1
| 本文作者： 思睿 | 2015-07-14 15:54 |
在最近幾個月的時間里，人工智能的表現(xiàn)上已經(jīng)取得了巨大的進(jìn)步，尤其是那些被認(rèn)為是電腦幾乎不可能完成的事情，例如：面部和物體的識別。但也有一些領(lǐng)域，對機(jī)器而言仍然難以去掌握，比如幽默。幽默感是一種獨(dú)特的個性，而且幽默感本身也難以界定。
部分原因是，幽默取決于許多內(nèi)心因素，并且可能隨著時間的變化而發(fā)生改變。有些現(xiàn)在看來可笑的事情，可能在晚些時候或明天就似乎并不那么好笑了。
然而，很多語言學(xué)家和心理學(xué)家認(rèn)為，好的笑話都有著共同的屬性，通過系統(tǒng)性的分析應(yīng)該能夠揭示出來。現(xiàn)在的問題是如何處理這些幽默的話語，以及機(jī)器學(xué)習(xí)是否能有所幫助。
如今，得益于密歇根大學(xué)的 Dragomir Radev 和在雅虎實(shí)驗(yàn)室、哥倫比亞大學(xué)，以及《紐約客》雜志的共同努力，我們得到了一個答案。這些研究人員一直在研究與漫畫相關(guān)的說明文字（旁白、對話和字幕）。
《紐約客》每星期都會出版一部沒有任何說明文字的漫畫，并允許讀者提交自己的內(nèi)容。之后《紐約客》的編輯會挑選出前三名，并要求讀者投票選出最佳。
此舉創(chuàng)造了一個巨大的說明文字?jǐn)?shù)據(jù)庫。如今，Radev 和其合作伙伴發(fā)表了他們的研究——研究了自2005年以來，為50部《紐約客》 動畫而編寫的30萬種說明文字。
他們的方法很簡單。首先使用多種標(biāo)準(zhǔn)語言技巧，分析了所有為同一部卡通撰寫的說明文字。標(biāo)準(zhǔn)包括了正面或負(fù)面的情緒程度，說明文字是否是以人類為中心（即是否參照了個人），以及他們是如何明確提及在漫畫中所描繪的物體等等。
Radev 和其合作伙伴也利用了網(wǎng)絡(luò)理論來研究這些文字。他們列出了每段文字中所提到的主題，然后通過連接那些提到了相同主題的文字來創(chuàng)建網(wǎng)絡(luò)。這可以讓他們使用標(biāo)準(zhǔn)的網(wǎng)絡(luò)分析工具發(fā)現(xiàn)網(wǎng)絡(luò)中最重要的節(jié)點(diǎn)，即核心屬性。
每種方法都能產(chǎn)生一個說明文字的排名。Radev 和其合作伙伴會把每個排名最高的說明文字，和他們的“黃金法則”進(jìn)行對比：也就是《紐約客》讀者所選出來的最有趣的說明文字。
Radev 表示，研究結(jié)果提供了一些對有趣的理解。“我們發(fā)現(xiàn)這些方法一致認(rèn)為，符合帶有負(fù)面情緒、以人為本和詞匯的中心性的這些說明文字更有趣。”
這是一個奇怪的研究，以至于研究本身的可靠性也難以評估。研究人員承認(rèn)，在發(fā)現(xiàn)負(fù)面情緒與有趣的相關(guān)性方面一點(diǎn)都不驚喜；以人為本也是幽默中能夠預(yù)期到的特性。
很容易想象，這項(xiàng)研究的目標(biāo)之一，就是為《紐約客》每周一期的漫畫，制作能從成千上萬的內(nèi)容中自動選擇最佳說明文字的機(jī)器。如果可以，還能讓機(jī)器寫出更好的漫畫說明文字，也許會全程自動化。
但我們以后可以讓計(jì)算機(jī)講笑話了嗎？研究中并沒有那么明確，可以想見短期內(nèi)并不會這樣。
via technologyreview
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
