机器之心报道

编辑：张倩、袁铭怿

Dramatron似乎在一定程度上克服了AI大模型写长剧本前后不连贯的问题。

你是否有过这种体验：某一天逛街的时候，脑子里突然冒出来一个好玩的故事，但你一时想不到更多的细节，也没有一块完整的时间去把它写出来？

DeepMind 新出的一款剧本写作 AI——Dramatron 或许可以帮到你。

Dramatron 是一个所谓的「联合写作」工具，你给它一句话（log line）描述中心戏剧冲突（比如 James 在有 Sam 鬼魂出没的后院发现了一口井），它就能自动写出标题、角色、场景描述和对话。

可以说，Dramatron 和 ChatGPT 很像，但它的输出更容易被改写成电影脚本。为了评估 Dramatron 的可用性，DeepMind 邀请 15 位剧作家和编剧参加了长达两小时的用户学习课程，旨在让他们与 Dramatron 一起编写剧本。其中一位剧作家与 Dramatron 合作编写了 4 个经过大量编辑和重写的剧本。加拿大 TheatreSports 公司已经改编了 Dramatron 参与创作的剧本并将其搬上了舞台，收到了非常积极的评价。

看到这儿，OpenAI 联合创始人Wojciech Zaremba发来了贺电。

不过，这个试用界面很快就关闭了，我们现在只能看到关于 Dramatron 的论文和简介。

Dramatron 详解

Dramatron 是一个使用大型语言模型通过「分层故事生成（ hierarchical story generation）」方法分层生成脚本和剧本的系统。Dramatron 利用大型语言模型的优势，将精心设计的 prompt（见附录 E）和具有结构化生成能力的 prompt chaining 相结合，以实现整个脚本的长程一致性。这一过程比「扁平的」序列文本生成更具有故事连贯性。

从本质上讲，本文中的方法类似于分层神经故事生成，但生成的脚本远远超过 1000 个单词。故事的分层生成可以根据用户提供的核心戏剧冲突摘要（也称日志行（log line））生成整个剧本（有时是数万字）。从输入日志行开始，Dramatron 可以生成一个完整的剧本，包括标题、角色列表、情节（即带有设置和节奏的场景摘要列表）、位置描述和对话（见图 1）。用户可以在分层生成的任何阶段进行干预。通过这种方式，人类可以和 AI 在交互过程中共同编写脚本。这个方法适用于任何可以将 prompt 作为输入，然后预测下一个 token 的大型语言模型。

下图 2 展示了 Dramatron 在研究中用到的两种叙事结构：

Dramatron 使用几个硬编码的 prompt（即 input prefix）来指导大型语言模型。Prompt engineering 是用户控制或影响大型语言模型的常用方法。如下图 3 所示，prompt 与用户提供的之前大型语言模型生成的输入和 / 或输出相连接，这种方法被称为 prompt chaining，是一种算法 prompting。如上图 1 所示，在整体结构的较低层次，prompt 与来自整体结构更高层次的输出链接在一起。

更多细节请参见原论文。

论文链接：https://arxiv.org/pdf/2209.14958.pdf