L’intelligence artificielle et la scénarisation automatique - Texte 4
L'image ci-dessus montre un extrait de fable générée par Tale-Spin. Il y apparaît que la narration n’était pas au cœur de ce projet, celle-ci ne servant qu’à exposer explicitement le raisonnement interne des personnages, les actions qu’ils entreprennent, ainsi que leurs conséquences. La planification automatique reste une des approches principales dans la recherche sur la génération narrative[7]. L’un de ses avantages est de pouvoir tenir compte des changements de contexte : si un joueur intervient sur le monde, les « plans » de tous les agents peuvent être réactualisés. Toutefois, elle dépend d’une formalisation stricte de ce qu’est une « bonne » histoire, et les résultats peuvent rapidement sembler rigides. Incidemment, beaucoup de systèmes reposent sur des structures théoriques très classiques telles que la Morphologie du conte de Propp ou le Héros aux mille et un visages de Joseph Campbell.
Simulation et récits émergents
À l’opposé de l’approche par planification se trouve celle des récits dit « émergents ». Plutôt que de s’attarder à définir, à formaliser et à générer des trames narratives, il s’agit de modéliser et de simuler un monde fictionnel complexe dans l’espoir que des histoires intéressantes s’y produisent « naturellement », comme cela arrive dans le monde réel. Dans un tel système, le « récit » s’adapte également aux actions du joueur non pas en tant que récit, justement, mais simplement en tant que monde dynamique. Cette approche permet de ne pas définir a priori ce qui constitue une « bonne » histoire et laisse aux joueurs le soin de déterminer et de désigner eux-mêmes ce qu’ils jugent être des récits intéressants. Certains jeux vidéo existants sont fortement associés à cette approche, comme la populaire franchise The Sims (EA), mais aussi Crusader Kings (Paradox) et Dwarf Fortress (Bay 12). Le problème fondamental des récits émergents est qu’ils peuvent ne pas émerger, émerger rarement, ou ne pas être intéressants[8]. Il faut typiquement jouer un grand nombre d’heures aux jeux mentionnés avant d’être témoin d’une anecdote digne d’être racontée.
Apprentissage profond
La recherche sur la scénarisation automatique n’a pas échappé au tsunami de l’apprentissage profond dans le secteur de l’intelligence artificielle. Cette méthode a été explorée tant pour la génération d’histoires que pour la production directe de textes narratifs. La première est plus problématique, car l’apprentissage profond dépend de la disponibilité massive de données standardisées. Comme il n’existe pas de tels corpus pour les entités narratives abstraites, ceux-ci doivent être laborieusement constitués par l’étiquetage manuel de récits[9]. La génération textuelle directe, quant à elle, peut facilement s’alimenter de millions de textes disponibles sur Internet et a fait des progrès impressionnants. On pense, par exemple, aux systèmes GPT-2 et GPT-3 de OpenAI, qui peuvent générer des textes parfaitement crédibles. On y retrouve cependant le même problème que celui décrit pour les grammaires non contextuelles, c’est-à-dire qu’en générant par le même processus l’histoire et sa narration, le système ne conserve pas naturellement de représentation interne de ses éléments constitutifs, et des problèmes de cohérence surviennent rapidement. Il se développe cependant des approches pour « retenir en mémoire » certains éléments du texte afin d’influencer les générations subséquentes[10].
Un autre enjeu est celui de la « créativité ». L’apprentissage profond excelle dans le repérage de motifs communs au sein de ses données et tend donc à générer des prototypes, allant ainsi à l’encontre de ce qui est fréquemment recherché dans une fiction : la surprise et la nouveauté (quoique la littérature et le cinéma de genre viennent régulièrement contredire cette présupposition). Une voie de contournement consiste à mélanger les types de données pour forcer un apprentissage hybride et potentiellement surprenant. On pense par exemple à Janelle Shane, qui a alimenté un réseau neuronal avec des recettes culinaires ainsi que des nouvelles de Lovecraft et obtenu des résultats très déconcertants[11].
