Topverkopende skrywer AI: When Artificial Intelligence stories tellings

ella is ‘n mediategnologie. Mediatech? Nooit gehoor nie. Dit is ‘n nuwe maatskappygroep wat digitalisering bewerkstellig. Wel, streng gesproke is hierdie genre nie so nuut nie: in die verlede is vervaardigers van tekste bloot uitgewers genoem.

Na ‘n voorbereidingsperiode van ongeveer anderhalf jaar is ella die afgelope herfs gestig. Die sakemodel het potensiaal: dit gaan oor niks minder nie as die vermaaklikheidsmark – en dit is ‘n paar miljard dollar. Oor twee jaar kan ella elke digitale kanaal met geskikte inhoud bedien. Omdat ella tekste genereer. En lirieke is altyd boustene vir allerlei mediaformate – of dit nou vir ‘n film, ‘n boek of ‘n speletjie is. Die eerste segment waarin ella aktief is en reeds ‘n prototipe het, is eSerials, dit wil sê reekse kort romans. LEAD het by Michael Keusgen, uitvoerende hoof en mede-stigter, en Daniel T. Hoffmann, CDO en medestigter van ella verneem wat hulle doen.

LEID: So jy bou tans ‘n masjien om opwindende stories te vertel. Hoe werk dit?

vertoning

Daniel: Ons ella-KI produseer reeds ‘n samehangende teks gebaseer op ‘n paar sleutelwoorde of frases. Sy volg die woordorde deur middel van ‘masjienleer’. Nou is ons besig om spanning in ons verhale te integreer. Want sonder spanning geen opwindende verhale nie. ‘N Tweede stap handel dan oor die beheerbaarheid van die inhoud. Dan kan ons stel: Die teks moet ‘n liefdesverhaal of ‘n riller wees. Om die AI sulke genres te leer, neem ons homogene tekste van ‘n genre en lei die AI daarmee saam. Ons doelwit vir 2021 is om ligte romans met ongeveer 30 bladsye te vervaardig. Om dit te kan doen, ontleed ons: wat is die neigings? Wat interesseer mense? Wat wil mense lees? En dan bou ons volgens die betrokke spesifikasies die geskikte verhaal wat relevant is vir die verbruiker.

Michael: Tweedens het ons ook die onderwerp van e-handel en nie-fiktiewe produktekste. Dit gaan oor beskrywende en SEO-geoptimaliseerde tekste, wat veral winkels en vervaardigers bevoordeel.

LEI: Oefen u ‘n AI hiervoor op? Of twee KI’s? Of miskien selfs vyftig of honderd KI’s – een vir elke genre

Daniel: Op die oomblik het ons ‘n AI wat ons oplei. Maar dit sal natuurlik later groot wees. Later sal ons verskillende KI’s gebruik wat in ‘n algehele sagtewarestelsel gebruik word.

Gruenderfoto Ella Van links Daniel T Hoffmann en Michael Keusgen
(Foto: Daniel T. Hoffmann en Michael Keusgen)

LEID: Die neiging in masjienleer is dat die AI nie meer soveel spesifikasies het nie. Wat stel u vir u AI as parameter voor?

Daniel: Ons het nie soveel spesifikasies nie. Ons bied ruwe inhoudspatrone in die vorm van ‘n opsommende sin. Hieruit skryf die AI vir ons ‘n teks. Dit word gedoen volgens die beginsel van “onbewaakte leer”, die onbewaakte leer, tesame met enkele reëlgebaseerde kenmerke. Later moet hierdie sinne uitgeskakel word en daar moet minder spesifikasies wees. Die enigste ding wat ons voorgee is spesiale gebruikersgroepe of streke waarvoor die verhaal veronderstel is om relevant te wees. Dit wil sê, ons sal raamparameters spesifiseer soos waar die verhaal moet speel of watter karakters in die verhaal moet verskyn.

LEI: Sleutelwoordkarakters: Hoe sal ‘n AI karakters ontwikkel en versier?

Daniel: ‘n Sub-eenheid van ons AI handel al oor die onderwerp van karakters. Ons het verskillende rolle vooraf geanaliseer. Die AI ontwikkel dan sy eie karakters deur abstraksie.

LEI: Hoe wil u seker maak dat die karakters altyd verskillend is? Want dit sou jammer wees as dieselfde persoonlikhede in elke sewende boek verskyn, nie waar nie?

Michael: Om dit te voorkom, gebruik ons ​​’n baie groot stel verskillende karakters. En dan sal dit net soos die verhaalgenerasie wees. Met tien verhale kom daar altyd ‘n ander verhaal uit weens die verskillende spesifikasies. En dit is presies hoe dit met die karakters werk. Ons sal dit ondersteun met die kennisbasis oor die inhoud.

Daniel: Natuurlik skryf ons nog reëls soos “geen herhalings”, “geen duplisering” en “geen vergelyking”. Van toe af gebruik ons ​​’n basterbenadering in AI. Dus ‘n mengsel van onbewaakte en begeleide leer.

LEI: As iemand ‘n karakter uitvind, doen hy dit met behulp van sy verbeelding. ‘N AI het egter geen verbeelding nie. So, hoe maak dit die AI?

Daniel: Dit is basies waarskynlikheidsteorie en wiskunde. Per slot van rekening lê patroonherkenning en herkenning van verhoudings tussen individuele boustene.

Michael: Terwyl ‘n mens elke nou en dan verrassend ‘n emosionele lokval gebruik, ken die rekenaar geen emosies en geen verrassings nie. Maar hy weet wat ‘n verrassing. Hy onthou dus die konteks van ‘n emosionele gebeurtenis en pas dit presies toe.

LEI: Beteken dit nie uiteindelik dat ek die AI moet leer om gevoelens op ‘n beskrywende manier te beskryf nie

Daniel: Ja, jy kan dit doen met beskrywings. Maar ons vertrou meer op gratis onbewaakte leer. Ons sê nie vir die AI wat ‘n emosie is nie. Maar die AI leer uit bestaande teksdokumente. Dit wil sê, die AI leer watter inhoud om te volg watter inhoud.

LEI: Kan AI ook leer uit ironiese tekste?

Michael: Goeie vraag. Volgens die huidige stand van navorsing kan masjienleer dit nie doen nie. Selfs mense is moeilik om ironie en satire te herken.

Daniel: Ons kan dit nie beantwoord nie en in ons ella-KI kan ons dit nie nou in ag neem nie. Teoreties ja, met die toepaslike databasis. U sal dit prakties moet probeer. Tans is ons nog nie aktief op hierdie gebied nie. En tot dusver het ons nog geen ironiese lirieke gelees nie.

LEIDING: Toe private televisie destyds in Duitsland bekendgestel is, het dit tot ‘n sekere mate gelei tot ‘n soort vereenvoudiging van die verhale omdat die verhale die smaak van die massas moes dien. Sleutelwoord “oerwoudkamp” of “boer soek ‘n vrou”. Is daar die risiko dat die vlak van AI-verhale aansienlik sal afplat?

Michael: Die vraag is of hierdie begeerte na eenvoud in die algemeen nie by die mens insluimer nie. Dink maar aan die teater in die 19de eeu. Dit het gehandel oor vermaak en nie noodwendig oor dieper intellektuele oorwegings nie.

Daniel: Ons is daarvan oortuig dat albei kan saam bestaan. Dit wil sê dat die grootste deel van die bevolking blykbaar tevrede is met maklike gesprekke. En slegs ‘n baie klein deel stel belang in ‘n meer intellektuele, subtiele en meerlaagse gesprek.

Michael: Ek dink daar sal altwee wees. Daar sal ook graderings tussenin wees. En alles het nog altyd bestaan. Die privaat televisie het hierdie ‘alles’ basies oorgedra aan die televisiegenre. En om eerlik te wees, die vlak gesprek was nog altyd op openbare televisie. Eers as dit by inligting kom, is dit ‘n bietjie anders. Vir privaat televisie vertolk nuus soms as vermaak. U moet dus onderskei tussen nuus- en vermaakprogramme.

LEI: Daar kan ligte vermaak, baie ligte vermaak en gesofistikeerde vermaak wees. Kan u u voorstel dat sulke kategorisering eendag relevant sal wees?

Michael: Dit is beslis moontlik. Maar ons volg kommersiële belange. En dit is ook ‘n kwessie van leerkurwe. Ons kyk tans na ligte vermaak. Ons vertrou op ‘n paar protagoniste. En ons aanvaar ‘n vereenvoudiging van die verhaallyne. En dan kyk ons ​​na die uitvoerbaarheid. Sekerlik sal ons daarin slaag om die verhale meer ingewikkeld en ingewikkelder te maak in die volgende paar jaar. En dan word die gesprek ingewikkelder.

LEID: toets u die verhale van verskillende AI’s teenoor mekaar?

Daniel: Ja, ons toets ons stories, indien nie in die openbaar nie. Ons het ook ‘n groot span eksterne kwaliteitsbestuurders. Hulle ontleed in watter rigting dit is en bring die bevindings terug na die AI.

Michael: En as die AI ‘n voltooide verhaal opgelewer het, sal selfs lektor hierdie tekste aanraak en moontlik korrigeer.

LEI: As ons van vyf tot tien jaar van tegnologie wegkyk en na die toekoms kyk, watter nuwe werkprofiele sal gevorm word rondom die KI’s wat pragtige verhale en korrekte nuus kan skryf?

Michael: Daar is seker ‘n hele reeks nuwe posbeskrywings wat ons nie eers van vandag weet nie. Tydens die konstruksie van ella het ons opgemerk dat op die gebied van rekenaarwetenskap alleen in die afgelope jaar baie gespesialiseerde beroepe ontwikkel het.

Daniel: Ons het byvoorbeeld taalkundiges en data-ingenieurs vir die projek gehuur. Laasgenoemde is bekend met groot hoeveelhede data en kan ook vanuit ‘n wiskundige oogpunt daarna kyk. Ons het ook data-wetenskaplikes in diens wat meer oor die onderwerp van data gemoeid is. Watter ander beroepsprofiele in die toekoms gaan ontwikkel, moet u sien.

Michael: As u slegs na die veld van bemarking kyk, besef u dat ‘n hele reeks nuwe posbeskrywings ontwikkel is wat verband hou met digitalisering. En so moet jy jou voorstel met die AI. In bemarking het daar byvoorbeeld nuwe beroepe ontstaan ​​wat slegs ontstaan ​​het omdat die AI vinniger en meer kompleks dink en daarom ook vinniger en meer akkuraat inligting verskaf as die mens.

LEI: Tot dusver het ons nog nie oor u sakemodel gepraat nie. Kan ek voltooide tekste bestel waaruit ek dan ‘n draaiboek, ‘n boek of ‘n radiospeletjie kan maak en u lewer die voltooide verhaal oor ‘n week af?

Michael: Die sakemodel is gebaseer op twee pilare: Aan die een kant wil ons verhale lewer na gelang van ons ontleding. Ons wil dit via ons eie platforms en via samewerking in die ooreenstemmende markplekke soos Amazon en Google Books verkoop.

Daniel: Die tweede pilaar is Software-as-a-Service. Ons wil vennote toegang gee tot die sagteware sodat hulle dit vir hul eie verhale kan gebruik. Daar sal waarskynlik ‘n web-koppelvlak of ‘n API-koppelvlak wees wat intyds kan dok. Aansoeke handel oor handelsware en inhoudsproduksie.

LEIER: En wat sou so ‘n sagtewarediens kos?

Michael: Tot dusver het ons geen prys daarvoor nie. In ons sakeplan het ons samewerkings. Vir die verhale wat ons deur Amazon en Co. wil versprei, het ons ‘n verhaalprys van drie tot ses euro per teks van 400 bladsye bereken – vir die hele reeks. En uitgewers kan natuurlik ons ​​verhale op lisensie afdruk. Ons self sal egter nie boeke druk nie en slegs digitale produkte aanbied.

LEI: Dankie vir die gesprek.

Lead Rep 2 19 Ctab 1200X1200

Data alleen is van geen nut nie. Eers as u dit evalueer en ontleed, word dit data-goud. Hoe om Google Analytics op te stel, dashboards maklik te maak, analise-instrumente te gebruik en data op ‘n beskermde manier te verwerk: LEAD Rapport “Werkboek Web Analytics”

Laai hier af!

Laat 'n boodskap

Jou e-posadres sal nie gepubliseer word nie. Verpligte velde word met * aangedui