叙事方式不仅仅是文学的一种形式元素，事实上也是由政治环境、科学技术、人与人之间的信息交流途径等多种因素促成、能够体现一个时代整体文化氛围的话语共同体，也是透视人文精神与工具理性的一把钥匙。人类无可置疑地已经步入人工智能时代，人工智能与数字人文变得炙手可热，颠覆和革新了我們对于艺术时空的理解。周臻：《人工智能艺术的审美挑战与反思》，《山东社会科学》2019年第10期。在人工智能时代，大数据是原动力，计算能力是支柱，这两个特征不断融入叙事学中，形成人工智能时代独特的叙事学研究生态。当前人工智能写作的本意并非创造出供人娱乐的艺术品，其初衷是解决机器自然语言理解、视觉识别和情感计算等技术问题。陶锋：《人工智能推动文学新发展》，《中国社会科学报》2019年6月17日。而人工智能技术与文学叙事现在常常被认为是相互竞争的关系，甚至让文学界产生了前所未有的危机意识。本文试图阐释人工智能文学叙事并非简单的“暴力结合”与“拼贴”，而是在复杂生态下形成的交叉研究成果。

到目前为止，人工智能叙事模型的研究成果被许多学者认为游离于传统文学叙事理论之外，颠覆了传统文学创作与审美的人文属性。这种看法的形成主要是因为人工智能文学叙事在早期研究工作中所使用的文学文本数据过于局限，且在句法与文体上都过于简单，其创作主体也不是文坛大家，只是冰冷的机器，与“文学作为人学”相背离，因而被贴上了“非文学”的标签。从人工智能文学叙事发展史来看，这些结论未免显得些许武断，本文将对人工智能文学叙事的经典模型进行梳理，并从传统文学叙事的视角概述人工智能文学叙事模型开发与发展的复杂生态，从叙事学的角度分析人工智能模型的科学性，并在一定程度上展望文学叙事在与人工智能交叉融合中的发展契机。

一、溯源人机协作的生长点——文学叙事的人工智能方法研究历程

文学叙事与人工智能技术最初邂逅是在20世纪70年代，起初被称为“Story Generation”，即叙事生成模型。其虽然诞生历史悠久，并以前瞻性和独创性，早期在自然语言处理和其他模拟人类叙事构思故事行为方面做出了努力，但随后在对接文学叙事理论方面认知的不畅导致了这种交叉研究很长一段时间陷入停滞。真正形成研究规模是在20世纪90年代，围绕着叙事智能化的概念，出现了一次大繁荣。

叙事生成模型发展经历了大约五个阶段，这种叙事的人工智能方法最早启发于叙事学中的“故事语法”概念。1968年，弗·雅·普罗普在《民间故事形态》提出，“根据故事的组成部分、这些组成部分之间以及与整体之间的关系对故事进行的描述”。②③〔俄〕弗·雅·普罗普：《故事形态学》，第7页，北京，中华书局，1982。普罗普对100部俄罗斯童话的结构进行了详尽的成分描述，将每个个体角色功能抽象出来，“作为故事中稳定不变的元素”，

②构成“故事的基本组成部分”，

③独立于表演者。童话的一般描述可被解释为故事语法。普罗普也因此被称为故事语法的先驱或“始祖”。普罗普的“角色功能排序”作为叙事生成模型的一个元公式，激发了众多以建构或解决问题的技术及制作叙事语法的叙事生成模型和交互式叙事系统。例如MINSTREL模型。但普罗普的叙事学描述实际上只是故事结构的一些原则，与自然语言中的审美价值或效果、无序组织或表面表现没有任何联系。在实现的故事生成模型中，普罗普的想法通常与其他故事语法相结合，通常被视为一个起点。根据普罗普的民间故事形态学理论，鲁梅哈特在1975年提出了人工智能叙事的第一个计算方法：他假设每个故事中存在一个稳定的内部结构，就像英语中的“主语+谓语+宾语”一样，比如：他提出的“场景+情节=故事”。以上第一阶段研究重点在探索理解与建构故事以及更加具有普遍性的叙事结构。

第二阶段重点是探索语篇句子之间联系的普遍性问题，这一时期提出了一套早期语篇理解理论——CD理论。CD理论有两个目标，首先是要发展一个新型的语义表示系统，使同语言中相同句子或者不同语种具有相同意义的句子以一个统一的方式表示。在CD结构中，一个动词原形框架可以无缝替换另一个动词原形框架，其本质上是以动作为中心的案例框架，这样动作的组合可以来表示更加复杂的意义。CD理论第二个目标是一个句子中的引申意义可以在CD结构中明确化。CD结构通过将意义分解为概念预设并按照角色设定进行填充，从而尽可能多地表示每个句子的引申义。Jichen Zhu，D.Fox Harrell：The Artificial Intelligence（AI）Hermeneutic Network：A New Approach to Analysis and Design of Intentional Systems，Proceedings of the 2009 Digital Humanities Conference，（June，2009），P.301.

第三阶段出现了“脚本”“框架”的概念。尚克和阿贝尔森在1977年提出了利用刻板印象的模式化看法来理解文本，并首次将“脚本”概念运用在人工智能叙事实现中。脚本包含特定情况下事件的因果链，当在叙事中遇到该情况时，脚本会被激活，并且预先构建的事件序列被提供给处理器。

第四阶段重点在于当脚本机制内容不具有可读性时，如何让叙事与读者更好地建立沟通，主要方法是建构叙事中人物的动作计划和目标加强理解。尚克、阿贝尔森和威伦斯基是在文本理解中叙事人物在计划与目标理解领域最有代表性的学者，他们的研究灵感来源于人工智能领域中旨在模拟人类认知的过程。

第五阶段是文本主题数据库的建构。威伦斯基在1983年提出“元计划”，这个概念的提出激活了人工智能机器理解叙事的一个重要环节：主题认知的应用，即对叙事模式的认知框架。Lehnert1981年提出将叙事描述为由心理状态、消极事件和积极事件组成的情感状态图，这些情感状态图通过实现、终止、等价和主题认知联系在一起。Lara J. Martin，Prithviraj Ammanabrolu，Xinyu Wang：Event Representations for Automated Story Generation with Deep Neural Nets，The Thirty-Second AAAI Conference on Artificial Intelligence（2009），P.868.

总结来说，人工智能文学叙事从关注构成故事的普遍性结构到故事“意义”的内部建构，从早期只关注孤立句子的表达到构建跨语言的语篇普适系统，人工智能文学叙事发生了深刻的变革，呈现出由点及面、迭相递进、推陈出新的发展态势。

二、机器的肉身化——文学叙事人工智能方法開发与发展的叙事学生态

人工智能有一对“双亲”，即人工智能所服务的人类以及创建与实现人工智能的机器。人工智能是人类智慧与智能机器结合的数据化精确处理的容器，是两种截然不同的思维方式相互组合的舞台。尽管人工智能叙事利用并强化了通过模拟人类叙事能力使世界变得有意义的人类预设，从此不免让文学叙事披上了非人类、算法、程序与机械的味道，但“形散神不散”，人工智能文学叙事在开发与发展肌理上根植于文学叙事学生态。

（一）文学叙事创作主体性多样态

在人工智能叙事中，创作的基本目标是完整故事的生成，文本被视为程序中的文档或者数据，其推崇模板式的风格集合，而不是多样的风格。在文学创作中，人类是以生理机能与精神储备为基础，创作流程依赖身体机能与精神力。人工智能叙事创作则依赖数据、算法与数学模型，在叙事创作方面与人类有所差异。以小冰为例，人工智能叙事创作主要应用了循环神经网络算法RNN，RNN处理数据的重点在于序列结构，以线性方式编码，具有较强的计算与建模能力，适合于写诗作文。RNN拥有内部记忆功能，并将所记忆的信息存储在连接权上。小冰的诗歌创作灵感来源于人类提供的图片，也就是视觉。但就人类而言，一千个读者就有一千个哈姆雷特，不同读者对于观察到的对象所感知的情感多种多样。所以，给定小冰一张图片后，它会从图片中提取物体与情感的关键词，基于关键词在人类为其输入的“现代诗歌库”中找到关联性并扩展出相关关键词，最后使用“诗歌库”训练好的RNN模型来逐渐从关键词中组词成句、组段成篇，在人类建模的基础上，选用匹配度较高的文字模块进行组合、聚合，构成句、段、篇，而后经人类修改，但这步并非必需环节，主要是针对人工智能对较复杂的文字系统所出现的一些病句进行修改。

（二）叙事分析由繁到简，提炼普遍性

人工智能叙事关注叙事结构，旨在指导创建叙事“意义”的机器语言表示;而在文学叙事领域，叙事分析不仅关注叙事内容，还包括对叙事风格、修辞结构、隐喻与明喻分析以及叙事背景等方面的分析，而且将其作为社会研究一种方法，更加注重实用主义话语分析，如叙事者微观互动脉络以及宏观社会历史脉络分析。在人工智能叙事中，叙事分析更加注重对叙事产生过程的核心节点的提取与凝练，以作为下一步开发与改进模型的经验，不会去分析叙事风格等修饰节点;更关注结构骨架以及各叙事成分之间的相互关系，其主要目的是提取叙事过程中的一些核心概念。比如，Afanasyev模型的根本概念就是叙事结构，因而模型被设计成层状结构，共包含六个子模型：叙事“导演”、情节生成器、场景生成器、机动筛选管理器、草案影射模型以及自然语言生成模型，其中模型底层是叙事导演模型、情节生成器与场景生成器，这三个子模型构成故事骨架;Pablo Gervas，Gonzalo Mendez，INES：A reconstruction of the Charade storytelling system using the Afanasyev Framework.Eugenio Concepcion，ICCC Ninth International Conference on Computational Creativity，（2018），p.48.存储层是草稿映射层与机动筛选管理器，这一层负责保存节点、概念间的关系、规约的所有数据;效果层包括自然语言生成模型，其负责将前两层所产生的抽象的故事内容转化为人类可读文本。总体来说，文学叙事中的叙事分析注重叙事经验以及叙事社会生态的再现，注重纵向与横向的审美特殊性与涵化影响挖掘，重点是与叙事者相关的修饰性叙事节点;人工智能叙事则更加关注与叙事效果息息相关的各叙事节点的功能性，抛开枝叶直取主干，探索能够广泛应用的普适性叙事功能节点。

（三）人工智能叙事空间的“超弦”延伸与意蕴敞开

实际上，当人工智能技术与文学叙事相结合时，它便已经扭曲了叙事空间，并慢慢将叙事空间推向“未知”。人工智能叙事空间从二维叙事到“超弦”叙事是人工智能时代叙事空间的扩展。人类所生活的客观世界是三维的，意味着传统的文学叙事很难摆脱现实空间的束缚，而在人工智能“笔”下，文学叙事空间在人物、情节设置、道具和任何在叙事空间中物理地或抽象地存在的元素集合中，可以脱离现实空间而呈指数扩展，就像胀气太多的气球，文学叙事维度被打散，散落的、零碎的“时间弦”无限延伸开来，形成“超弦”叙事。

在传统文学叙事领域，人类作者在叙事创作时，叙事是受到作者自身认知水平约束的，是从已知的知识储备到已知的叙事空间。当人类操纵非人类性质的人工智能机器时，叙事亦是受到人类约束，但约束的程度随着叙事模型自动化程度递减，其叙事空间从“已知的数据库到已知的叙事空间”到“已知的数据库到未知的叙事空间”，并且存在进一步向“未知的数据库到未知的叙事空间”的可能性，甚至人工智能体系结构也会超出其开发者想象且无法预见的方式进化，尤其随着人工智能叙事模型在遗传程序的运用，更加无法保证会出现符合人们想象的叙事空间。人工智能模拟人类叙事能力除了要实现全自动模拟，另一部分目的是打开文学叙事的另一种可能性。虚拟空间与现实生活空间通常分属于不同的维度，人工智能文学叙事却显示出两种叙事空间边界跨越与重合的可能性。人工智能诗人小冰是个爱做梦的“少女诗人”，在它的诗集《阳光失去了玻璃窗》中出现频次最多的词便是“梦”，这部诗集在文学接受的过程中可能会产生真实与虚构的时空混乱，比如：梦中做梦，梦中的苦楚是美丽的光景的梦中，在梦里寻梦失眠，等等。微软小冰：《阳光失了玻璃窗》，第25-33页，北京，北京联合出版公司，2017。 在小冰的叙述内容中，把虚拟与现实进行了莫比乌斯环粘连，真实世界中的小冰在创作一个梦的世界，在梦的世界中讲述了“我”在梦的世界中寻梦而失眠的内容，从而达到了虚拟空间与真实空间上内容无规律、有层次的扩展。

（四）由叙事接受美学衍生的人工智能交互式叙事

人工智能技术实现了作者、机器与读者（用户）的三向创作。基于罗兰·巴特和沃尔夫冈·伊瑟在1977年提出的文学文本的接受美学，人工智能叙事产生了交互式叙事概念，交互式叙事过程被叙事接受者视为一个积极和富有建设性的过程。Inna Adamivna Livytska：The Art of Narration and Artificial Narrative Intelligence：Implications for Interdisciplinary Research，Journal of Narrative and Language Studies，VOL.7，NO.13，（December 2019），p.309.交互式叙事模型不仅向用户讲述故事体验的质量，而且能够在叙事的连贯性和用户的理解能力方面找到平衡。由于任何叙事的可理解性在一定程度上取决于它的连贯性——读者理解故事中事件之间关系的能力，无论是在故事世界中——如动作之间的因果关系或时间关系，还是在故事的讲述中——如用于将动作意义传达给读者的视角序列下的选择，交互式叙事模型在构建故事时尊重读者的一致性，明确地将故事世界中的每个动作与其叙事整体结构联结起来。交互式叙事基本原理是将叙事角色实现为能够以可信的方式对用户和叙事空间作出反应的自动化故事生成子模型。故事来源于这个子模型在叙事空间中的话语和行为，这样可以使故事世界中的角色能够对用户执行的任何操作做出即时反应。交互式叙事模型的核心在于自动化故事生成子模型是一个监控自主角色和用户角色相对于推动故事向前发展的局部序列图。交互式叙事模型原理之二是叙事中介，即将角色行为的控制权交给一个集中的“作者”代理人。该模型生成一个线性叙事来表示应该告诉用户的理想故事，然后考虑交互用户与叙事世界和其他角色交互的所有方式。生成的故事包括模型控制角色执行的操作以及用户控制角色应执行的操作。对于用户做出的每一个有可能严重偏离系统提出的线性故事的动作，系统都会从偏离点动态生成另一个故事线。

三、肉身的机器化——基于复杂生态的文学叙事人工智能技术

在试图描述人工智能文学叙事的技术实践前，绕不开一个方法——故事生成法，它是目前作为桥接文学叙事与人工智能最为圆润的综合方法。从历史的角度看，模拟叙事是人工智能技术最早涉猎的人类能力模拟项目之一，从简到繁，从简单故事建构到复杂叙事建模，一步步實现模拟复杂人类叙事能力。人工智能叙事生成看似将人类作者完全排除在外，实际上，叙事生成的质量在很大程度上依然取决于人类作者或者人类所输入的信息，因此，无论从叙事创作端还是AI机器端，单方面的努力都不能确保叙事效果的质量。人工智能文学叙事作为一种人机交互协作，是一种混合主动的方法。在本节中，我们将通过分析若干叙事生成模型来进一步说明人工智能文学叙事并非简单“拼贴”，而是基于传统文学叙事的交叉新型产物，从实践上论证文学叙事与人工智能技术的契合点和可能的协作点。

涉及模型将从两个方面进行分类，分别是从传统文学叙事的组成元素分类与从叙事创作动力系统分类。第一种分类主要是基于巴特、阿伯特与查特曼的解构主义叙事理论，将文学作品的叙事因素组成成分分为话叙事结构、空间结构与故事角色三个部分;第二种主要从人工智能模拟人类叙事的创作与传播视角划分为故事传受双方、传播情境与传播内容。在上述两种分类下，笔者将从人类参与程度由高到低的顺序进行阐述。

（一）以传统文学叙事的组成元素分类技术族群

1.以叙事结构为主导的叙事生成模型

以叙事结构为主导的叙事生成模型共分为三类，分别是人类参与的叙事结构主导模型、半智能化叙事结构主导模型与智能化叙事结构主导模型。

第一类为人类参与的叙事结构主导模型，即人工叙事系统不借助于任何人工智能叙事工具，人工智能技术是作为媒介参与到叙事建构中的，叙事结构与角色设定都由人类作者进行原创，比如在20世纪初开始盛行的交互式叙事。一些交互式叙事模型允许用户通过解析器将叙事情节进行自定义插入，按照自己的意愿与喜好构造故事，甚至一些模型摒弃了复杂的构造，虽作为叙事创作工具却加入了教育元素——目的不在于创作什么内容而是如何创作以及创作的收获。比如ALICE模型和SCRATCH模型，这两个模型虽然是叙事创作工具，但是是少有的零自动化叙事生成模型。

第二类为半智能化叙事结构主导模型，即半智能化叙事结构模型是一种半自动化的叙事生成模型，其创作成果是物理化人机协作的结果。半智能化叙事结构模型可以分为三种干预等级，第一种是人工智能提供叙事结构，但不提供其他任何特定场景或者叙事顺序，人类作者要在人工智能既定的叙事结构框架下完成作品其他大部分的内容，因此我们将其称为“框架干预”。另一种称为“事件干预”，即人工智能会预设一系列有联系的事件关键段落，但不提供任何角色信息，并将叙事空间架空，任人类作家自由发挥。最后一种称为“模式干预”，其叙事结构完全由人工智能生成，包括叙事情节中角色的嵌入，但这种相对较高的自动化让叙事情节与角色设定过于模式化，没有风格特殊性，甚至会出现多位知名文豪的风格“大杂烩”，因此最终的角色与情节完善需要人类作家的介入。

PropperWryter模型属于“框架干预”，其用于生成单个情节叙事框架，提供给人类作者若干抽象关键词来描述同类族的情节叙事框架，其开发灵感来源于普罗普的故事语法。PropperWryter模型作为叙事结构生成器用于音乐剧《Beyond the fence》的创作，这是第一个人工智能叙事模型的实验音乐剧。《Beyond the fence》已于2016年2月22日在伦敦艺术剧院成功开演，并成功巡演了两周。Mark O.Riedl，Vadim Bulitko Interactive Narrative：An Intelligent Systems Approach，AI Magazine，VOL.34，NO.1，（2013），p.67.

SCRIVENER模型和STORYBOX2模型③⑤Mirella Lapata，Neil McIntyre：Plot Induction and Evolutionary Search for Story Generation，Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics，（2010），p.1562.是“事件干预”的两个例子，它们不仅可以生成事件的完整脉络，而且可以提供故事的叙事背景等。STORYBOX2模型提供了场景、章节和行为预设，把“作品胚”分成不同的部分提供给人类作者;Scriverner模型是以叙事模板形式提供给人类作者，这些叙事模板通常来自于短篇小说、剧本等文体形式。在这两个模型中，人工智能的功能类似于一种文字处理系统，这样人类作者就可以在人工智能提供的叙事框架基础上自由地创作出自定义的叙事内容。模型所预设的叙事结构本意并非为了束缚人类创作，而是为了协助人类创作，让作者将自己的思想组织成一个恰当的叙事结构。

“模式干预”具有代表性的是INSCAPE

③模型。INSCAPE是一个交互式的叙事生成模型，其叙事结构编译是使用一个基本的故事板界面来控制事件、叙事顺序和提供众多预设方法供人类作者进行叙事创作。STORYTEC模型部分受到了INSCAPE模型的启发，它为情节和空间提供了更加独特的结构，包括一个用于情节构造和叙事顺序的代理编辑器，在普遍性问题上弥补了INSCAPE模型的不足。

第三类为智能化叙事结构主导模型。在此类模型中，智能化叙事结构主导模型是叙事生成各个阶段实现高度自动化，尽可能减少人类作者的参与。以AfansyevPablo Gervas，Gonzalo Mendez，INES：A reconstruction of the Charade storytelling system using the Afanasyev Framework.Eugenio Concepcion，ICCC Ninth International Conference on Computational Creativity，（2018），P.48.为例，Afansyev的情节生成器负责创建故事的基本结构，即情节。它创建一个骨架，其中包含故事期间发生的相关情节，以及与每个情节相关的前提条件和后置条件。Afansyev的模型包含了若干情節生成器，将大大提高“故事导演”子模型创建叙事结构的生成效率。情节生成器也是子模型，主要负责在每个场景中设定不同情节，以满足为叙事建立情感基调的先决条件和后置条件为标准。过滤器对每一情节应用一系列预定义的情节滤镜，以保证在戏剧、张力、悬念或任何其他方面生成的故事的质量。如果该情节没有通过“故事导演”的“审核”，则“故事导演”旋即请求情节生成器生成新的情节。草案影射模型在整个系统范围内审查正在进行的草稿，即正在创建的故事，并确定该草稿是否已完成，是否被识别为故事，或者是否需要进行更多迭代来完成尚未形成草案。

2.以空间结构为主导的叙事生成模型

以空间结构为主导的叙事生成模型共分为三类，分别是人类参与的空间结构主导模型、半智能化空间结构主导模型与智能化空间结构主导模型。

人类参与的空间结构主导模型不支持叙事空间自动化的生成，空间结构与内容都由人类作者原创。TEATRIX

⑤是一个交互式的叙事生成模型，底层编译原理依然来自普罗普的故事语法。在TEATRIX中，人类作者与交互作者都负责叙事内容的创作，同时人类作者需要人工创建叙事发生的“初始存在空间”，交互作者负责创作故事中的实体空间存在与设定角色的行动。人工智能通过交互作者与人类作者的空间设定以及普罗普的语法自动生成叙事结构框架。

半智能化空间结构主导模型通过模拟各叙事要素的相互作用，在叙事空间产生新的内容;或者叙事空间的内容完全由人类作者原创，但人工智能会根据其他要素的修改而对空间的元素进行改动。TALE-SPINNatalie Dehn：Story Generation after Tale-spin，IJCAI'81：Proceedings of the 7th international joint conference on Artificial intelligence，VOL.1（1981），p.16.模型属于后者，它是一种新兴的故事讲述系统，通常被认为是第一代故事生成系统之一。TALE-SPIN中的故事生成是通过为空间中的人物提供目标和个性来实现的，在模拟人物试图达到某个目标的过程中，系统会形成基本的故事。TALE-SPIN是一个高涌现性的系统，它几乎完全依赖于角色目标的创造和模拟以及每个角色的独特个性所产生的故事。虽然可以修改空间以确保角色目标的实现，但它的空间建模方法在很大程度上是原创的。TALE-SPIN也是一个早期的系统，强调故事的重要元素，如情节独特性和连贯性，故事结构如何直接关系到空间的质量，以及文字规模、字符深度和语言正确性（即空间模型应该准确地代表空间叙事者的设想）。一个质量差的空间将不可避免地导致枯燥甚至毫无意义和奇怪的情节，被其创造者称为荒谬的故事。

智能化空间结构主导模型基本实现了叙事空间建构的高度自动化。GAMEFORGEMark Owen Riedl，R. Michael Young：An Intent-Driven Planner for Multi-Agent Story Generation，AAMAS '04：Proceedings of the Third International Joint Conference on Autonomous Agents and Multiagent Systems，VOL.1（2004），p.186.模型是一个角色养成游戏下的叙事空间生成系统，它以故事数据为输入，并输出有效的空间。GAMEFORGE模型使用遗传算法来创建潜在的叙事空间，还包含完整的地形、城市和其他完全实现叙事世界所必需的特征。

3.故事角色主导模型

故事角色主导模型是以围绕角色的计划与目标行动作为推动叙事“故事性”的动力。由于这种角色主导模型并非主流，因而只挑选几个不同自动化区间上或者有突出技术特点的予以介绍。SKYRIM RADIANT QUESTPengcheng Wang，Jonathan Rowe，Wookhee Min，Bradford Mott，James Lester：Jonathan Rowe Interactive Narrative Personalization with Deep Reinforcement Learning，Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence Main track（2016），p.3852.系统是在叙事中允许人类创建叙事任务时自动创建新角色或物品，并将其放置在虚拟叙事空间中。辐射任务是一个情节叙事结构，但必须人类作者手动编写，作者只能通过自定义角色来推动故事叙事建构而非文字内容。

REGENBoyang Li，Stephen Lee-Urban，George Johnston，Mark O.Ried1：Story Generation with Crowdsourced Plot Graphs，AAAI'13：Proceedings of the Twenty-Seventh AAAI Conference on Artificial Intelligence（July 2013），p.598.模型基于图示语法来重写叙事规则的理念，并且不断扩展到对叙事世界中角色之间关系的把控，以及这些角色关系如何随着情节发展而改变。为此，REGEN粗略地模拟了角色目标在引导情节生成中的作用，此模型本质上说是根据角色及其关系变化的模拟来创建故事的。

Charade⑤Ben Kybartas，Rafael Bidarra：A Survey on Story Generation Techniques for Authoring Computational Narratives，IEEE Transactions on Computational Intelligence and AI in Games，VOL. 9，NO.3（September 2017），p.239.模型是角色主导的叙事生成系统，其基本原理是利用两个角色之间的相互亲缘关系建模，并将其应用于生成故事。该模型的目标是实现一个角色关系独立于叙事结构的高相似性模型，并测试角色关系独立于其他叙事因素，如在角色行为发生的环境或角色的个性特征和情感状态。基于这种不同角色的特殊性，模型可以很容易地用于生成不同类型的故事。

（二）以叙事创作与传播动力系统分类的技术族群

人工智能叙事生成模型的根本目标是实现与发展人类与人工智能间的交互机制，利用自然语言作为人机交流的手段。第一种分类中的模型大多借助人工智能技术，通过自然语言处理试图模拟人类叙事能力;另一方面，许多学者开始意识到叙事作为人类基本传播工具的重要性，开始从叙事在传播各个环节中动力机制角度进行模型开发，尝试借由一种模拟具有人类倾向性的传授双方的角度来提升人工智能叙事的“叙事性品质”。

1.模拟故事传受双方

这类模型试图模拟人类作者与人类读者创作与叙事接受的过程，MEXICA模型与前面提到的Minstrel模型是这种分类的代表。

MEXICA模型

⑤旨在根据模拟人类作者进行创造性写作与读者阅读的心理状态，即模拟作者与读者参与叙事传播阶段与主观反映阶段交替出现的过程。这种模式缘起于心理学上的循环认知模式，即运用一种自上而下的方法，首先编码动作，然后将新旧叙事结构不断充实，在模拟主观反映阶段，程序执行一种“审稿”模式，先“审阅”前一个动作与叙事结构的一致性与连贯性，同时从预设语料库中引入更多动作来充实前一个动作的叙事信息量，在这个过程中，整个程序高度紧凑，保证了在模拟读者阅读过程中对每个情节的兴趣，作为反馈，还会将最终故事与之前故事语料库进行比较。

2.模拟传播情境

真实的传播过程是发生在客观世界当中的，在这类模型中，所生成的故事是基于一个由客观现实规则统治的“叙事世界”，并且这个世界由具有个人目标与追求的角色组成。

Comme il Faut模型②Pablo Gervás，Birte Lnneker-Rodman，Jan Christoph Meister，Federico Peinado：Narrative Models：Narratology Meets Artificial Intelligence，International Conference on Language Resources and Evaluation. Satellite Workshop：Toward Computational Models of Literary Analysis，（2006）.http：//nil.fdi.ucm.es/sites/default/files/2006-gervas-narrative.pdf.是一個基于知识数据库的系统，它模拟了客观现实世界中的社会规范、社会互动以及角色性格追求和文化背景之间的相互作用。社会互动的子模式又涵盖一系列方面，从与社会互动相关的文化固定认知到人物不同阶段的欲求，包括角色社会交往等干预因素的模式与围绕角色成长的重要概念（如友谊）的微观模式，以及一套规则来获取人物在面对特定社会环境时可能的行为。通过一系列的过程，营造了与现实中人类同样的规则情境，使读者在接受所生成故事中的叙事信息时不会存在传播障碍。

3.模拟故事情节传播内容

UNIVERSE

②是一个早期的基于计划的情节系统，专门用于生成肥皂剧风格的情节。计划是用来产生事件，目的是造成情节剧之间的冲突人物。角色情感的建模在情节生成领域中通常被认为是重要的，因为它提供了有用的细节，可以改善情节的情感影响因子。这在叙事生成模型（如UNIVERSE）中尤其重要，并允许生成器从民间故事语法中看到的刻板角色概念中游离。UNIVERSE使用了一个情感模型，在财富、喜怒无常和智力等元素上有几个简单的排名，还有一组性格目标，甚至是戴“有色眼镜”的刻板印象，比如社交名媛或交际花等。这些特征可以作为某些事件的约束性的传播内容，例如作者可能会说，只有低美感和高社交的角色才能与其他角色发生关系。UNIVERSE模型也很重要，因为它无限迭代，不断创造新的情节曲折，以保持与长期运行的肥皂剧迭代的同步状态来不断启发模型。这是通过让作者创建一些情节片段来实现的，每个片段都有自己的目标，以及情节本身的总體目标。通过混合和组合不同的片段，可以连续地创建新的情节。

综上，通过两大分类大纲式的罗列了一些经典的叙事生成模型，我们以传统叙事因素与人类叙事创作和传播动力为纲，分析了叙事结构、空间结构与故事角色以及故事传受双方、传播情境与传播内容的经典模型案例，并分别增加了以人类参与程度的考量，形成了无智能化、半智能化和智能化之间的自动化分析梯度。这些经典案例也对第二节中的叙事学生态做了技术呼应。以上的导向分类只是便于读者从一个方面理解模型，实质上一个人工智能叙事模型最终的运作需要众多子模型以及算法进行协作，并非“毕其功于一役”，更深入的剖析须通过多个维度综合考量。

不同的媒体可能会激活不同的文学叙事领域。随着人工智能机器与人类的纠缠，叙事从传统文学叙事的因果序列走向充满着众多可能性的的组合算法：类人类叙事的不断开发，呈指数式迭代因果序列中所有可能的组合，并似乎不愿意放弃因果率或组合率。打破了许多文学叙事理论所信奉的“封闭”的叙事系统，为文学界带来了压力。当人工智能技术与文学叙事合作、竞争或以其他方式参与叙事创作时，或许一个无限的叙事世界将被打开;当古老的自然语言技术与人工智能机器的能力相结合时，庞大数据的迭代次数可能比宇宙中的原子数量还多，这样的数量级已经远远超出正常生活和经验范围，人本思想可能会受到威胁，相对的，认识论在不断扩大，这种扩大是不可估量的。这种试图将叙事创作模式化并以人工智能的方式来表示文本的意义的尝试，提供了一种新的理解叙事的视角，这种理解有助于理解人类叙事的认知过程，众多的技术成果也证实了这种跨学科学术方法的生产力。人工智能美学始终是以人为本，其最终目的是更好地认识人类情感和思维本身。

①伴随人工智能叙事的技术优势，文学所必要的人本思想与人文关怀亦是要坚守的阵地。下一个研究目标将是人工智能技术引入对人文精神的影响与冲击，重新思考叙事理论框架下人工智能叙事方法的人文性与科学性。

〔本文系“吉林大学青年学术领袖支持计划”（2019FRLX11）阶段性成果〕

【作者简介】张斯琦，博士，吉林大学文学院副教授，博士生导师，吉林大学中国文化研究所副所长。

（责任编辑周荣）

①王志钢：《从影子的影子和摹仿到艺术表达——对人工智能文艺制作现状及未来的美学思考》，《杭州电子科技大学学报》（社会科学版）2019年第1期。