211service.com
Algorytmiczne poczucie humoru? Jeszcze nie.
W ostatnich miesiącach naukowcy zajmujący się sztuczną inteligencją poczynili ogromne postępy w dopasowywaniu ludzkiej wydajności do wszelkiego rodzaju zadań, które do niedawna uważano za prawie niemożliwe dla komputerów. Na przykład takie rzeczy jak rozpoznawanie twarzy i obiektów.
Ale są pewne obszary, które wciąż są niezwykle trudne do zrozumienia dla maszyn, a humor jest jednym z nich. Poczucie humoru to wyjątkowo osobista cecha, którą trudno zdefiniować. To, co sprawia, że jedna osoba się śmieje, a inny grymas, może być prawie niemożliwe do przewidzenia.
Dzieje się tak częściowo dlatego, że humor zależy od tak wielu parametrów, z których wiele ma charakter wewnętrzny i może się zmieniać z chwili na chwilę. To, co wydaje się zabawne teraz, może nie wydawać się takie zabawne później lub jutro.
Niemniej jednak różni lingwiści i psychologowie sugerowali, że wszystkie dobre dowcipy mają wspólne właściwości i że powinna je ujawnić systematyczna analiza. Pytanie brzmi, jak dotrzeć do tych prymitywów humoru i czy uczenie maszynowe może pomóc.
Dzisiaj otrzymujemy swego rodzaju odpowiedź dzięki pracy Dragomira Radeva z University of Michigan w Ann Arbor i kilku kumpli z Yahoo Labs, Columbia University i Nowojorczyk czasopismo. Ci faceci studiowali podpisy związane z kreskówkami.
ten Nowojorczyk co tydzień słynie z publikowania kreskówek bez podpisów, prosząc czytelników o przesłanie własnego podpisu. Następnie redaktorzy wybierają trzy najlepsze i proszą czytelników o głosowanie na najlepsze.
To stworzyło ogromną bazę podpisów. Dzisiaj Radev i wsp. publikują swoje badanie dotyczące 300 000 podpisów napisanych dla 50 Nowojorczyk bajki od 2005 roku.
Ich metoda jest prosta. Najpierw analizują zestaw podpisów dla każdej kreskówki przy użyciu szeregu standardowych technik językowych. Kryteria obejmują poziom pozytywnego lub negatywnego sentymentu, czy podpisy były skoncentrowane na człowieku (tj. Odnosiły się do ludzi), jak wyraźnie odnoszą się do obiektów przedstawionych na kreskówce i tak dalej.
Radev i współpracownicy również wykorzystali teorię sieci do badania podpisów. Wymienili tematy wymienione w każdym podpisie, a następnie utworzyli sieć, łącząc podpisy, które dotyczą tych samych tematów. To pozwoliło im użyć standardowych narzędzi do analizy sieci, aby znaleźć na przykład najważniejszy węzeł w sieci, właściwość znaną jako centralność.
Każda z tych metod tworzyła ranking podpisów. Radev i spółka wzięli każdy z najwyżej ocenianych podpisów i porównali je ze złotym standardem: podpisy, które czytelnicy Nowojorczyk wybrał jako najzabawniejszy. Zrobili to, korzystając z opinii crowdsourcingowej, korzystając z Mechanicznego Turka Amazona, prosząc siedmiu turków o wybranie najśmieszniejszego z dwóch napisów lub równe ich uszeregowanie.
Radev i spółka twierdzą, że wyniki dają pewien wgląd w naturę zabawnych podpisów. Odkryliśmy, że metody, które konsekwentnie wybierają zabawniejsze napisy, to negatywne sentymenty, skoncentrowanie się na człowieku i centralność leksykalna.
To ciekawe badanie, które trudno ocenić. Naukowcy przyznają, że nie ma niespodzianki w odkryciu, że negatywny sentyment koreluje z zabawą; skoncentrowanie się na człowieku jest również oczekiwaną właściwością humoru. Znaczenie centralności leksykalnej jest mniej jasne.
I na tym polega problem z tego rodzaju badaniami. Łatwo sobie wyobrazić, że jednym z celów tego rodzaju pracy byłoby stworzenie maszyny zdolnej do automatycznego wybierania najlepszego podpisu z tysięcy wprowadzonych do Nowojorczyk zawody każdego tygodnia. Ale zespoły wydają się być tak dalekie od osiągnięcia tego celu. Czy któraś z tych automatycznych metod niezawodnie wybrała podpis wybrany przez czytelników? Radev i spółka nie mówią, więc prawdopodobnie nie.
Bardziej ambitnym celem byłoby znalezienie sposobu na napisanie lepszych podpisów do kreskówek, być może automatycznie. Wniosek z tej pracy? Nie wstrzymuj oddechu.
I może to ulga. Przynajmniej jest jedna ludzka cecha, która wykracza poza zasięg obecnych technik uczenia maszynowego.
Trzeba przyznać, że Radev i spółka udostępniają swój zbiór karykatur i podpisów innym badaczom. Więc jeśli jest ktoś, kto myśli, że może zrobić to lepiej, zapraszamy do spróbowania.
Nr ref.: arxiv.org/abs/1506.08126 : Humor w dyskursie zbiorowym: nienadzorowane wykrywanie śmieszności w konkursie na napisy do kreskówek New Yorker