Искусственный интеллект учится генерировать каламбуры

Генератор каламбуров может показаться обычному исследователю в области искусственного интеллекта чем-то несерьезным – скорее, забавным проектом на выходные, чтобы повеселить коллег в понедельник. Но для Хи Хи, разработавшей эту технологию во время аспирантуры в Стэнфорде, это одна из ключевых проблем машинного обучения. Ее цель – разработать ИИ, с которым будет приятно и весело общаться; ботов, которые не только читают новости и говорят, сколько градусов будет на улице сегодня, а которые могут сочинять шутки или стихотворения и даже рассказывать интересные истории. Но чтобы этого достичь, нужно преодолеть границы типичного обучения ИИ.

Нейронные сети – это естественные имитаторы, изучающие закономерности языка посредством анализа огромного количества текстов. Если ваша цель – слаженность, этот подход работает хорошо: настолько хорошо, что недавние достижения стали причиной дебатов на тему того, сможет ли ИИ генерировать убедительные фейковые новости. Но такие тексты являются сухими, как в газетах и Википедии. Нейронные сети, другими словами, подчиняются по умолчанию правилам, и это делает их ужасными шутниками. Хи объясняет, что хороший каламбур находится на грани слаженности и бессмыслицы, и нейронные сети не могут найти этот баланс. Кроме того, креативность на то и креативность, что она оригинальна. «Даже если бы мы обучили сеть на огромном списке разных шуток, смысла бы в этом не было», – говорит она.

Вместо этого она вместе с командой попыталась придать своему ИИ чувство юмора, используя идеи теории юмора. По словам Хи, чтобы каламбур сработал, ему нужно придать элемент сюрприза в локальном контексте и фактор «ага!», который будет связывать все воедино. Она даже придумала научный термин для этого: «принцип удивления на локальном и глобальном уровнях». Чтобы сочинить каламбур, нейронной сети дают пару омонимов, и она сначала генерирует обычное и связное предложение с первым словом, затем меняет его на второе, и чтобы шутка не теряла смысл, она добавляет еще одно слово, которое придаст ей больше логики.

Фото: Unsplash

Хи провела состязание по каламбуру, пригласив на него профессиональных юмористов. Согласно жюри, оценивающим шутки, машины проиграли. Системам Хи удалось одолеть людей лишь в 10% случаев. Плюс сама структура каламбуров была недоразвитой (иногда они были даже неправильно грамматически сформированы).

Тем не менее, Роджер Леви, директор лаборатории вычислительной психолингвистики в MIT, говорит, что этот подход является многообещающим шагом на пути к созданию ИИ с большей индивидуальностью. «Юмор – это сложный аспект изучения разума. Но он также делает нас людьми», – говорит он. Четыре года назад Леви описал вычислительный подход к прогнозированию качества каламбура – эта работа в итоге стала основой метода генерирования шуток Хи. Леви рассказал, что планировал протестировать что-то вроде «принципа удивления на локальном и глобальном уровнях», который более доработанный, чем теории в его работе. Концепция имела смысл, но у него не было данных, чтобы это доказать. «Мне очень приятно, что это действительно происходит», – говорит он.

В более широком смысле исследования в области юмора подчеркивают необходимость наделения нейронных сетей большим человеческим интеллектом, объясняет Леви. «Удивление – одна из самых центральных концепций в ИИ и когнитивной науке», – говорит он. У людей это отражает то, как мы воспринимаем новую или неожиданную информацию, и это легко можно отследить – например, по движению наших зрачков и глаз во время чтения. У машин это можно измерить только вероятностями: слово, которое с меньшей вероятностью встретится в данном контексте, удивит больше.

Таким образом, элемент сюрприза – удобный способ сравнить восприятие языка у людей и машин. Проведя на нейронных сетях несколько психолингвистических тестов, цель которых – проанализировать, как люди воспринимают неоднозначный язык, Леви обнаружил, что можно заметить те места, где машины неожиданно теряли нить или проскакивали задачи несвойственным человеку образом. Ориентируясь на эти различия и подстраиваясь под них, мы сможем создать ИИ с человеческим поведением.

А пока Хи надеется применить свой подход по генерированию каламбуров к более сложным творческим заданиям – например, рассказу историй. Идея в том, чтобы позволить нейронной сети то, что у нее хорошо получается, а затем отредактировать результат при помощи человеческого интеллекта. Нейронную сеть можно обучить, например, генерировать ряд совершенно последовательных предложений, а затем она будет редактировать результат и составлять краткую историю на основе теорий повествования. «Цель – составлять более интересные и оригинальные истории. Я хочу, чтобы ИИ сочинял рассказы о вещах, которые не пришли бы людям на ум», – говорит Хи.

Источник.

Материалы по теме:

На YouTube запустили трансляцию, где искусственный интеллект играет death metal

Как искусственный интеллект написал свою первую научную работу

Как работает машинное обучение в маркетинге?

Как мы разрабатывали ИИ для чтения эмоций