雖然還不懂懸念感的機理,但機器已經會講抓心的故事了……

雖然還不懂懸念感的機理,但機器已經會講抓心的故事了……

來自專欄認知與計算的實證科學4 人贊了文章

1 講故事的理論

上一次,是哪本小說讓你感到不可自拔,按著怦怦心跳在深夜兩點手不釋卷?

環環相扣、引人入勝的偵探小說,和小學生的記敘文,同樣是講故事,高明在哪裡?

塑造「懸念感」(suspense)是各種成功娛樂產品的關鍵功能。當評書作品說到「預知後事如何、傾聽下回分解」;當連載漫畫「斷章斷得很銷魂」;當《我是歌手》宣布結果時、節目組應該在哪個時刻進廣告……高明的娛樂生產者都很善於拿捏觀眾的心,直覺地在最合適的時機製造出最大懸念感,然而這背後是否有理論可以解釋?

在對話分析(discourse analysis)領域,很多心理學家仔細地研究了故事中懸念感的產生。一個關鍵因素被反覆提出:故事主角的重要任務中受到挫敗、甚至性命受到威脅時,挫敗越大,越能引發讀者更高的懸念感。大概和我們相信「主角光環」有關:儘管知道詹姆斯邦德最後一定會贏,但僅僅是他被囚禁,或者是他不但被囚禁而且所有隨身救命神器都被拿走,後者引發更高的懸念感。[2]

(沒看過007系列小說的作者我,此時心中配圖是拿著聖旨闖進刑場的飛馬騎士大喊「刀下留人!」)

聽起來很有道理,如何驗證這一理論?經典的心理學研究方法大概是:給兩組被試情節略有差別的閱讀材料,看讀完後主觀報告懸念感的差異。這裡的閱讀材料編寫大多操諸心理學研究者們,他們把經典小說片段刪刪改改,手工生成實驗材料。

但是是否可能從零開始生成一個有懸念感的故事,相當於完整模擬小說家從空白草稿紙開始的思維過程?

2 講故事的機器模型

這樣的嘗試還不少,比如兩位計算機系的研究者Fendt and Young[3]就在2017年發表了一個故事生成系統,The Intention Revision in Storytelling (IRIS) system。關鍵點在於這個意圖修改Intention Revision:給故事主角製造困難使其更改計劃。

舉例說明IRIS的工作方法:

首先給故事主角設置基本目標和計劃。比如主角的目標是拿到炸藥(has PLAYER DYNAMITE),初試計劃的動作序列即:

主角走到大街上,與經理對話,在礦里拿到炸藥——任務完成!

如何給主角添堵呢?此時需要動用邏輯來回溯,對於關鍵動作(拿到炸藥),有哪些前提,然後考慮如何破壞這些前提:

對於關鍵動作(拿到炸藥),前提比如需要炸藥確實在礦里,那麼違背這個前提的一個可能性就是讓礦工把炸藥從礦里拿走。

注意,上述這些列表都是由模型規定好的,情節間有編寫好的邏輯關係網路,也就相當於人的「常識」。顯然這個小玩具模型不能把人的所有常識囊括:IRIS系統把情節限制在西部搶劫片場western heist domain,在這個特定類型片中玩套路。

更值得考慮的問題是,是否可能用NLP或某種方法,把人們現有常識用此格式記錄下來,生產各種領域的故事?

當主角發現前提被破壞,原計劃無法完成時,則需要修改計划了:

發現炸藥不在礦里,原計劃破滅,主角選擇新計劃

加入我們主角選擇的計劃是(控制住 主角 礦工),那麼便重新生成故事線:

於是這個故事用人話描述出來就是:

The player wants to get the dynamite from the mine. However, the miner who is in the mine grabs the dynamite. The player moves to the mine, searches for the dynamite and can』t find it. The player then realizes that the miner has the dynamite, threatens the miner with a knife, and steals it from the miner.

這個故事,嗯……聽起來還是很平淡啊【攤手。當然,比流水賬還是好些,小學老師可以給到85分了。一年級,二年級都不行。

那麼這個故事生產模型是否真的能夠如作者所說,有效地引起懸念感呢?和人類比起來,可能一較高下嗎?

故事好不好,實驗說了算。

3 一個狡猾的實驗驗證

實驗給出了個有趣的結論:IRIS系統創作的故事,和受過「創意寫作creative writing」訓練的人類寫出來的故事,同樣地富有懸念感。

前提:雙方只能在同樣的範圍內編故事。即,所有的故事中可能出現的情節都只能在給定的庫里選,人的主觀能動性也只在於如何編排。

(老實說,考慮劣質電視劇電影們,差不多也是這麼創作的吧)

實驗者沒有對每個故事分別打分,而是讀兩個故事,進行對比。

兩個故事都是關於謀殺案

在模型的眾多模板(眾多故事生產邏輯;上節的舉例只是眾多邏輯中的一種)中,效果特別好的是當讀者和故事主角的視角有所差異的時候:當你知道主角即將受到阻礙,而主角不知道時。

是啊,看著少年們一臉陽光地走進看似平靜卻暗藏殺機的村莊,豈不是很讓人提心弔膽嗎?

而反過來說,如果讀者和視角合一,這個故事生成模板還有用嗎?作者另外構思了一種實驗:第一人稱文字冒險遊戲。同樣,在遊戲大綱中作者利用模板埋了些包袱(遇到阻礙、修改計劃),對比沒有利用模板的遊戲,玩家在遊戲結束後的反饋驗證了,許多時候模板埋的包袱是有用的,但也未必總是有效果。

不過我覺得這個文字冒險遊戲的點子非常好,其實可以在遊戲過程中收集動態反饋。

4 從定量到機理

這個研究講到這裡,還沒到計算認知科學的研究領域。並不是有模型、有定量就是計算認知科學,至少我們還沒有問:這些懸念感製造模板成功的機理為何?不光聽故事會產生懸疑感,還有看廣告、看球賽、賭博、甚至聽音樂……有什麼更基礎的機理可以解釋這些嗎?

先從經濟學家開始吧。下期講這篇:

Ely, Jeffrey, Alexander Frankel, and Emir Kamenica. 「Suspense and Surprise.」 Journal of Political Economy 123, no. 1 (2015): 215–260.

這也是我目前科研項目的起點文獻。


[1] Brewer, W.F., Lichtenstein, E.H.: Stories Are to Entertain: A Structural-Affect Theory of Stories. Journal of Pragmatics 6, 473–483 (1982)

[2] Gerrig, Richard J., and Allan B. I. Bernardo. 「Readers as Problem-Solvers in the Experience of Suspense.」 Poetics 22, no. 6 (December 1, 1994): 459–72. doi.org/10.1016/0304-42.

[3] Fendt, Matthew William, and R. Michael Young. 「Leveraging Intention Revision in Narrative Planning to Create Suspenseful Stories.」 IEEE Transactions on Computational Intelligence and AI in Games 9, no. 4 (December 2017): 381–92. doi.org/10.1109/TCIAIG..


推薦閱讀:

TAG:認知科學 | 人工智慧 | 講故事 |