Нейросеть может написать сценарий

Искусственный интеллект умеет создавать завязки историй, логичные цепочки событий и диалоги. Правда, произведения часто получаются сюрреалистичными: медсестры пекут пироги из пациентов, а женские персонажи жалуются на отросшие усы. В статье разберемся, понимают ли машины смысл созданных историй и стоит ли сценаристам переживать, что они останутся без работы. Бонус в конце: мы попытались сгенерировать сценарий с помощью ИИ. Посмотрите, что получилось.

Создание текстов с помощью искусственного интеллекта относится к направлению Natural Language Processing (NLP), которое занимается обработкой естественного языка. Это одна из областей машинного обучения, и кроме генерации текстов в него входит распознавание и синтез речи, которые используются в голосовых помощниках, машинный перевод и анализ текстов.

Первые языковые генераторы, которые составляли новостные заметки на основе данных, появились в 2014 году. Агентство Associated Press начало публиковать корпоративные отчеты о доходах, полностью написанные компьютерными программами, а Yahoo Sports выпускали автоматизированную аналитику футбольных матчей. Тексты генерировались с помощью ПО, разработанного стартапом Automated Insights, но это были сухие справки, без намека на художественность.

В 2015 году ученые Технологического университета Джорджии презентовали нейросеть Scheherazade-IF (interactive fiction), которая могла генерировать собственные рассказы на основе загруженных в нее текстов. В качестве эксперимента искусственному интеллекту предложили проанализировать около 200 историй об ограблениях и походах в кино, а затем составить собственную историю на эту тему.

Нейросеть выявляла в предложенных примерах повторяющиеся ключевые события, отмечала их, как важные для истории, и запоминала. Например, при ограблении это были угрозы, страх, наличие оружия, а при походе в кино — покупка билетов и попкорна. Также Scheherazade-IF анализировала последовательность и взаимосвязь событий (сначала нужно купить билет, а потом зайти в кинозал), поэтому ее собственные истории получались логичными.

Проблемой оставалось то, что ИИ не может использовать средства художественной выразительности, например метафоры или сравнения. Кроме того, Scheherazade-IF не понимала смысла составляемых предложений. Кстати, эта задача остается нерешенной до сих пор.

В конце 2015 года Илон Маск и Сэм Альтман запустили проект OpenAI — коммерческую платформу, которая занимается разработками в сфере искусственного интеллекта. Главным принципом компании стала открытость, так как создатели не хотели допустить, чтобы AI-разработки были сосредоточены в руках конкретной страны или правительства. Одним из проектов компании стала нейросеть GPT, которая училась генерировать тексты, предугадывая каждое слово.

На основе разработок OpenAI в 2018 году компания Google запустила нейронную сеть Bidirectional Encoder Representations from Transformers (BERT), которая сначала проходит этап pre-training — это долгий процесс тренировки на огромном количестве текстов, содержащих миллиарды слов. Кроме словарных значений, в pre-training входит работа с синтаксисом и контекстом предложений.

Когда нейросеть получает базовые навыки распознавания языка, то ее можно быстро дообучить под разные задачи, одной из которых как раз является языковое моделирование. Для решения задачи нейросеть изучает миллиарды слов и их расположение в грамматически правильных предложениях, после чего может предсказывать следующее слово в тексте самостоятельно.

В 2018 году OpenAI выпустила версию GPT-2 (а в 2019 году — GPT-3), которая сейчас является самой большой нейросетью для работы с естественными языками. Она имеет более 1,5 млрд параметров, с помощью которых обрабатываются входные данные, и способна создавать целые страницы связного текста, причем для этого ей требуется всего один этап обучения, в отличие от BERT.

Олег Седухин, специалист по NLP, рассказал, как работает такая нейросеть:

«На самом деле система по архитектуре не такая сложная, как может показаться, просто она обучается на огромном объеме данных. В среднем для обучения используют около 600 Гб текстов.

Сейчас используется разновидность нейронных сетей, называемых трансформерами. Каждое слово в тексте трансформер представляет как набор чисел. Затем эти наборы чисел определенным образом обмениваются информацией друг с другом несколько десятков раз. Полученные с помощью этих вычислений результаты нейросеть может использовать для разных задач, в том числе генерации текстов на разные темы.

Входными данными при этом является “затравка” — начало текста, которое нужно продолжить, например: “Каков ответ на главный вопрос жизни, Вселенной и всего такого?” Сеть попытается продолжить этот текст и дать ответ. При этом она не высказывает собственное мнение, просто воспринимает затравку как начало какого-то текста, уже написанного человеком, и пытается предугадать, что будет дальше».

Механизм предугадывания слов в предложении можно увидеть при наборе письма в Яндекс.Почте. Сервис обучается в ходе использования и предлагает варианты автозаполнения в реальном времени на основе паттернов, которые чаще всего использует владелец аккаунта:

Точно также работает генерация слов в сервисе «Балабоба», только в гораздо большем масштабе. Команда Яндекса создала собственную языковую модель YaLM (Yet another Language Model), вдохновляясь примером GPT-3 от компании OpenAI. Она обучается на множестве страниц рунета, включая Википедию, новости, книги и открытые записи пользователей в соцсетях. Единственная задача сервиса — предсказывать каждое следующее слово таким образом, чтобы получалось логичное и грамматически правильное предложение.

«Балабоба» тоже умеет составлять сценарии, но в небольшом объеме. Например, она в собственном стиле смогла продолжить начало оригинального сценария фильма «Криминальное чтиво»:

Если сравнить результат с оригинальным диалогом, который происходит между персонажами, то можно заметить, что в целом нейросети удалось уловить суть тарантиновских диалогов:

И в том и в другом варианте непредсказуемые и абсолютно несвязные на первый взгляд высказывания складываются в абсурдный, но увлекательный диалог. Именно эту особенность искусственного интеллекта чаще всего используют при создании сценариев для короткометражек.

Профессия 

Data Scientist

Научитесь выявлять закономерности в данных и создавать модели для решения реальных бизнес-задач.

Узнать больше

Режиссер Оскар Шарп и разработчик из Google Гудвин Росс создали нейросеть по имени Benjamin. Она относится к типу искусственного интеллекта, который используется для распознавания текста. Чтобы обучить Benjamin, Росс Гудвин загрузил в него десятки научно-фантастических сценариев из интернета: в основном это были фильмы 1980-х и 1990-х годов.

Первый фильм, снятый по сценарию Benjamin, — это «Sunspring», научно-фантастическая короткометражка для фестиваля Sci-Fi London 2016 года:

В сценарии были бессвязные диалоги: например, главная героиня жаловалась, что у нее отрастают усы. Но некоторое время спустя Benjamin научился создавать более логичные истории и сам стал генерировать фильмы. Нейросеть выбирала актеров, сюжет и спецэффекты. На фестиваль Sci-Fi London 2018 года Шарп и Росс представили черно-белую короткометражку «Zone Out», которую полностью создал искусственный интеллект:

На YouTube-канале Calamity AI студенты Университета Чапмана Джейкоб Ваус и Эли Вайсс выложили несколько короткометражек, сценарии к которым написаны с помощью ИИ. Например, «Solicitors» — история о девушке, которая встретила на пороге дома свидетеля Иеговы с необычной историей:

Илм «Date Night» — короткометражка о странном свидании парня и девушки, которые обсуждают, реальны ли они или находятся внутри фильма:

Авторы использовали Shortly Read, программное обеспечение на основе GPT-3. Джейкоб Ваус сочинял короткие истории или придумывал безумные завязки, а остальное дописывала нейросеть. Автору оставалось наблюдать, как будет развиваться эта история.

Сценарист и комик Китон Пэтти сгенерировал с помощью искусственного интеллекта сценарий эпизода «Черного зеркала». Нейросети пришлось посмотреть 1 тыс. часов сериала, чтобы сгенерировать результат:

Перевод:

ИНТ. ДОМ С 90 КОМПЬЮТЕРАМИ

ОТЕЦ и СЫН-ПОДРОСТОК едят на кухне будущего. Они едят горчицу — единственную еду, доступную в будущем. На кухне пахнет сгоревшим роутером, потому что это будущее.

СЫН-ПОДРОСТОК
Надоело есть. Хочу целоваться в интернете. Мама бы мне разрешила.

ОТЕЦ
Мамы больше нет. Она была приложением, и я удалил ее, потому что она жила не по-британски.

СЫН-ПОДРОСТОК
Давай нажмем на кнопку, чтобы вернуть маму. Мамам веселее, когда они живы.
Мы видим кнопку рядом с пятьюдесятью кухонными компьютерами. На ней написано: «СДЕЛАТЬ МАМУ».

ОТЕЦ
Но она острая.
Кнопка и правда острая. Если нажать на нее, порежешься.

СЫН-ПОДРОСТОК
Затем-то нам и нужны секс-дроны.
Сын бросает дрона на кнопку. Появляется МАМА.

МАМА
Где я? Кто я? Что я?
Почему кнопка такая острая? Я плохая мать.

ОТЕЦ
Сын, у нее отвратительная память.

СЫН-ПОДРОСТОК
Я ошибся, поступая как God.com.
Мама, пожалуйста, убейся снова.
Сын бросает в маму секс-дрон. Он проходит сквозь нее.

ОТЕЦ
Это мама-голограмма из виртуального измерения. Она даже горчицу есть не может.

МАМА
Неправда. Я совершенно реальна.
Мама прикасается к горчице, но та превращается в кетчуп. Это значит, что мы не в будущем, а в прошлом. Компьютеры — это камни. Секс-дроны — секс-камни. На дворе 1997 год.

Блейк Снайдер в своей книге о сценарном мастерстве «Спасите котика» советует авторам задавать при написании сценария правильные вопросы: «Когда начинается каждая новая сцена, вы должны знать, в чем заключается ее конфликт и кто выступает противоборствующими сторонами. У каждого персонажа есть собственные задачи. В чем они заключаются? Как они могут вступать в противоречие с интересами других персонажей?»

Кроме интересного сюжета и диалогов, в хорошей истории есть конфликт, характеры, эмоциональный багаж и развитие персонажей. Искусственный интеллект пока не способен анализировать такие категории и вряд ли вообще когда-нибудь сможет. Чтобы создать сложного персонажа, необходимо понимать смысл создаваемого текста, но со времен Scheherazade-IF нейросети так и не научились это делать.

Олег Седухин, специалист по NLP

«Это открытая, еще не решенная проблема в машинном обучении, и на текущем этапе развития технологий понимание нейросетями текста все еще очень поверхностно. В основном нейросети создают лишь видимость понимания, запоминая, какие слова чаще всего встречались в каком контексте. Поэтому машинный ответ совпадает с тем, чего хочет от нейросети человек. Эта видимость рушится, когда современным нейросетям задают каверзные вопросы, потому что с таким они пока плохо справляются.

Сам вопрос “Понимает машина смыслы или не понимает?” — философский и очень сложный. Есть гипотеза, что на основе одних текстов не получится добиться понимания, нужно дополнять их контекстом — например, для обучения загружать еще и видео. Этот вопрос — передний край науки, и над ним работает уже нынешнее поколение разработчиков».

С этим согласен Владлен Максимов, сценарист проектов «Такая работа», «Пятая стража», «Женская версия»

«Помните киновселенную Marvel, вышедшую из комиксов, где сценарии созданы по определенным алгоритмам? Потом появился фильм “Джокер”, похожий на Marvel, но в сценарии все алгоритмы были сломаны, потому что зло сражается со злом, и это все равно притягивает зрителей. Никакой искусственный интеллект не справится с рождением сложных эмоциональных сценариев».

Придумать и сгенерировать свою историю можно с помощью сервиса Plot Generator. Он предлагает выбрать три локации для истории — пусть это будет дом, Марс и космический шаттл:

Дальше нужно придумать имя главного героя, указать два прилагательных, которые характеризуют его, и профессию. Эта история будет о пассажире шаттла по имени Daria Egg, которая очень нервная, мечтательная и работает агрономом:

По такой же форме можно придумать главному герою друга, врага или любовный интерес:

В детали можно добавить монстров, драгоценности, любимые сладости героев, любимую музыку и страшную тайну:

По этому скрипту генератор предлагает нам сценарий фильма «Calm Dragon», то есть «Спокойный дракон». Действие начинается на борту космического шаттла, на котором спорят Дарья и ее любовный интерес — второй пассажир Джон:

Перевод:

ДАРЬЯ
Пожалуйста, Джон, не оставляй меня.

ДЖОН
Прости, Дарья, но я ищу кого-нибудь посмелее. Кто-то, кто сталкивается со своими страхами лицом к лицу, а не убегает.

ДАРЬЯ
Я такой человек!

ДЖОН хмурится.

Выглядит как вполне приличный диалог для мелодрамы, но дальше врывается подруга Дарьи Анна и рассказывает, что она видела, как на Марсе дракон съел кучу детей:

Чтобы создать текстовую нейросеть с нуля нужны те же знания, что требуются для создания других нейросетей. Во-первых, нужно знать математику:

• линейную алгебру: матрицы, векторы, их свойства и операции с ними
• математический анализ: производные, поиск экстремумов функции, функции многих переменных
• теория вероятности и статистика: случайные величины, распределения и т.д.

При отсутствии профильного высшего образования могут возникнуть сложности. Большинство из теорем и доказательств, которые изучаются в университете, не пригодятся на практике, но университет формирует математическую интуицию, которая очень важна. Важно не просто помнить формулы, а понимать почему они именно такие.

Конечно, нужно иметь знания в области программирования. В первую очередь это:

• Python – язык программирования, который особенно популярен в направлении машинного обучения и работы с большими данными.
• NumPy –  библиотек на Python, которую применяют для математических вычислений.

Также понадобится базовое понимание истории и устройства ИИ. Есть книга «Deep Learning», в которой излагается теория, достаточная (и даже чуть больше чем достаточная), чтобы заниматься машинным обучением. 

На курсе по машинном обучению и нейронным сетям в SkillFactory вы разберетесь с алгоритмами и узнаете необходимые библиотеки. Фокус курса – понимание задач и практическое применение решений.

Курс

Machine Learning и Deep Learning

Отработка практических навыков программирования глубоких нейронных сетей. Используйте силу машинного обучения для решения задач бизнеса

• помощь наставника на протяжении обучения;
• фокус на практическом применении;
• 21 модуль.

Узнать больше

Новости

Хотя дорабатывать их всё равно придётся

Подразделение Alphabet под названием DeepMind разработало новую нейросеть под названием Dramatron, которая может помочь писателям и сценаристам, которые «застряли» в своём творчестве. Эта система умеет генерировать полноценные черновики сценариев, используя лишь короткое описание идеи. После этого сценарий можно доработать.

Dramatron отчасти напоминает ChatGPT от той же DeepMind. Он тоже умеет создавать длинные и связные тексты, описывать места, ситуации так далее.

В тестировании системы принимали участие 15 сценаристов. Они оценили уровень текстов и диалогов как «банальный», но при этом похвалили хорошую проработку и внимание к мелким деталям. А один из участников тестирования использовал четыре черновика для последующих пьес. Конечно, их пришлось литературно доработать, однако сам факт весьма примечателен.

В целом, Dramatron можно использовать в качестве «генератора идей» и «генератора персонажей», проверять сюжетные ходы и более подробно описывать мир.

Для работы с Dramatron нужен ключ к API OpenAI, а также второй ключ к API Perspective. Последний нужен, чтобы система не генерировала оскорбительные тексты. После этого нужно лишь «скормить» системе короткое описание идеи, а затем нейросеть сгенерирует название, диалоги, описания и прочее.

Ранее сообщалось, что Adobe хочет продавать изображения, созданные нейросетями.

Хотите научиться писать такие же крутые сценарии, как у «Игры престолов» или «Чернобыля»? Или придумывать сказки, от которых ваш ребенок точно будет в восторге? На помощь могут прийти генераторы историй. Александр Косован рассказывает, какие ресурсы в этом помогут, а также генерирует собственный сценарий с помощью искусственного интеллекта. 

Я всегда хотел написать роман или сценарий полнометражного фильма, но, увы, никогда не знал, с чего начать. Поэтому генераторы историй могут оказаться для меня настоящим спасением.

Я решил протестировать разные алгоритмы, а потом совместить результат их работы. Важно! Я буду целиком полагаться на силу искусственного интеллекта, стараясь свести к минимуму собственные творческие усилия, чтобы посмотреть, на что способны алгоритмы сами по себе.

С помощью сайта Plot Generator создаю основу для сценария полнометражного кино. Сайт предлагает сформировать множество параметров: от главного героя и места действия до профессии антагониста. Доверяю ИИ сформулировать все самостоятельно.

Нажимаю «сгенерировать» и получаю не только сюжет, но и — внезапно — постер для фильма под названием «Скупой зомби».

История начинается с того, что женщина-механик Морвенна обнимает психиатра Роба и просит его не бросать ее. Роб же отвечает, что ищет кого-то посмелее, чем Морвенна — и уходит. Вместо него появляется Фелисити, которая сообщает, что видела зомби. Вдвоем они решают, что нужно разобраться с живым мертвецом — и отправляются спасать родной город.

Я решительно отказываюсь быть автором сценария, где главные герои носят такие имена. Хочется их поменять. Для этого использую алгоритм создания пиратских имен — просто потому, что могу. Вместо Морвенны у меня будет Черная Донелла, а вместо Фелисити — Прелестный Найджел. Да, пол поменялся, но это не беда.

Прелестный Найджел и Черная Донелла приходят в книжный магазин и видят зомби. Найджел отмечает, что зомби не простой, а самый скупой на свете. Друзья ищут винтовки, чтобы остановить зомби. Ну, знаете, эти книжные магазины, где случайно можно найти винтовку…Но монстр возражает: «Я не самый скупой на свете, я наименее скупой!». 

Ну… Получается совсем плохо. Пиратские имена не помогли. Давайте закончим трагично — убьем персонажей. Было бы логично сделать это с помощью зомби, но мое вмешательство должно быть минимальным, решений я тут не принимаю. Поэтому прошу алгоритм выбрать причину смерти за меня. Для этого зачем-то нужно ввести не только имя и возраст, но и образование с весом. Ну что ж, пускай.

В итоге Прелестный Найджел умер от отравления в ресторане, а Черная Донелла поперхнулась целым чесноком и задохнулась. Проблема решена!

Новая попытка. Мне очень нужен внятный сюжет. Алгоритм предлагает выбрать, какую историю я хочу — грустную или веселую. Конечно, грустную, нужно больше боли и страданий! Мир в огне!

По сюжету, созданному искусственным интеллектом, девушка, чьи родители погибли, когда ей было четыре года, попадает в финал шоу талантов. Она безумно рада, но вдруг ее ребенка сбивает машина. Девушка эмоционально разбита. В таком состоянии она выступает в шоу, но из-за эмоциональной нестабильности занимает последнее место. Неплохой сюжет, довольно связный.

Или вот еще: Кристина — медсестра, которая убивает людей и печет из них пироги. Что дальше — неважно. Главное — эта прекрасная завязка.

Допустим некоторую вольность: совместим оба сюжета. Ребенка девушки-сироты (генератор дал ей имя Барбара Забрински) сбила Кристина, желая сделать из него пирог. И вот Кристина и Барбара встречаются, между ними происходит диалог. Попросим искусственный интеллект его сгенерировать.

— Пирог, — объясняет Кристина, – это блюдо, которое вкусней всего, когда остынет. Для пирога нет непроходимых путей. Всегда мечтали научится готовить пироги? Пожалуйста – у вас теперь почти вся ночь в распоряжении. 

— Главное, не забудь вынуть пирог, сдавая одежду в химчистку, — парирует Барбара.

— Глупый и мудрец смотрят на один пирог, но видят два разных пирога, — говорит Кристина. — Первый закон: каждый новый пирог не может противоречить ранее озвученному. Второй закон: автор первого закона – безграмотный осел. Законы нашего мира логично исходят из этих законов.

Ну что ж, диалог почти в стиле Тарантино.

Добавим название города, где это происходит, чтобы добавить колорита. Генератор дает название: Дис Пуп. Видимо, дело происходит в Мексике.

Чувствую, что кино может быть удачным. Пора подобрать ему название. Есть ли для этого генератор? Есть! Он предложил назвать фильм «Нож зла».

Отлично! Осталось подобрать постер. Что посоветует генератор?

Долгий путь

Идея генератора для создания историй не нова. Писатели и литературоведы не раз делали аналоги нынешних интерактивных алгоритмов, но на бумаге. Например, автор бульварных романов Уильям Уоллес Кук в 1928 году опубликовал книгу «Плотто», в которой было собрано практически две тысячи сюжетных поворотов, которые можно объединить так, что у вас получится связная история. Говорят, ей пользовался Хичкок в работе над своими фильмами.

Похожим образом можно создавать сказочные сюжеты с помощью книги российского исследователя Владимира Проппа. В его книге «Морфология «волшебной» сказки» даны составляющие любой сказки (от характеристик героев до символических атрибутов), комбинируя которые можно получить свое уникальное произведение.

«36 драматических ситуаций», работу французского писателя и литературоведа Жоржа Польти, тоже можно рассматривать в качестве своеобразного генератора. Польти проанализировал все известные ему литературные художественные произведения и вычленил из них 36 общих сюжетов, выйти за пределы которых не получится, как бы вы не старались. Однако полноценным генератором это все же назвать нельзя. Руководствуясь этой работой, вы сможете выбрать нужную для вашего сценария или романа конструкцию, которую придется додумывать самостоятельно.

Но возможно, в ближайшее время ничего не нужно будет додумывать — алгоритмы сами справятся с созданием связного текста. Представьте, что вы владеете крупным сайтом по продаже всевозможных товаров. На сайте десять тысяч страниц, и столько же товаров. Будете ли вы вручную писать описание к каждому из них?

Да, этот вариант можно рассмотреть, если у ваших работников есть много свободного времени, а у вас — много денег на оплату бессмысленного труда. Проще создать алгоритм, который бы составлял описания самостоятельно. Для этого нужны шаблоны, в которые ИИ мог бы подставлять нужные слова. 

В теории создать такую же штуку, работающую на создание художественных текстов, несложно. Загрузить 36 сюжетов мировой литературы, сдобрить их двумя тысячами сюжетных поворотов, научить алгоритм правильно сочетать слова и учитывать предыдущие события — и все, готово. С развитием нейросетей все это звучит не так уж фантастично. 

Самое интересное, что искусственный интеллект научился оценивать сюжеты. Компания ScriptBook создала программу, предсказывающую успех фильмов в прокате. Руководитель компании рассказала, что программа проанализировала сценарии фильмов кинокомпании Sony Pictures, выходивших в 2015-2017 годах и смогла предсказать неудачу 22 из них. 

Нейросеть обучена на 6500 сценариях и предсказывает успех или неуспех фильма в 80% случаев.Также она отличает протагониста от антагониста, умеет оценивать проработанность героев и целевую аудиторию (начиная от расы и заканчивая возрастом). Проверить свой сценарий «на успех» можно за пять тысяч долларов. Внушительная сумма, но та же Sony Pictures потратила куда больше денег впустую, сняв 20 неокупившихся фильмов за два года.

Уже сейчас нейросети пишут сценарии то к серии «Черного зеркала», то к рекламе Lexus. Но пока это не самостоятельные произведения — они требуют корректировки человека. 

Вполне вероятно, что в ближайшее время можно будет пользоваться полноценными алгоритмами, которые позволят создавать действительно связные истории с хорошими диалогами и проработанными характерами.

А пока мы уходим в закат вместе с Кристиной и Прелестным Найджелом. Зайдем по пути за пирогами.