Sztuczna inteligencja, która nie rozumie sarkazmu? To już przeszłość

Naukowcy z University of Central Florida stworzyli sztuczną inteligencję, która potrafi wykrywać sarkazm pojawiający się w mediach społecznościowych.
Sztuczna inteligencja, która nie rozumie sarkazmu? To już przeszłość

Media społecznościowe, takie jak Twitter czy Facebook, stanowią niemal nieodłączną część współczesnego życia. Korzystają z nich nie tylko osoby prywatne, ale również firmy, które w ten sposób kontaktują się z potencjalnymi klientami. Właściwe zrozumienie i reagowanie na opinie tych osób w sieci ma kluczowe znaczenie dla przedsiębiorstw, choć jest niezwykle praco- i czasochłonne.

Ważną rolę pełni w tym przypadku tzw. sentiment analysis, co odnosi się do identyfikacja emocji związanych z tekstem w automatyczny sposób. Sztuczna inteligencja skupia się na logicznej analizie danych, jednak ocena emocji w jej wykonaniu była do tej pory znacznie mniej efektywna. Właśnie dlatego naukowcy z University of Central Florida opracowali technikę, która z wysoką skutecznością wykrywa sarkazm we wpisach publikowanych w mediach społecznościowych.

Sztuczna inteligencja ma problem z rozpoznawaniem sarkazmu występującego w tekstach

Z ustaleń na ten temat, opublikowanych na łamach Entropy, wynika, że zespół badawczy wytrenował algorytm tak, aby znajdował wzorce, które często wiążą się z sarkastycznymi wypowiedziami. W ten sposób sztuczna inteligencja miała wybierać słowa, które z dużym prawdopodobieństwem występują w wypowiedziach o sarkastycznym charakterze. Po przećwiczeniu swojego modelu na dużych ilościach danych, naukowcy postanowili go przetestować.

Wyczuwanie sarkazmu w słowie pisanym jest niełatwe nawet dla ludzi, którym zdecydowanie mniej trudności sprawiają interakcje wykorzystujące kontakt “twarzą w twarz”. Sarkazm w dużym stopniu opiera się bowiem na tonacji głosu, mimice i gestach, których nie można zawrzeć w tekście. Właśnie dlatego naukowcy wykorzystują szereg metod, dzięki którym sztuczna inteligencja miałaby wykształcić tę umiejętność. Pomóc ma w tym m.in. uczenie maszynowe oraz techniki głębokiego uczenia.