据我所知，这还没有完成。

我看到这有几个问题。神经网络基本上是一个分类器，它将输入与输出相匹配。输入和输出通常都是数值，尽管它们可以与概念或单词匹配。

要训​​练 NN，您需要提供适当编码的输入和相应的输出。NN 学习两者之间的关联，然后可以相应地对看不见的输入进行分类。这最近被用来转换特定风格的图像等。

生成剧本的输入和输出是什么？您可以使用以前的脚本作为输入，但输出会是什么？也许它可能是某种叙述性的“动作”。所以你可以训练一个神经网络来识别剧本中的叙事元素。

然而，你仍然没有创造任何东西，而只是识别东西。你需要一些其他的输入。我想你可以在“辛普森一家”上训练一个神经网络，得到一个叙事结构，然后用一集“朋友”来展示它，看看会发生什么。不过，这不会是剧本的新一集。

反过来可能会奏效：你喂它叙事动作（一种故事骨架），然后拿出一个剧本。但它需要大量（人工）后期编辑才能完全有用。

我认为 NN 是在这里使用的错误工具。甚至早在人工智能的早期，就已经完成了生成故事和剧本的工作。但这一切都是基于象征性的人工智能，而不是目前似乎流行的那种机器学习。看看James Ryan 的网站；他最近写了一篇关于故事（和剧本）生成的历史方法的概述。

理想情况下，是的。理想情况下，因为网络应该输入整本书的单词（大约 100k 单词）。凭借假设的处理能力，您应该能够用数千本书来训练 NN。或许可以用量子计算机进行训练……谁知道呢……

对于较小的故事，我认为主要的问题是要知道故事应该以什么“形式”生成。因为如果它只是简单地输出一些单词，那么网络应该能够做的第一件事就是说话，这意味着模型应该从预训练的 NLP 模型演变而来，而且（据我所知）我们仍然存在一些问题。

所以....我真的认为要做这样的事情，我们让神经网络学习的方法应该改变。人类存在的事实证明遗传算法可以 100% 发挥作用。但我们显然没有超过 3 亿年的时间来从头进化出一个“大脑”，这就是我们使用训练算法的原因：我们强迫它们从某些东西中学习。

但回到这个问题：人类通过思考选择什么结果来做很多工作。为了让网络生成一个结果，而不模仿人类，很容易随机选择这个结果的某些方面。例如，随机选择的结果可能是“结果：丹尼斯死，莫蒂杀死埃米纳姆，悲伤场景，幸福场景，结束”。这意味着 NN 或任何 ML 模型实际上不会产生故事的结果。事实上，它的作用是连接一些生成的关于那个故事的“检查点”。实际上，您可能会训练一个模型来生成检查点，但这只是新手的一个随机想法，所以我不知道如何实际实现它。

顺便说一句，我是意大利人，对不起我的英语:)

答案是肯定的，人工智能可以被训练来写一个完整的故事。我只想马上告诉你，人工智能已经做了比生成故事更困难的事情。我在解释的最后谈到了那件事。

我解释中的所有链接都指向我找到的外部资源，你可以去查看它们。无需多做，以下是我认为 AI 可以生成故事大纲的主要原因：

1. AI 非常擅长识别模式，并生成与他人相似的东西。令人惊讶的是，故事中有很多模式。故事总是结构化的，所以这部分不是真正的问题。关于七个基本情节有一个很棒的 Wiki 。
2. 但即使人工智能可以生成一个好的故事结构，它能让故事变得有吸引力吗？嗯，这取决于人工智能的“大脑”有多大。因为事实证明，人工智能拥有的神经元和突触越多，它就越能“理解”人类语言或情感。所以，如果人工智能有足够大的大脑，它就能产生有意义的东西。这是 AI 能够生成类似人类的东西的最佳示例：https ://ai.googleblog.com/2020/01/towards-conversational-agent-that-c​​an.html 。

至于如何，我认为训练数据并不是微不足道的。所以，为了能够训练这样的人工智能，我们需要很多例子。这是可能的，因为电影的剧本是公开的，任何人都可以下载。因此，人工智能可以轻松地从大量的剧本中学习。以下是一些我们可以获取电影剧本的网站示例：https : //stephenfollows.com/resource/sites-to-find-movie-scripts/，https: //www.simplyscripts.com/movie-screenplays.html .

之后，我们只需要格式化数据，就可以将其提供给我们的 AI。在我看来，制作一个能写好故事的好人工智能是完全有可能的，因为谷歌已经做了类似的事情。我认为由谷歌创建的聊天机器人 Meena证明了人工智能可以学习的方式不仅仅是模式识别。

据我所知，目前还没有像您描述的任何系统。但是，可以在新奥尔良大学叙事智能实验室网站上找到一些有趣的叙事智能方法：https ://nil.cs.uno.edu/

希望这些可以帮助指导深度学习方法来解决叙事生成问题。