:39:42Z) - Living the Novel: A System for Generating Self-Training Timeline-Aware Conversational Agents from Novels [50.43968216132018]
文芸作品が没入的で多文字の会話体験に変換されるエンド・ツー・エンドシステムを提案する。
このシステムはLLM駆動文字の2つの基本的な課題を解決するために設計されている。
論文 参考訳（メタデータ） (2025-12-08T11:57:46Z) - More-than-Human Storytelling: Designing Longitudinal Narrative Engagements with Generative AI [22.33628995313466]
参加者は毎日,AIナレーターの"Makoto"とストーリーを共同制作する,ドリームクラフトアプリ"Dreamsmithy"を使って,多世代体験を探索した。
リフレクティブ・セマティック・アナリシス(Reflexivethematic analysis)は、"oscillating ambivalence"や"socio-chronological bonding"といったテーマを明らかにした。
結果は、GenAIの長手なストーリーテリングの可能性だけでなく、ユーザエージェンシーや倫理に関する批判的な疑問も浮き彫りにしている。
論文 参考訳（メタデータ） (2025-05-20T06:10:29Z) - Charting the Shapes of Stories with Game Theory [41.8376313099588]
我々はAIを用いて、ストーリーの構造を定量的分析が可能なゲーム理論オブジェクトとしてモデル化する。
我々はシェイクスピアの有名なロメオとジュリエットに提案されたテクニックを実演する。
論文 参考訳（メタデータ） (2024-12-07T21:12:16Z) - BattleAgent: Multi-modal Dynamic Emulation on Historical Battles to Complement Historical Analysis [62.60458710368311]
本稿では,大規模視覚言語モデルとマルチエージェントシステムを組み合わせたエミュレーションシステムであるBattleAgentを提案する。
複数のエージェント間の複雑な動的相互作用をシミュレートし、エージェントとその環境をシミュレートすることを目的としている。
指導者の意思決定プロセスと、兵士のような一般参加者の視点の両方をエミュレートする。
論文 参考訳（メタデータ） (2024-04-23T21:37:22Z) - How the Advent of Ubiquitous Large Language Models both Stymie and
Turbocharge Dynamic Adversarial Question Generation [16.40094089897355]
大型言語モデル(LLMs)は、人間の作家にとって二刃の剣である。
LLMは対戦相手として強く、打ち負かすのが難しい。
我々は、良い、挑戦的な質問を引き出すための新しい指標とインセンティブを提案する。
論文 参考訳（メタデータ） (2024-01-20T09:49:59Z) - CausalCity: Complex Simulations with Agency for Causal Discovery and
Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。
私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。
我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文 参考訳（メタデータ） (2021-06-25T00:21:41Z) - Brittle AI, Causal Confusion, and Bad Mental Models: Challenges and
Successes in the XAI Program [17.52385105997044]
ディープニューラルネットワーク駆動モデルは、ベンチマークの自律性タスクにおいて、人間レベルのパフォーマンスを上回っている。
しかし、これらのエージェントの根底にあるポリシーは容易には解釈できない。
本稿では,これらの取組みの起源を論じ,情報の増幅と今後の課題について提案する。
論文 参考訳（メタデータ） (2021-06-10T05:21:10Z) - A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation [98.25464306634758]
本稿では,外部知識ベースからのコモンセンス知識を利用して,合理的なストーリーを生成することを提案する。
我々は,真と偽のストーリーを識別するための差別的目的を組み合わせたマルチタスク学習を採用している。
我々のモデルは、特に論理学とグローバルコヒーレンスの観点から、最先端のベースラインよりも合理的なストーリーを生成することができる。
論文 参考訳（メタデータ） (2020-01-15T05:42:27Z)
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。