提示：本文共有 1493 个字，阅读大概需要 3 分钟。
作者| 陈璐
编辑|傅博
问答型社区里很多答案都是一则小故事，社交媒体上每天都生产那么多的叙述性内容，如果你是看故事的人，想不想知道哪些更有趣？
如果你是写故事的人，想不想知道哪些更受读者欢迎？
并且如果现在告诉你，这份“理解并挖掘好故事”的工作可以交给AI去做了，你会不会觉得人工智能神经网络的发展速度真是让人越来越惊讶？或者惊喜？
来源： Getty Images
迪士尼AI部门的研究人员最近就开发了可以评估社交媒体上短篇故事质量的神经网络，这些AI技术虽然还不能像文学评论家那样分析故事文本并给出专业判断，但是可以用来预测哪些故事更受欢迎。
迪斯尼AI研究室的科学家Boyang "Albert" Li在声明文件中表示：
“我们的神经网络在预测故事的普及方面取得了一些成功。它们虽然还不能被用来挑选写作比赛的赢家，但可以用来指导未来的研究。”
迪斯尼研究所的副主席Markus Gross表示，预测文本叙述品质的能力会对故事创作和理解中产生影响。“为了评估质量，AI需要对文本有一定程度的了解，如果AI要自行创建叙事，他们需要能够判断正在生产的内容的质量。”
此项研究成果将于8月23日在澳大利亚墨尔本举行的国际人工智能联合会议上发表。
而人工智能是怎么做到评估故事质量的呢？计算机科学博士、迪士尼研究所的实验助理Tong Wang介绍说，目前这类开发遇到的挑战之一是缺乏可用于训练人工智能的基于人类评估的大型故事数据库。
随后，研究团队就发现问答网站Quora（国外版“知乎”）可以成为一个很好的数据来源，因为里面很多问题的答案都以故事的形式呈现。而且通过观察某些答案的读者点赞数，也可以衡量一个故事的流行程度，代表它的“叙事品质”。
该团队在收集了近55,000个答案后，通过算法挑选出其中的叙事文本，数量超过28,000个，每则故事平均为369个字。为了理解故事的复杂语义，研究团队寻找方法来标记故事结构在神经网络中的影响，因为事件的序列可以相互作用，从而揭示人物的意图。
左图是文本不同部分缺乏交互的质量评估，右图是具有文本不同部分交互作用的质量评估
来源：迪士尼研究室官网
他们开发了一个用于评估故事中不同部分的AI，并创建了两个神经网络模型：
一个用来观察每个故事不同部分之间的交互作用，另一个用来观察每一个独立部分之于整体故事的意义，借此来预测哪些文本在读者中最受欢迎。实验中，相较于基准文本评估系统，神经网络显示出了更大的改进，尤其是神经网络在文本整体意义的感知上较之前提高了18％。
事实上，AI有一天能够理解甚至产生叙事的想法已经激励了研究人员多年。然而与这一想法密不可分的问题就是：AI能识别到一个好故事吗？迪士尼研究室和波士顿马萨诸塞大学的科学家们此次的研究算是在这个具有挑战性的问题上向前迈进了一步。
试想一下，如果AI可以帮我们过滤掉那些无聊的故事，那么未来电影制片厂可能会使用这类技术来挑选优质的脚本，作家可能会参考这类技术来揣摩读者的心理需求，我们的内容环境也会随之变得越来越好吧。
文章相关链接：
https://www.engadget.com/2017/08/21/disney-research-taught-ai-to-judge-short-stories/
https://www.eurekalert.org/pub_releases/2017-08/dr-agr082117.php
http://www.nasdaq.com/article/heres-how-disney-is-implementing-artificial-intelligence-cm822826
看到此处说明本文对你还是有帮助的，关于“我有好酒 但社交平台有好故事吗？现在让迪士尼用新的AI技术帮你挖掘！”留言是大家的经验之谈相信也会对你有益，推荐继续阅读下面的相关内容，与本文相关度极高！
