Génération automatique de récits interactifs par LLM

Automatic generation of interactive storytelling based on LLM

• Auteur / Autrice : Jules Clerc
• Direction : Domitile Lourdeaux, Mohamed Sallak
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/09/2024
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : Sciences pour l'ingénieur
• Partenaire(s) de recherche : Laboratoire : Heuristique et diagnostic des systèmes complexes

Mots clés

Mots clés libres

Llm

Narration interactive

Ia

Llm

Interactive storytelling

Ai

Résumé

L'émergence des grands modèles de langage (LLM), excellant dans un large éventail de taches, ont permis de nombreuses avancées dans le domaine de l'intelligence artificielle (IA). Dans cette thèse, nous souhaiterions explorer leur utilisation pour la génération automatique de récits interactifs pour la formation. Les systèmes de narration interactive (SNI) classiques utilisés pour la génération de scénarios ont plusieurs limites : comme un manque de diversité dans les histoires créées, de lourds pré-requis nécessaires à la création d'un scénario, ou encore des lacunes en termes d'immersion utilisateur. Notre hypothèse est que les LLM peuvent intervenir dans la génération de ces récits interactifs, et pallier les limites des SNI. En effet, ces nouvelles IA ont déjà montrées des avancées en matière de génération d'histoire et de planification des récits mais ils manquent encore de contrôle. Nous pensons coupler ces LLM avec des techniques de planification et des modèles graphiques pour contrôler et générer des récits pertinents. Cette thèse sera réalisée dans le cadre d'un contrat CIFRE entre ALTEN et le laboratoire Heudiasyc UMR7253.

The emergence of large language models (LLMs), excelling at a wide range of tasks, has enabled many advances in the field of artificial intelligence (AI), In this thesis we would like to explore their use for the automatic generation of interactive narratives for training. Classical interactive narrative systems (INS) used for scenario generation have several limitations: such as a lack of diversity in the stories created, heavy prerequisites needed to create a scenario, or shortcomings in terms of user immersion. Our hypothesis is that LLMs can intervene in the generation of these interactive narratives, and compensate for the limitations of NIS. Indeed, these new AIs have already shown advances in story generation and narrative planning, but they still lack control. We plan to couple these LLMs with planning models and graphical models to control and generate relevant narratives. This thesis will be carried out under a CIFRE contract between ALTEN and the Heudiasyc UMR7253 laboratory.