WhatELSE：在AI连接的互动叙事中以可配置的抽象层次塑造叙事空间

研究背景与问题

• 问题或挑战：传统的互动叙事（Interactive Narrative，IN）创作要求作者对所有可能的游戏情节进行详细设计，这是一项复杂且耗时的工作。随着生成式AI（Generative AI）特别是大型语言模型（LLM）的发展，实时生成适应玩家选择的内容成为可能。这种新方法增加了互动性，但也使得作者难以控制可能叙事的范围，挑战包括抽象叙事空间的表达和作者意图的反映。
• 重要性：互动叙事是数字故事创作的重要形式，广泛应用于游戏、教育等领域。生成式AI不仅能提升玩家参与性，还支持故事情节的动态生成，超越传统固定分支式设计，展现更高自由度。但这一方式的局限性在于，作者难以掌握叙事空间的边界和内容生成的一致性。
• 研究动机与相关工作：现有研究提出了基于LLM的实时内容生成方法，但作者在仅通过抽象提示表达意图时面临限制；还需解决LLM内容生成的一致性问题以及与游戏机制的因果动态匹配。这些问题凸显了开发一个能够帮助作者塑造叙事空间同时展开情节的工具的重要性。

解决方案

• 方法或解决方案：提出了互动叙事创作系统WhatELSE，允许作者导入示例故事以生成叙事空间，之后可以通过三种视图（核心实例视图、纲要视图、变体视图）感受和控制叙事空间。此外，系统利用语言学抽象编辑叙事空间，并使用LLM结合叙事规划方法将叙事空间展开为具体可执行的游戏事件。
• 创新之处：
  1. 在抽象语言基础上提供了互动叙事创作的新机制，可以通过多层次的语言抽象控制叙事空间。
  2. 提供了“核心实例”、“纲要”和“变体”的多视角结构，帮助用户理解和编辑叙事空间。
  3. 开发技术管道实现叙事实例与叙事纲要的双向转换，包括LLM与叙事规划的整合以确保因果性和行为验证。
• 实施步骤与关键技术：
  1. 用户提供示例故事，系统将其转换为包含核心实例的叙事空间。
  2. 利用语言抽象生成叙事纲要，允许用户调整抽象程度以平衡细节和玩家自由。
  3. 结合外部游戏环境及角色行为模型展开出具体叙事变体，通过玩家行为实时调整情节发展。
  4. 通过LLM叙事规划方法生成事件序列并利用模拟环境验证因果动态及一致性。

研究成果

• 具体成果：
  1. WhatELSE使用户能够灵活创建叙事空间，并通过语言抽象进行编辑。
  2. 系统生成的游戏事件具有较高的玩家行为响应性和一致性，为游戏提供了互动性更强的情节。
• 与现有解决方案的优势：
  1. 克服了传统工具难以提供叙事空间抽象定制的局限性。
  2. 比起依赖LLM的简单提示生成方案，WhatELSE提供了更高的可控性和用户权力。
  3. 实现了故事实例到纲要的双向转换及动态事件生成。
• 实验或评估结果：
  1. 用户研究结果显示参与者在使用该系统塑造和编辑叙事空间时控制感更强，满意度更高。
  2. 技术评估证明了系统能够生成更抽象的纲要并展开为多样化的情节，同时在回应玩家行为上表现出色。
  3. 游戏情节生成的因果性和角色行为逻辑得到外部环境模拟验证。
• 局限性与未来方向：
  1. 当前研究主要针对简单的叙事域和初级用户，未来需扩展至复杂故事情节和专业创作者的使用场景。
  2. 如何从多个叙事实例生成分支式纲要，以及如何让用户更直观地感知叙事空间边界仍需探索。
  3. 需增强生成方法以应对长期一致性问题，并改进接口设计便于用户操作和理解抽象概念。

通过整合叙事空间编辑、语言抽象和实时动态生成，WhatELSE有效地解决了传统互动叙事创作的部分瓶颈，为AI辅助内容创作提供了新的思路，同时也驱动了对作者意图与玩家互动的更好平衡。