Come un algoritmo AI ha imparato a scrivere discorsi politici

Non chiederti cosa può fare il tuo paese per te; chiedi cosa puoi fare per il tuo paese.
—John F.Kennedy, 1961

Quando si tratta di discorsi politici, quelli grandi sono pochi e rari. Ma i discorsi politici ordinari, ad esempio quelli pronunciati nei dibattiti al Congresso degli Stati Uniti, sono numerosi.

Sono anche notevolmente simili. Questi discorsi tendono a seguire un formato standard, a ripetere argomenti simili e persino a usare le stesse frasi per indicare una particolare affiliazione o opinione politica. È quasi come se esistesse una sorta di algoritmo che ne determina il contenuto.

Ciò solleva una domanda interessante. È possibile che una macchina scriva automaticamente questo tipo di discorsi politici?

Oggi otteniamo una risposta grazie al lavoro di Valentin Kassarnig dell'Università del Massachusetts, ad Amherst, che ha creato una macchina di intelligenza artificiale che ha imparato a scrivere discorsi politici notevolmente simili ai discorsi reali.

L'approccio è semplice in linea di principio. Kassarnig ha utilizzato un database di quasi 4.000 segmenti di discorsi politici provenienti da 53 dibattiti del Congresso degli Stati Uniti per addestrare un algoritmo di apprendimento automatico a produrre discorsi propri.

Questi discorsi consistono in oltre 50.000 frasi ciascuna contenente in media 23 parole. Kassarnig ha anche classificato i discorsi per partito politico, democratico o repubblicano, e in base al fatto che fosse favorevole o contrario a un determinato argomento.

Naturalmente, il diavolo sta nei dettagli su come analizzare questo database. Dopo aver provato una serie di tecniche, Kassarnig ha optato per un approccio basato su n-grammi, sequenze di n parole o frasi. Per prima cosa ha analizzato il testo utilizzando un approccio basato su parti del discorso che etichetta ogni parola o frase con il suo ruolo grammaticale (se un nome, un verbo, un aggettivo e così via).

Ha quindi esaminato 6 grammi e la probabilità che una parola o una frase appaia date le cinque che compaiono prima di essa. Ciò ci consente di determinare molto rapidamente tutte le parole che possono comparire dopo le cinque precedenti e quanto è probabile ciascuna di esse, dice.

Il processo di generazione dei discorsi segue automaticamente da questo. Kassarnig inizia dicendo all'algoritmo che tipo di discorso dovrebbe scrivere, sia per i democratici che per i repubblicani. L'algoritmo esplora quindi il database di 6 grammi per quella categoria per trovare l'intero set di 5 grammi che è stato utilizzato per iniziare uno di questi discorsi.

L'algoritmo sceglie quindi uno di questi 5 grammi a caso per iniziare il suo discorso. Quindi sceglie la parola successiva tra tutte quelle che possono seguire questo 5 grammi. Quindi il sistema inizia a prevedere parola dopo parola finché non prevede la fine del discorso, dice.

Ci sono alcuni trucchi lungo la strada, ovviamente. L'algoritmo conosce, ad esempio, la probabilità che un particolare argomento appaia in un discorso. Quindi sceglie gli argomenti elaborando quali altri argomenti contiene già il discorso e determinando in che misura questi vengono trattati.

I risultati sono sorprendentemente buoni. Ecco un esempio di discorso democratico generato automaticamente:

Signor Presidente, per anni i consumatori onesti ma sfortunati hanno avuto la possibilità di perorare la loro causa per essere sottoposti a protezione fallimentare e ottenere l'estinzione dei loro debiti ragionevoli e validi. Il modo in cui il sistema dovrebbe funzionare, il tribunale fallimentare valuta vari fattori tra cui reddito, patrimonio e debito per determinare quali debiti possono essere pagati e come i consumatori possono rimettersi in piedi. Difendi la crescita e le opportunità. Passa questa legislazione.

È impressionante dato che non c'è formazione coinvolta oltre alle parti iniziali dei tag vocali, l'analisi di 6 grammi del database del discorso politico e un po' di salsa magica. Kassarnig ha valutato questi discorsi in base a criteri come correttezza grammaticale, transizione delle frasi e struttura e contenuto del discorso e ha scoperto che generalmente si comportano bene. In particolare, la correttezza grammaticale e le transizioni delle frasi della maggior parte dei discorsi erano molto buone, dice.

Tuttavia, Kassarnig non è ottimista sulle possibilità del suo algoritmo di prendere d'assalto la scena politica. Nonostante i buoni risultati, è molto improbabile che questi metodi vengano effettivamente utilizzati per generare discorsi per i politici, dice, presumibilmente perché il tipo di politico senza scrupoli che potrebbe sfruttare il suo algoritmo è così raro (tosse).

Tuttavia, l'algoritmo potrebbe essere utilizzato per generare altri tipi di testi. Kassarnig suggerisce che potrebbe produrre notizie, date altre storie sullo stesso incidente. Un'altra opzione potrebbe essere quella di produrre post sul blog sui documenti arXiv, dato un ampio database di storie simili (ehm).

E incoraggia chiunque a provare, dicendo che tutto il suo codice sorgente è disponibile su GitHub ( https://github.com/valentin012/conspeech ). Incoraggiamo esplicitamente gli altri a provare a usarlo, modificarlo ed estenderlo, dice. Feedback e idee per il miglioramento sono i benvenuti.

Rif:arxiv.org/abs/1601.03313: Generazione di discorsi politici

nascondere