Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Narrative Archetypes for Artificial Intelligence

Ziel

AI STORIES is premised on the hypothesis that narrative archetypes fundamentally structure the output of contemporary artificial intelligence (AI). Large language models (LLMs) like GTP-4 are trained on vast quantities of text and images and generate new texts that are statistically similar to the training data. The scientific consensus acknowledges that LLMs replicate and sometimes exacerbate historical biases in their training data.

AI STORIES proposes that LLMs are also affected by a deeper bias: that of the narrative structures in the social media posts, news stories, marketing blurbs and novels the models are trained on. If this is the case it will deeply impact how we use and apply AI, and how we think about bias and cultural diversity in AI models. Currently available LLMs are largely trained on English-language texts, with a heavy weighting towards the United States. When they generate texts in non-English languages they may succeed in producing grammatically correct texts, but if my hypothesis is correct, their deeper content will be fundamentally structured by the stories that dominate in the training data. This is a threat to cultural diversity that goes well beyond the purely linguistic.

AI STORIES applies the humanities’ deep knowledge of narrative to AI research by developing and testing this hypothesis. We will apply narratology to understand the narrative structures of LLM’s training data. We test the hypothesis by training LLMs on specific kinds of narratives, then using prompt engineering and both qualitative and computational narratological analysis to reverse engineer the structures of AI-generated output. Three comparative case studies will look specifically at Scandinavian, Australian and either Indian or Nigerian stories.

The overall objective is to develop a narratology of AI, and to leverage the findings to ensure that policymakers, developers, educators and other stakeholders can use our research to direct the future of AI.

Wissenschaftliches Gebiet (EuroSciVoc)

CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.

Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

(öffnet in neuem Fenster) ERC-2023-ADG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

UNIVERSITETET I BERGEN
Netto-EU-Beitrag

Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.

€ 2 500 000,00
Adresse
MUSEPLASSEN 1
5020 Bergen
Norwegen

Auf der Karte ansehen

Region
Norge Vestlandet Vestland
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

€ 2 500 000,00

Begünstigte (1)

Mein Booklet 0 0