Un senso algoritmico dell'umorismo? Non ancora.

Negli ultimi mesi, i ricercatori di intelligenza artificiale hanno fatto passi da gigante nell'abbinare le prestazioni umane in tutti i tipi di compiti che, fino a poco tempo, erano considerati quasi impossibili per i computer. Cose come il riconoscimento di volti e oggetti, per esempio.

Ma ci sono alcune aree che sono ancora estremamente difficili da comprendere per le macchine, e l'umorismo è una di queste. Avere un senso dell'umorismo è una qualità unicamente personale che è notoriamente difficile da definire. Ciò che fa ridere una persona e un'altra smorfia può essere quasi impossibile da prevedere.

Ciò è in parte dovuto al fatto che l'umorismo dipende da così tanti parametri, molti dei quali sono interni e possono cambiare da un momento all'altro. Ciò che sembra divertente ora potrebbe non sembrare così divertente più tardi o domani.

Tuttavia, vari linguisti e psicologi hanno suggerito che le buone battute hanno tutte proprietà comuni e che un'analisi sistematica dovrebbe rivelarle. La domanda è come arrivare a queste primitive dell'umorismo e se l'apprendimento automatico può aiutare.

Oggi, riceviamo una sorta di risposta grazie al lavoro di Dragomir Radev presso l'Università del Michigan ad Ann Arbor e alcuni amici di Yahoo Labs, Columbia University e il Newyorkese rivista. Questi ragazzi hanno studiato le didascalie associate ai cartoni animati.

Il Newyorkese pubblica notoriamente una vignetta senza didascalia ogni settimana, chiedendo ai lettori di inviare la propria didascalia. Gli editori quindi scelgono i primi tre e chiedono ai lettori di votare per il migliore.

Ciò ha creato un enorme database di didascalie. Oggi, Radev e compagni pubblicano il loro studio su 300.000 didascalie scritte per 50 Newyorkese cartoni animati dal 2005.

Il loro metodo è semplice. Per prima cosa analizzano la serie di didascalie per ogni cartone animato utilizzando una serie di tecniche linguistiche standard. I criteri includono il livello di sentimento positivo o negativo, se le didascalie erano incentrate sull'uomo (cioè, riferite a persone), quanto chiaramente si riferiscono agli oggetti raffigurati nel cartone animato e così via.

Radev e compagni hanno anche utilizzato la teoria della rete per studiare le didascalie. Hanno elencato gli argomenti menzionati in ogni didascalia e quindi hanno creato una rete collegando didascalie che menzionavano gli stessi argomenti. Ciò ha consentito loro di utilizzare strumenti di analisi di rete standard per trovare, ad esempio, il nodo più importante della rete, una proprietà nota come centralità.

Ciascuno di questi metodi ha prodotto una classifica delle didascalie. Radev e compagni hanno preso ciascuna delle didascalie più classificate e le hanno confrontate con il gold standard: didascalie che i lettori del Newyorkese scelto come il più divertente. Lo hanno fatto tramite l'opinione del crowdsourcing utilizzando Mechanical Turk di Amazon, chiedendo a sette turchi di scegliere il più divertente tra due didascalie o di classificarli allo stesso modo.

Radev e co affermano che i risultati forniscono alcune informazioni sulla natura delle didascalie divertenti. Abbiamo scoperto che i metodi che selezionano costantemente didascalie più divertenti sono il sentimento negativo, la centralità umana e la centralità lessicale, dicono.

È uno studio curioso e difficile da valutare. I ricercatori riconoscono che non c'è da sorprendersi nello scoprire che il sentimento negativo è correlato alla comicità; la centralità umana è anche una proprietà prevista dell'umorismo. Il significato della centralità lessicale è meno chiaro.

E qui sta il problema di questo tipo di ricerca. È facile immaginare che uno degli obiettivi di questo tipo di lavoro sarebbe quello di creare una macchina in grado di scegliere automaticamente la migliore didascalia tra le migliaia di Newyorkese gara ogni settimana. Ma le squadre sembrano più lontane che mai dal raggiungere questo obiettivo. Qualcuno di questi metodi automatici ha scelto in modo affidabile la didascalia scelta dai lettori? Radev e compagni non lo dicono, quindi presumibilmente no.

Un obiettivo più ambizioso sarebbe trovare un modo per scrivere didascalie migliori per i cartoni animati, magari automaticamente. La conclusione di questo lavoro? Non trattenere il respiro.

E forse è un sollievo. Almeno c'è una qualità umana che guarda oltre la portata delle attuali tecniche di apprendimento automatico.

A loro merito, Radev e compagni stanno mettendo a disposizione di altri ricercatori il loro corpus di cartoni animati e didascalie. Quindi, se c'è qualcuno là fuori che pensa di poter fare di meglio, è libero di provare.

Rif: arxiv.org/abs/1506.08126 : Umorismo nel discorso collettivo: rilevamento non supervisionato di curiosità nel concorso di didascalie dei cartoni animati del New Yorker

nascondere