Knowledge-Based Systems Predicting the effects of suspenseful outcome for automatic storytelling

En la narrativa, el suspense funciona porque hay algo en juego y no sabemos cómo va a acabar. Pero cuando diseñamos sistemas de generación de historias, surge un problema técnico: ¿cómo predecir si una secuencia de eventos generará suspense antes de mostrársela al usuario? Necesitamos un modelo predictivo, no solo una definición.

Este artículo propone un sistema basado en conocimiento para predecir el impacto emocional del suspense. La idea es representar el estado de la historia en cada momento (qué sabe el lector, qué está en peligro, qué opciones tiene el protagonista) y usar esa representación para calcular una puntuación de suspense que permita al sistema elegir qué evento contar a continuación.

El modelo se basa en teorías psicológicas sobre cómo funciona el suspense. No es un modelo estadístico que aprende de datos sin entender nada; es un modelo que implementa hipótesis concretas sobre los mecanismos cognitivos. Por ejemplo: el suspense aumenta cuando el lector percibe que el protagonista tiene pocas opciones y mucho que perder. El suspense disminuye cuando hay demasiadas opciones (porque ninguna parece urgente) o cuando no hay nada importante en juego.

Implementamos estas hipótesis en un sistema que representa las historias como secuencias de estados. Cada estado incluye los eventos que han ocurrido, los que podrían ocurrir, las consecuencias positivas y negativas de cada posibilidad, y el conocimiento que el lector tiene sobre todo eso. Con esa información, el sistema calcula una estimación del suspense y la usa para guiar la generación.

Para validar el modelo hicimos un experimento con participantes humanos. Les presentamos fragmentos de historias que el sistema predecía como más o menos suspensivos, y les pedimos que evaluaran su nivel de tensión. Los resultados mostraron una correlación significativa: los fragmentos que el modelo puntuaba alto en suspense también eran percibidos como más tensos por los humanos.

Esto no significa que el modelo sea perfecto. Hubo casos donde la predicción falló, normalmente porque el contenido semántico de la historia influía de maneras que el modelo no capturaba. Por ejemplo, si el protagonista es un personaje simpático, el lector se preocupa más por él; pero el modelo no representaba simpatía del personaje, solo estructura de la situación. Son limitaciones que futuras versiones tendrían que abordar.

También encontramos que el momento importa. El mismo evento puede generar más o menos suspense dependiendo de cuándo aparece en la historia. Un peligro introducido al principio, cuando el lector aún no se ha vinculado emocionalmente, genera menos tensión que el mismo peligro introducido después de conocer bien al personaje. El modelo captura esto parcialmente a través de la representación de "qué está en juego", pero de forma simplificada.

La utilidad práctica del sistema es que permite generar historias optimizando el suspense. En lugar de generar eventos al azar y esperar que funcionen, el sistema evalúa múltiples continuaciones posibles y elige la que maximiza la tensión narrativa. Es un paso hacia sistemas de generación que tienen en cuenta el efecto emocional, no solo la coherencia lógica.

También es relevante para experiencias interactivas. En un videojuego o una narrativa interactiva donde el jugador toma decisiones, el sistema puede adaptar los eventos en tiempo real para mantener un nivel de suspense adecuado. Si la historia está siendo demasiado predecible, introducir una complicación; si está siendo demasiado caótica, dar un momento de respiro.

¿Para qué sirve? Para que sistemas automáticos de generación de historias puedan predecir el efecto emocional de sus decisiones narrativas, especialmente el suspense. Aplicable a videojuegos, chatbots narrativos, y cualquier sistema que necesite contar historias de forma emocionalmente efectiva.

Si te interesó este…

• Improving the Fitness Function of an Evolutionary Suspense Generator Through Sentiment Analysis

  Mejorar un generador evolutivo de suspense incorporando análisis de sentimiento.

  2021
• Information management in interactive and non- interactive suspenseful storytelling

  Cuánta información prefiere quien juega frente a quien solo mira.

  2019