génération automatique de texte

Notre travail cherche à appliquer le modèle de langage de très grande taille
GPT-3 au domaine du jeu vidéo. Le but est de voir dans quelle mesure ce système
s’adapte aux spécificités de cette industrie, autant pour la production du contenu
narratif que pour la génération de dialogues de façon dynamique. Si ses faiblesses
impliquent de mettre en place des stratégies de supervision du contenu généré,
nombreux, ses performances permettent de développer une réflexion sur
l’intégration de l’intelligence artificielle dans les processus créatifs et, plus
largement sur de nouveaux modes d’interaction du joueur avec le médium
vidéoludique.

Nous nous proposons de réaliser un système de dialogue expérimental robuste doté d'un mécanisme de génération de réponses sans règles linguistiques prédéfinies ni base de connaissances associée. Pour cela, nous nous inspirons d’études mettant en évidence la capacité des plongements lexicaux à encoder des propriétés morphologiques et sémantiques dans la composition de leurs vecteurs (Mikolov et al., 2013 ; Gladkova et al., 2016 ; Drozd et al., 2016 ; Finley et al., 2017). Notre hypothèse est qu’il est possible de générer une réponse sémantiquement pertinente à partir de l'énoncé précédant dans un dialogue. Les plongements lexicaux peuvent alors être considérés comme une modélisation de l'expérience sémantique du chatbot. Aussi avons-nous réalisé un système qui, lorsqu'il reçoit un input humain, analyse la phrase et en extrait les éléments pertinents. Ils sont utilisés pour extraire des plongements lexicaux des unités lexicales sémantiquement liées. Puis, un générateur de phrase prend le relais en prenant deux paramètres : la longueur maximale de la phrase et le mot du début, qui correspond à un des mots extraits des plongements lexicaux. Il en résulte un chatbot poétique, aux réponses parfois surréalistes, qui a toujours son mot à dire.