谢尔顿县是一个播客，听起来永远不会一样两次。每次有人听它，他们都会在网站上输入一个随机数。这颗“种子”将启动鲁比·戈德伯格的计算机器，创造人物、人际关系、嫉妒、背叛，甚至可能是一两起谋杀。这些情节点将转换成文本叙述，由语音合成器大声朗读，然后压缩成音频文件。每一次都是谢尔顿县故事的独特版本。专为你**的播客。

不管怎样，这就是梦想——目前的执行仍然需要努力。到目前为止，这个程序生成的播客只有几集（你可以听下面的两集），它的创作者、博士生詹姆斯·瑞安（James Ryan）还在一个网站上工作。他说，后端软件大部分已经完成，但还需要一些收尾工作，比如创建一个程序，自动将音乐添加到每一集中。”“现在我正在证明这个概念，”他告诉《边缘报》然后我就要开始写论文了。”

换句话说，这可能需要一段时间。

但迄今为止所创造的一切令人印象深刻，感觉就像是对未来的一个小小预览。娱乐内容不仅无处不在（天知道世界上有足够的播客），而且独一无二。作为一种为人类**乐趣的方式，程序生成的内容并不新鲜，但近年来变得更加复杂。比如说，视频游戏中的生成元素如无人的天空，为每位玩家创造了独特的星球供他们探索；《中土世界：战争的阴影》，这部电影让敌人有着复杂的历史，让玩家和游戏的故事一样着迷。

相比之下，谢尔顿县似乎很基本，但这只是因为它的输出是音频。创造角色及其互动的实际机制要复杂得多。”乔治亚理工学院娱乐情报实验室副教授马克·里德尔告诉《边缘》杂志说：“这是一项非常重要的研究，推动了技术的发展。”。

对Ryan来说，谢尔顿县是他毕生致力于建造生成虚拟世界的计算机的最新一步。他是一名语言学家，他在加利福尼亚大学的表现智能工作室工作，致力于寻找新的方式来使用机器表达。

“当我学会编码时，我**的第一个程序之一就是一个名字生成器，”他说它将从数千人的名单中挑选两个名字，并将它们组合在一起。对我来说，创造这个名字就像创造一个完整的角色。一个抽象的小人物。”

从这个简单的开始，Ryan**了更加复杂的世界生成器。谢尔顿县本身是建立在他的一个名为Hennepin的项目上的，该项目创造了人物、他们的社交网络和他们生活的世界。Ryan将Hennepin比作“世界上最大的Excel电子表格”，其中有无数行对应于角色、特征、关系、职业等的单元格。

没有可视化或文本输出，只有数据。但当用户输入随机数种子时，该电子表格将重新填充，从而创建一个独特的世界。然后，该程序通过模拟每个角色都有机会执行动作的每日循环，对这些数据点的交互方式进行建模。这些行为反过来又取决于个人的特征和关系。”一个角色不能采取行动“嘲笑”另一个角色，除非他们有“残忍”的特质，并且他们的目标是他们不喜欢的人，”Ryan说。

Ryan说，将足够多的这些数据点结合起来，你很快就会得到非常复杂的结果，这有助于该程序不只是在几天或几周内模拟谢尔顿县的每个版本。它模拟了几个世纪。”这会产生大量的动作，从中我们可以得到最有趣的序列，”Ryan说。

他举了一个早期项目的例子，该项目使用类似的软件模拟小镇的社会生活。”在那个游戏中，我们总是能找到荒谬的故事情节，”他说在一个版本中，有一个17岁的男孩，他的妈妈在镇上有最喜欢的餐厅，但后来他决定自己开一家比她更受欢迎的餐厅！我写下了商业竞争可能如何运作的代码，但我从未想到它会成为一个家庭事件。”

你可以想象，这一情节是美国生活的一个好插曲。

在许多方面，这种类型的过程生成并不是什么新鲜事。Riedl说，这可以追溯到20世纪80年代和更早的时候，在那里，类似的技术被用于为视频游戏生成地图。”最初是因为当时的计算机没有太多的存储空间，所以你无法发布大型游戏，”他解释道这意味着在早期的游戏中，如Rogue、NetHack等，使用一些非常快速和廉价的算法在CPU上生成迷宫是义不容辞的。”

随着存储成本的降低，这些算法的实用性逐渐减弱，但随着人们对人工智能的热情高涨，生成内容的程序方法再次成为主流。

然而，有趣的是，像深度神经网络这样的现代人工智能技术实际上并不太适合谢尔顿县这样的项目。Ryan说，他主要使用有时被称为符号人工智能（symbolic AI）或贬义的“老式人工智能”（good-old-style AI）。这种方法与深度学习一样，不是挖掘数据以寻找模式，而是创建一套规则和逻辑指令来指导流程。

Riedl说，现代人工智能不适用于这样的任务有一些简单的原因。部分原因是像深度学习这样的技术仍然不擅长生成连贯的文本（即使是当今最先进的聊天机器人也依赖于预先编程的短语）。还有一个原因是，较旧的技术使程序员能够更好地控制输出。

即使有这些限制，当然你仍然可以做很多事情。”最近最有趣的例子之一是麻省理工学院的恐怖故事生成器，它是交互式的所以你写一行，然后它写一行；你写一行，它就写一行。实际上，它变成了一种创造性的写作激励练习，让你能够解释程序产生的内容。”

里德尔自己的工作探索了现代人工智能技术如何应对讲故事的挑战。他说，他和他的同事们正在研究“[解决]其中一些问题，使故事生成更好地处理较长的故事。”但是，他补充说，在不久的将来，人工智能将无法真正为我们生成新内容，无论是电视节目还是播客。相反，创造新的娱乐形式将是创造者的工作。

Alex Champandard是一名人工智能程序员，也是初创公司Creative.AI的联合创始人，他也有类似的想法。他说，完全自动化的娱乐不是前进的方向，并指出许多人们声称是人工智能产品的创造性项目依赖于大量的人类洞察力和监督。”没有一台机器是靠自己创造的。这最终是因为人类的投入，”Champandard告诉Verge。

他认为Ryan的项目之所以有趣，不一定是因为它所创造的叙事，而是因为它质疑了我们关于播客是什么以及播客从一开始是什么让人优秀的想法。”在未来，我确信我们会有由无人收听的机器生成的播客，它们会消失，因为它不值得用电，”Champandard说但这些实验都是让这个空间充满乐趣的一部分。”

对Ryan来说，实验和创造的感觉显然是他的项目的核心。”就未来而言，我当然希望生成性媒体变得更加主流，”他说，但他指出，他自己的快乐感不是来自消费生成性媒体，而是来自创造它使用这些模拟最有意义的事情是看到这些疯狂的突发事件，”他说，这与里德尔关于麻省理工学院恐怖故事生成器的观点相似。这只是因为观众的参与才有趣。

也许这就是生成性媒体的未来所在。不是为每个人**无**的播客，而是把我们都变成讲故事的人，创造并享受我们自己的故事。