Foto: Colourbox

Computere lærer følelser med algoritme og emojis

onsdag 27 sep 17

Kontakt

Sune Lehmann Jørgensen
Lektor
DTU Compute
45 25 39 04
Med emojis og tweets har en algoritme lært at spore sarkasme. Det kan revolutionere computeres måde at forstå menneskelig kommunikation.

Ombord på rumfærgen i enhver god scifi- film finder vi en robot med kunstig intelligens, som er i stand til at kommunikere med besætningen på en humoristisk måde. Men tanken om en software, der kommunikerer som mennesker, ligger måske ikke så langt ude i fremtiden endda.

Tidligere DTU-studerende Bjarke Felbo, som i dag studerer på Massachusetts Institute of Technology (MIT) i forbindelse med et legat, har nemlig udviklet en algoritme, som ved hjælp af deepemoji- analysis kan spore underliggende budskaber som sarkasme i tekstbeskeder. Lektor Sune Lehmann fra DTU Compute er seniorforfatter på en afhandling om algoritmen og mener, at dens potentiale er langt større. Mere om det senere.

Algoritmen kan spore underliggende budskaber i en tekst ved at opdele den i følelseskategorier. Før har computere kun haft konkrete ord eller få hashtags at forholde sig til og har derfor kun været i stand til at læse tekst bogstaveligt. Men med de 64 udvalgte emojis får algoritmen pludselig 64 andre dimensioner at forstå tekst i forhold til, og på den måde kan den drage nye konklusioner om tekstens betydning.

"Det smarte ved denne her algoritme er, at den i virkeligheden giver os nøglen til at forstå følelser i tekst."
Sune Lehmann, lektor, DTU Compute

"Det smarte ved denne her algoritme er, at den i virkeligheden giver os nøglen til at forstå følelser i tekst," siger Sune Lehmann.

Algoritmen er blevet trænet i at analysere, hvordan de udvalgte emojis er blevet brugt i over en milliard twitter-opdateringer. Den har lært, at vi er vrede, når vi skriver ’this is shit’, og at vi udtrykker begejstring, når vi skriver ’this is the shit’. Det ved den, fordi vi slutter beskederne med forskellige emojis.

Ingen begrænsninger

Når en algoritme lærer at adskille mange nuancer med meget store mængder data, kalder man det for ’deep learning’. Det er det, emoji-algoritmen er bygget på. Men den er også i stand til ’transfer learning’ – altså overførsel af erfaringer fra en problemløsning til en anden. Og det gør den speciel.

"Fordi vi med deep learning har gjort den god til at gætte, hvilken emoji, der hører til en bestemt tekst, så kan vi med transfer learning justere den til at kende forskel på sarkasme og ikke-sarkasme – og derfra tilføje ekstra data til algoritmen, så den kan lære en masse andre ting," siger Sune Lehmann.

Man skal forestille sig, at man lægger de 64 emojis fladt ned efter hinanden og rangordner dem fra den mest grædende smiley til det mest skinnende hjerte. Disse forskellige dimensioner af rangordnede følelser kan man så tilføje ekstra data om positiv og negativ, og så vil man kunne lave meget store analyser af mange beskeder på en gang.

Nyttig for politikere

"Det kunne eksempelvis bruges af politikere, så de kan se, hvordan en hel befolkning reagerer online på deres udtalelser," siger Sune Lehmann.

Men her stopper algoritmens egenskaber ikke. Den kan også udvikles til at spore hate speach på sociale medier og gøre stemmestyringsprogrammer som f.eks. Apples Siri mere intelligente. Og hvem ved, måske er det en dag dig, som har en humoristisk samtale med robotten fra sci-fi-filmene.

Nyheder og filtrering

Få besked om fremtidige nyheder, der matcher din filtrering.