故事工程學：人工智慧和程式化敘事生成

引言

程式化敘事生成（Procedural Narrative Generation）是程式化內容生成（Procedural Content Generation）的一個子概念。程式化內容生成代表著一種全新的內容生產過程——對於需要生產的內容，設計師不需要作精確到一切細節的設計，而只需要給出一些很少甚至接近於零的大局上的方向指導，就能由某種演算法性的（Algorithmic）過程半自動甚至全自動地產生出符合設計師要求的具體內容。在遊戲的開發過程中，內容的（半）自動生成技術使得一個遊戲能夠具有超出其製作團隊規模的內容豐富性，個性化遊戲體驗，增加遊戲的重玩價值。在現今遊戲中，關卡和地圖的程式化生成已經很常見（尤其在Roguelike型別的遊戲中）。美術和音樂素材的自動生成也不同程度地存在著（例子包括沙盒遊戲中隨機組合身體各部分視覺要素而產生的NPC形象，以及一些遊戲中根據玩家行動產生實時變化的背景音樂）。

敘事的程式化生成，在現今的遊戲中也以各種形式存在著。從廣義上來說，它有一種非常古老和樸素也完全為我們所熟知的存在形式——隨機事件。回合制RPG中的隨機遇敵，沙盒世界RPG中的隨機任務，經營模擬類遊戲中的隨機劇情，都可以在不同程度上被稱作程式化敘事生成。


最基礎的情況，遊戲有一個龐大的事件庫，所謂的敘事生成僅僅是在這個事件庫中完全隨機地抽取一個。想象一個桌遊大富翁玩家在牌堆中抽取事件牌——遊戲中最簡單的隨機事件實現方式不過是這種過程的自動化。


有的遊戲在此基礎之上，會根據玩家當前的狀態計算出一個抽取事件的概率分佈，甚至排除掉一些完全不適合當前狀態的事件。比如傳統RPG中會根據玩家所在的地域決定隨機遇到的敵人。又比如許多策略經營類遊戲中，一個城市發生居民暴亂的概率，是由這個城市的治安數值所決定的。

有的遊戲的事件庫不是靜態預定義的，而是在一些預先設計的事件的模版或模組基礎上動態生成。例如一些CRPG中的任務自動生成系統，定義引數化的基本任務型別（攻擊敵人X、與某NPC X交談、尋找X物品、將X物品交給NPC Y、守衛X、在X上使用物品Y，等等），通過引數的隨機設定和多個基本任務的隨機排列組合，產生出千百個不同的任務來。


更有甚者，一個遊戲的機制空間和敘事空間甚至是同一的——玩家能玩出多少花樣，敘事就有多少花樣，模擬人生系列是一個非常典型的例子——作為某種意義上的肥皂劇模擬器，說敘事就是它的遊戲機制本身都不為過。另外還有許多Roguelike遊戲（FTL，The Curious Expedition，等等）也屬於這個類別。


儘管程式化敘事生成在遊戲中的應用——以隨機事件為主要表現形式——已經歷史已久，我們卻仍然很難說它們已經達到了令人滿意的程度。其中一個重要的問題就在於隨機生成的敘事很難像人為寫就的故事那樣，讓讀者能夠感覺到“精彩”，甚至沉浸於其中。一個故事要達到這個目標，一方面，其情節展開要在“情理之中”和“意料之外”之間把握住一個平衡，在讀者接受到的資訊能夠被其思考迴路“不過於費勁”地接受的前提下，給與思考迴路新鮮的刺激。另一方面，讀者又通常希望故事能夠是有意義的——其中應當存在某種集中得到表達的隱含資訊。當我們讀一個故事時，我們吸收進入思想並不僅僅只是一串文字的序列。我們同時也在根據這些字面資訊，在腦海中建構一個文字背後隱含的“真相”。通過感官直接接收到的表面資訊，解析出一個隱藏在背後的“真相的世界”，是我們在閱讀故事時享受到愉悅感的一個重要來源。而當我們看到的只是一堆無論怎麼想都聯絡不起來的零散的隨機事件，我們很自然地就會感到無聊。不得不承認的是，現今的大部分包含程式化敘事生成的遊戲，其中自動生成的敘事還停留在“缺少強內在聯絡的零散的隨機事件”的階段。

如何自動生成優秀的故事？這是一個很難的問題，但也正因為如此是一個有意思的問題。因此在這篇文章中，我想討論一些可能運用到遊戲中的程式化敘事生成中，並且改善故事質量的技術。這些技術大多來自於傳統的人工智慧領域（相對於深度學習、大資料相關的技術）。希望這些討論能夠給遊戲開發者帶來啟發，同時也作為我對遊戲業界的未來的一些展望。

這裡順便推銷一下本文的姐妹篇：人工智慧和互動式敘事。

敘事生成技術

從廣義上來說，程式化敘事生成可以是任何輔助對故事內容毫無頭緒的作者產生想法的機制，而計算機程式僅僅只是這樣一些機制的自動化實現。一個缺乏構思的作者會通過各種方式來刺激自己產生想法。比如說，他們可能會把自己隻言片語的零散想法用簡短的片語寫在卡片上丟進黑盒子，然後從黑盒子中抽幾張出來，看看抽到的幾張卡片能否產生有意義的組合。有時候，隨機抽到的卡片組合能夠刺激作者產生讓他自己都大吃一驚的奇妙構思。

這個抽卡的過程彷彿是在探索著作者想象力形成的空間，對於自身想象力豐富的人而言，它能帶來不少驚喜，因此本身就是一個很有樂趣的過程。這種樂趣被人們發現以後，這種想象力刺激機制本身甚至被設計成了遊戲。Snake Oil(蛇油)就是這樣一款遊戲。在這個遊戲中，一個玩家扮演隨機身份的顧客，而其他的玩家則扮演商人，負責推銷自己的商品給顧客。每個扮演商人的玩家可以隨機抽取六張手牌，每張手牌上寫有一個單詞。向顧客推銷的商品必須組合這六張手牌中的兩張上的單詞形成。扮演商人的玩家為了組合出跟顧客身份相關的片語並且自圓其說，不得不各種天馬行空，將隨機出現在手牌中的單詞強行解釋成有意義的東西。這個解釋的過程則可以充滿各種各樣讓人忍俊不禁甚至拍案叫絕的瞬間。類似的遊戲還有Once upon a Time(很久很久以前)，在其中玩家需要將自己抽到的卡牌上的內容強行聯絡起來形成一個童話故事。

在這些遊戲中，玩家閱讀著由卡牌上的提示、隨機性和自身的想象力共同實時生成的故事。而這些遊戲的核心內容也正是產生這些故事的機制。它們可以說是程式化敘事生成在脫離計算機程式的情況下的原始形式。


桌上角色扮演遊戲（跑團）是另一個由隨機性探索想象力空間實時生成故事的例子。遊戲主持人（Game Master）需要根據玩家的反應和骰子擲出的點數臨時編出與之一致的故事接下去的發展。在遊戲進行之前，遊戲主持人的腦子裡可以有各種可能的發展路線，各種逸聞式的故事片斷，各種可能連成完整故事的零散元素——我們可以將之視為生成故事的資源（故事的搜尋空間）。而真正決定這些資源如何被利用起來串連成一個完整的故事的（搜尋策略），其實是一次又一次的玩家的反應和骰子擲出的點數。在這個過程中，沒有任何一個角色能真正從整體上把握整個故事的走向，沒有任何一個角色可以稱得上是整個故事的作者。每個角色都只是按照自己的喜好在自己能夠控制的很小範圍內作出一些區域性性的選擇，這許許多多的區域性性的選擇最終在巨集觀上產生出了一個超越了每個單獨的角色的意志的“沒有被任何人設計”的故事。廣義來說，這種敘事生成的方式也可以被視作一種“演算法式”的機制，只不過這種機制依賴的計算資源不是計算機，而是人。

既然有了計算機，一個自然的想法就是以計算機作為計算資源來自動化上面所提到的這些機制，從而以最小化人類勞動介入的方式生產出故事來。這遠遠不是一個像“用機器解放流水線工人的雙手”那麼簡單的任務，因為流水線工人付出的畢竟只是雙手，作家或者跑團玩家所付出的卻是腦子。雖然解放作家的腦子這項努力早在上世紀七十年代就已經開始了，至今我們仍然沒有看到一個成熟的解決方案。但是，還是有很多這方面的嘗試值得我們去了解。下面我們就來看看這樣的一些嘗試。

歷史上有記載的第一個故事寫作程式，是1973年由Sheldon Klein開發的叫做Novel Writer的程式[1]。這個程式使用FORTRAN語言編制，能夠生成2100個單詞的謀殺懸疑故事。使用者可以指定出場的人物和一些故事的背景資訊，規定好人物之間的關係和人物的性格特質。基於這些輸入資訊，Novel Writer能夠隨機生成一個與使用者輸入的背景和人物關係相一致的圍繞著一場謀殺案展開的事件序列（甚至謀殺的動機都與使用者指定的角色特質相關）。作為一個計算語言學（Computational Linguistic）方向的研究專案，這個程式的原理是一個龐大的語義網路，其中每個節點代表一個語義物件（故事世界中的人事物），節點之間的有向邊表示語義物件之間的關係。語義網路的每個節點都儲存著相對應的語義物件的狀態，這個狀態在合乎情理的範圍內（由一系列人為設定的規則決定）一步一步地發生隨機變化，記錄下整個網路所有節點每一個時間點的狀態，就形成了一個故事。這個程式向人類展示了程式化敘事生成的可能性，但是它有能力產生的故事，仍然被限制在比較狹窄的範圍內。儘管由於隨機性的介入，每次它都能產生不同的情節來，但由於框架限定得太死，還是很難生成能夠讓人眼前一亮的新鮮的情節來。比如說，謀殺的動機只有貪慾、憤怒、嫉妒和恐懼這四種，人物的關係也只能在預定義的幾種關係中進行選擇。語言表達方式的枯燥無味當然也是故事並不吸引人的原因之一（可以從配圖中看出），但這一點並不是我們討論的重點。


Novel Writer向人們展示了自動寫作機器的理論上的可能性。在其基礎之上，人們得以進一步去探討如何產生質量更高的文字的問題。自那時到現在的敘事生成技術，大致可以分為兩種：審慎敘事方法（Deliberated Narrative）和基於模擬的方法（Simulation-based Approaches）。

審慎敘事方法（Deliberated Narrative）

前面我們提到過，一個精彩的故事需要讓讀者在其中讀到某種“作者想要表達的東西”。一個故事不能僅僅是一連串毫無內在聯絡的隨機事件，它應當是為了作者的某個“敘事目標”而精心安排起來的事件序列。這個敘事目標可以是傳達某種體驗、抒發某種情感、宣揚某種理論等等。通過閱讀故事，讀者慢慢被引導到作者想要呈現給讀者的那個地方。這個走進作者精神世界的過程，往往也是讀者閱讀故事的過程中“意義感”的來源。Novel Writer的問題就在於，其中的故事情節是全域性性地隨機變化的，讀者找不到那個能夠走進的精神世界，找不到任何正在被表達的東西，也因此得不到什麼意義感。

而人工智慧自身是很難去產生這個敘事目標的。它真正擅長做的，是將人類給出的敘事目標敷衍成為一個完整的故事。敘事自動生成的一個更加具有可行性的形式是由人類給出一個敘事目標，然後讓人工智慧找到能夠實現這個敘事目標的情節發展路線，並以確保符合邏輯的方式填充細節。審慎敘事方法（Deliberated Narrative）就是一系列這種指導思想下發展出的敘事自動生成技術。

審慎敘事方法將敘事生成看作人工智慧領域的規劃問題（Planning Problem）的一個例子。規劃問題的本質則是圖論中的路徑搜尋（Path Finding）問題。給定一組人物、地點、可能的人物關係、人物可能進行的動作、人物可能的社會屬性等等，我們能夠定義起一個“故事空間”，這個空間中每一個點都是一個可能的“世界狀態”，即一個可能的人物屬性和關係的組合。比如說，“張三和李四是好哥們”就可以是一個世界狀態。最終，故事空間由一個故事中涉及到的每個元素的可能狀態的所有排列組合所定義，它限定了一個故事生成程式從原則上說可能產生的全部故事的範圍。如果兩個世界狀態可以通過某一組人物動作來實現從一個到另一個的轉換，那麼我們就可以認為這兩個世界狀態對應的節點之間有一條通路。比如說，從“張三和李四是好哥們”這個節點到“張三和李四是不共戴天的仇人”這個節點，就可以通過“張三殺了李四的父親”這個人物動作來實現。這樣，我們的故事空間就變成了一個圖。敘事生成則可以看作是在這個圖中尋找路徑的問題，而作家的敘事目標則是這條路徑需要滿足的約束條件。比如說，如果敘事目標是“好人終有好報”，我們就需要尋找一條路徑，其中某個人做了好事，並最終獲得了某種回報。

審慎敘事方法很接近現實中作家編寫故事時的思想過程——作家可能首先想到了一些零散的精彩橋段，之後為了能將這些零散的橋段擴充套件成完整的故事，再去補充其他的情節。在審慎敘事方法的框架下，這些一開始就決定出現在最終故事中的零散橋段，就像是要求目標路徑必須經過的幾個節點——而作為對目標路徑的約束，這些零散橋段也可以被視為敘事目標的一種表現形式。1981年由Natalie Dehn開發的程式AUTHOR[2]就是這種思路引導下的作品：在一開始由人類作家指定一個他已經想好的精彩橋段，程式的作用是以前後一致的方式生成這個橋段以外的情節。類似於這樣的故事生成系統還有很多，像1983年的UNIVERSE（Lebowitz）[3]，1993年的MINSTREL（Turner）[4]，2001年的Mexica(Pérez y Pérez&Sharples)[5]，2005年的ProtoPropp(Gervás,Díaz-Agudo,Peinado,&Hervás)[6]等等。

基於模擬的方法（Simulation-based Approaches）

Novel Writer的另一個問題是，在其中每個人物看起來都是扁平的——它們不過是全域性故事發展的棋子。人物的特徵並不能真正推動情節的發展，而只是一些裝飾性的要素。更不用指望在其中看到人物精神世界的發展，以及人物意圖和動機的變化。人物對於故事來說如此重要，甚至於很多時候故事情節的設計都是以表現人物的特徵為中心的。很難想象一個人物毫無內容的故事會有多精彩。

為了解決這個問題，人們提出了基於模擬（Simulation-based Approaches）的方法。其基本思路就是精確模擬人物的屬性、意圖、動作、社會關係，最後將很多這樣的人物模型放到一起，讓程式模擬他們之間的相互作用。而故事就自然而然地從這些相互作用中產生。

這種方法就像喬納森布洛的“讓系統展開其自身”的遊戲設計理論在敘事設計中的對應物。一旦有了有趣的人物設定，精彩的故事就會自然而然地產生。作家的任務不是去設計這樣的故事，而是在人物可能的相互作用中發現這樣的故事。只要被模擬的社會系統複雜性足夠，好的故事就能夠以作者都意想不到的方式從中突現。由於這個原因，基於模擬的敘事系統有時候也被稱作是突現系統（Emergent System）。

模擬人生系列可以被看作是這種型別的敘事自動生成的典型例子。整個遊戲實際上就是一個社會關係模擬器。儘管沒有人去設計其中的故事，卻時不時就會有有意思的情節出現。學術界的例子則有1976年的Tale-Spin(Meehan)[7]，卡耐基梅隆大學的Oz Project[8]，等等。


有的讀者可能注意到了，上面所介紹的兩種自動敘事生成方法，某種意義上說是相互衝突的。審慎敘事的方法以作家的敘事目標為中心，就意味著必要時它會為了達成敘事目標而犧牲人物模擬的真實性。基於模擬的方法以人物的精確模擬為首要目標，就意味著它缺少一個集中被表達的“故事主旨”。如何協調這兩者也是現在一個重要的研究課題。這裡推薦一篇相對晚近的論文：Narrative Planning:Balancing Plot and Character[9]。

可以看到，對於現有的大多數自動敘事生成技術，如何有效率地表示故事空間和如何有效率地在一個故事空間中進行搜尋，是主要的技術瓶頸。一個故事空間是一個非常龐大的圖，要求作者去列舉其中每一個節點和邊明顯是不可行的。現在解決這個問題的思路是，採用一種高層級（High-level）的語言去描述故事空間（例如，由一階邏輯代替命題邏輯作為故事空間描述語言）。這樣作者就能夠以簡潔得多的方式描述故事空間。比如，作者可以簡單地定義“所有有錢人都內心空虛”（藉助概率語言或者模糊邏輯，甚至可以表達“大多數有錢人都內心空虛”），而不是一個一個地定義故事空間中的有錢人是內心空虛的（“張三是內心空虛的”，“李四是內心空虛的”，……）。另一個效率瓶頸則是尋找符合約束的路徑。在最不受限制的情況下，這個問題可以被視為一種可滿足性問題（SAT Problem）。而可滿足性問題則是經典的NP完全問題（NP Complete Problem），其時間複雜度是隨輸入呈指數級增長的。在現有的計算機架構下我們還做不到遊刃有餘地演算法化地解決這類問題。但量子計算機的出現很可能會帶來這方面技術的飛躍。

決定一個故事的精彩程度的，也遠不止是否存在一個集中得到表達的敘事目標和人物設定是否立體這兩個因素。以上所說的兩種基本方法，也只是在解決自動化生成敘事領域的最基本的問題。人類在這個領域顯然還有很長的路要走。

反思和未來

正如我們前面所說的，程式化敘事生成是一個非常年輕而不成熟的領域。我們不僅僅在技術上難以想象很多難題的解決辦法，甚至難以想象一個擁有成熟的程式化敘事生成技術的社會會是怎樣的一番模樣。如果說機械自動化生產是工業生產領域的一場革命，那麼包括程式化敘事生成的自動化內容生成技術將成為這場革命在文化產品創作領域的對應物。而文化產品的生產與工業產品的生產一個很關鍵的區別就是審美觀的介入。真正成熟的文化產品自動化生成技術必定要以某種方式“程式化”地產生審美意見。這個審美意見在作品中的注入也是真正使得作品具有“設計感”，而不僅僅只是一堆隨機堆砌起來的內容的關鍵。從這種意義上說，現有的自動化內容生成技術只能稱作是“人工智慧輔助創作”，而遠遠達不到“人工智慧創作”的程度。它能夠負責隨機生成一些可能的方案，而最終的取捨還是要由某個人類創作者來進行；它能夠驗證人類創作者編造出的故事是否符合邏輯甚至物理、社會規律，但它評價不了這個故事從一開始是不是就值得被述說；它能夠讓每一個不具有專業技術的人都能像大導演一樣對基於縝密的專業知識創作出來的作品指指點點，它自身卻永遠擔任不了這個導演的角色。比起“程式化生成內容”，更加具有挑戰性的問題是“程式化生成審美意見”。

從另一個角度上說，為什麼我們要追求文化作品中的“設計感”？就像人造的雕像和自然形成的山丘各有各的美感，缺乏設計感的人工智慧文化作品，能否正因其設計感的缺乏而帶來一種獨特的美感呢？在很多藝術領域中，我們都看到過追求表現媒材本身的美而爭取擺脫內容主旨的藝術流派，美術中有野獸派，音樂中有後搖滾，文學中有意識流，等等等等。或許缺乏設計感的人工智慧文化作品有一天也能成為一種新的藝術流派。

再換一個角度，當我們想要程式化生成審美意見的時候，我們想要的究竟是用程式去模擬人類的審美觀，還是真正地去生成人工智慧自己的審美觀？當有一天人工智慧產生了它自身的審美觀，我們真的能夠理解嗎？會變成人類審美觀被人工智慧審美觀引導變化的局面嗎？

即使不說審美意見的形成，只討論人工智慧輔助創作，它也將給這個社會的文化產品創作模式帶來巨大的變革。就像自動化流水線促進了工業界的勞動異化，當創作者對他的作品只有一個籠統的認知時，創作者與他的作品之間的距離也被擴大了。一個創作者甚至可以是他自己作品的消費者。一個沒有任何文學創作經驗的普通人，可以簡單地告訴人工智慧他想看一個什麼樣的故事，然後就由人工智慧為他定製完美滿足他的需求的故事。

進一步說，在這樣的條件下，文化產品的消費者究竟還有什麼動力去消費其他人創作出的作品？當每個人都只接觸為自己定製的文化產品時，個體之間的思考迴路差異難免要不斷擴大。在最極端的情況下，人們會被劃分為無數個相互隔離的觀念群。來自兩個不同觀念群的人甚至都很難相互交流。

技術的變革從來就不會僅僅只是生產效率的提高，它必然要引起社會和人文層面的變化，更何況是文化產品生成技術這樣與人類意識形態緊密相關的技術。

最後，讓我用下面這個故事結尾：

想象有一天，你跟室友宅在家裡。你的室友生來家境優渥，每天不學習不工作沉迷遊戲，而你卻是一個吃了上頓沒下頓的窮實習編輯。上個月的房租還欠著，要是再不賺點稿費來，下個月恐怕就要被趕出去了。為了自己的實習編輯工作能轉正，也得趕緊產出幾篇文章來。看著完全不需要努力也能吃穿不愁的室友，你覺得心裡非常不平衡，內心充滿情緒根本無法專注工作。為了安撫自己，你決定自己給自己灌點雞湯。

於是你開啟叫做WritingAssistant310的程式，敲入一堆指令：


敲入命令“generate”，不到一秒鐘的時間，一篇洋洋灑灑的每天食不果腹的窮實習編輯通過自己堅持不懈的努力最終變成身價千萬的大文豪的故事便立刻浮現在你眼前。故事中的那個男（女）二號，一個每天就知道躺在沙發上看著肥皂劇吃著薯片的富二代，最後卻因為父母破產而不得不淪落到街頭乞討的境地。

你的心情立刻開朗了起來，瞬間對自己的職業有了強烈的認同感和歸屬感，連心態都彷彿變成了未來的大文豪。然而讀著讀著，你忽然看到故事中出現了一個你從未定義過的人物——一個美麗善良的女教師（英俊溫柔的男醫生）。她（他）為第二主角富二代的與世無爭的性格所吸引而愛上了富二代，兩人最終步入了婚姻的殿堂。雖然無論在誰看起來這都像是一場錢色交易，然而當富二代不得不在街頭乞討時，女教師（男醫生）卻仍然對他（她）不離不棄，兩人相濡以沫攜手生存，雖然貧窮卻成為了人人稱羨的神仙眷侶。

你簡直讀不下去了。這算什麼啊。出身貧寒的實習編輯通過努力變成大文豪的勵志故事中怎麼能出現這種偏離主線甚至扭曲全文中心思想的橋段。你趕緊敲了幾行命令：


這個叫做gen:a67d9e的人物一定就是莫名其妙出現的女教師（男醫生）！於是你輸入


刪掉了這個人物以後，你又從頭開始讀這個故事。這次，富二代在家庭破產後終於成為了徹頭徹尾的Loser。你的嘴角露出了一絲笑容。

然而這個時候，你忽然注意到，在實習編輯成為大文豪的過程中，故事中出現了各種各樣莫名其妙的角色——闖入著火的屋子救出被困小孩的勇敢消防員，揭開無數案件謎題的神探，領導人民起義推翻暴政的政治英雄——跟這些角色的故事線比起來，變成大文豪的實習編輯什麼的簡直就是背景中的一個路人。

這些喧賓奪主的支線故事究竟是怎麼回事？你開始懷疑是不是有人動了這臺你寫作專用的電腦。你敲入命令：


你的目光聚焦在了”Story Entropy”這一行。究竟是哪個混蛋把預設故事熵值設得這麼高！


重新生成一遍故事。終於，這次的故事裡一點雜音都看不到，幾乎文字中的一切細節都跟故事主旨緊密相關，就連進入咖啡館聽到的路人的閒聊都是“你要相信，有志者事竟成”。你心滿意足地把故事列印了出來，放在床頭，準備每到人生低谷期就拿出來讀一讀。

References

[1]Klein,S.(1973).Automatic Novel Writing:A Status Report.University of Wisconsin-Madison Department of Computer Sciences.

[2]Dehn,Natalie(1981).“Story Generation after Tale-Spin.”A.Drinan(ed).Proceedings of the Seventh International Joint Conference on Artificial Intelligence,August 24–28,University of British Columbia,Vancouver,Canada.Los Altos,CA:Kaufmann,vol.116–18.

[3]Lebowitz,Michael(1983).“Creating a Story-Telling Universe.”A.Nundy(ed).Proceedings of the Eighth International Joint Conference on Artificial Intelligence,August 8–12,Karlsruhe,Germany.Los Altos,CA:Kaufmann,vol.1,63–65.

[4]Turner,Scott R.(1993).Minstrel:a computer model of creativity and storytelling.PhD Dissertation,University of California at Los Angeles,Los Angeles.

[5]Pérez y Pérez,R.,&Sharples,M.(2001).MEXICA:A computer model of a cognitive account of creative writing.Journal of Experimental and Theoretical Artificial Intelligence,13,119–139.

[6]Gervás,P.,Díaz-Agudo,B.,Peinado,F.,&Hervás,R.(2005).Story plot generation based on CBR.Journal of Knowledge-Based Systems,18(4–5),235–242.

[7]Meehan,J.R.(1977).TALE-SPIN:An interactive program that writes stories.In Proceedings of the 5th International Joint Conference on Artificial Intelligence,pp.91–98.

[8]http://www.cs.cmu.edu/afs/cs.cmu.edu/project/oz/web/papers.html

[9]Riedl,Mark Owen;Young,Robert Michael.(2014)Narrative Planning:Balancing Plot and Character.Journal Of Artificial Intelligence Research,Volume 39,pages 217-268,2010;doi:10.1613/jair.2989

[10]Jonathan Doran and Ian Parberry,"A Prototype Quest Generator Based on a Structural Analysis of Quests from Four MMORPGs",Proceedings of the Second International Workshop on Procedural Content Generation in Games,pp.1-8,Bordeaux,France,2011.

作者：低多邊形厭氧菌
來源：奶牛關
原地址：https://cowlevel.net/article/1972042