AIフィクションのパラドックス

要約: AI開発にはフィクション依存の問題があります。モデルは現代フィクションの巨大なコーパスを基盤とし、それをもっと必要としますが、それを生成するのには必死です。私はこれを「AIフィクション・パラドックス」と呼び、それが特に驚くべき理由は、機械学習では訓練データが出力品質を通常決定するからです。本論文は、現在のアーキテクチャに対する3つの異なる課題を特定することにより、フィクションがAI生成に抵抗する理由を理論的に正確に説明します。第一に、フィクションは私が「物語的因果関係」と呼ぶものに依存します。これは、出来事がその瞬間には驚きを感じさせつつ、後から見れば避けられないと感じられる一種のプロット論理です。この時間的パラドックスは、トランスフォーマー・アーキテクチャの前方生成ロジックと根本的に対立します。第二に、情報の再評価という課題を特定します。フィクションは、情報的重要性が統計的顕著性と一致するという計算的仮定を体系的に破っており、読者とモデルの双方が物語の詳細の重要性を回顧的に再評価することを要求しますが、現在のアテンション機構はそれを実行できません。第三に、感情アークに関する七年以上の協働研究を踏まえ、魅力的なフィクションには、単語・文・場面・アークの各レベルで感情を同時に調和させる多尺度の感情構造が必要であると主張します。これら三つの課題は、現代フィクションへのアクセスのためにAI企業が十億ドルの訴訟リスクを負ってきた理由と、それがいかに再現困難であるかの両方を説明します。分析は、これらの課題が克服されたときに起こることについての緊急の問いも提起します。フィクションは人間の行動をモデル化するための、特に強力な認知的・感情的パターンを一意に凝縮しており、これらのパターンをAIシステムが習得することは、単なる創造的達成であるだけでなく、規模を持つ人間操作の強力な手段となり得ます。