AI addestrata per diventare un Dungeon Master e generare trame per Dungeons And Dragons

L'intelligenza artificiale ha dominato anche giochi estremamente complessi come gli scacchi e il Go. Tuttavia, questi giochi hanno regole predefinite e metodi di interazione molto specifici che non si prestano a scelte creative. Un gioco di ruolo come Dungeons and Dragons (DnD) ha infinite modalità di gioco rispetto a una partita a scacchi, ma ciò non ha impedito ai ricercatori di provare a sviluppare sistemi di intelligenza artificiale in grado di improvvisare trame per DnD o simili giochi di ruolo da tavolo. Giochi.

I ricercatori di intelligenza artificiale lavorano costantemente a nuovi modi per migliorare le capacità di linguaggio generativo dell'IA. Uno dei più grandi progressi degli ultimi due anni è lo sviluppo di GPT-2, che è stato in grado di generare storie coerenti al volo. Tuttavia, come riportato da Wired, la studentessa laureata in Georgia Tech Lara Martin ha concepito l'utilizzo di DnD come banco di prova per l'abilità linguistica generativa di un'intelligenza artificiale. L'obiettivo è essenzialmente quello di creare un dungeon-master AI, in grado di creare nuovi scenari per il gioco e adattare questi scenari.

Secondo Wired, Martin ha lavorato al dungeon master AI dal 2018. I modelli di generazione del linguaggio spesso utilizzano approcci basati su regole o approcci basati su reti neurali. Recentemente, c'è stato un crescente interesse nel combinare le due tecniche per generare il linguaggio. L'approccio di Martin utilizza strategie di generazione del linguaggio basate su regole insieme a reti neurali profonde. L'approccio di Martin alla generazione del linguaggio si basa sull'idea di “eventi”. Gli eventi sono costituiti da varie parti del discorso come oggetti, soggetti e verbi, che il modello combina in oggetti evento coerenti. Il modello è stato addestrato sulle trame di famosi programmi televisivi di fantascienza come Futurama e Doctor Who. Il modello è innescato con una stringa di testo, che analizzerà per gli eventi. Dopo aver estratto gli eventi dal testo iniziale, tenterà di continuare la trama generando nuovi eventi. Martin è stato in grado di espandere questo approccio di base e guidare il modello verso la generazione di alcuni eventi desiderati, come il matrimonio di due personaggi all'interno della storia.

Martin non è l'unico ricercatore che tenta di progettare un'intelligenza artificiale in grado di raccontare storie. Ad esempio, il ricercatore di machine learning Nick Walton ha recentemente sviluppato AI Dungeon, che utilizza modelli GPT-2 per creare un gioco di avventura testuale generato dall’intelligenza artificiale. Sebbene AI Dungeon in genere restituisca un testo almeno coerente, tende a perdere traccia della narrativa generale, avvia strani nuovi fili della trama e generalmente si comporta in modo strano rispetto agli input del giocatore. Nonostante queste limitazioni, il gioco si è rivelato piuttosto popolare, con oltre un milione di persone che ci hanno giocato.

Martin riconosce i limiti del modello, affermando che il modello spesso si confonde, generando eventi della trama che non hanno senso logico e che "non siamo ancora vicini al fatto che questa sia una realtà". Nonostante ciò, Martin spera ancora che il modello porti a qualcosa di utile in futuro. Martin spera anche che il progetto possa potenzialmente darci un'idea di come la creazione di storie sfrutti diversi aspetti dell'intelligenza come l'immaginazione e l'incarnazione.

"Se potessimo creare un AI DM convincente, ci direbbe di più su come creiamo e viviamo questi mondi", ha spiegato Martin a Wired.

Si potrebbe anche sostenere che la sfida di portare a termine un'impresa difficile come la creazione di un'IA del dungeon master sia una ragione sufficiente per portare avanti il ​​progetto. Noah Smith, professore di intelligenza artificiale e lingue presso l'Università di Washington, ha spiegato che a volte grandi obiettivi aiutano a creare applicazioni utilizzabili, anche se la sfida stessa non viene portata a termine in modo tempestivo.

Smith ha spiegato a Wired:

“A volte gli obiettivi delle grandi sfide sono utili per far muovere molti ricercatori in un'unica direzione. E parte di ciò che ne risulta è utile anche in applicazioni più pratiche”.