AI algoritms identificē humoristiskus attēlus

Humors ir unikāla cilvēka īpašība. Lielākā daļa cilvēku var atpazīt smieklīgus teikumus, atgadījumus, attēlus, videoklipus utt. Bet ne vienmēr ir viegli pateikt, kāpēc šīs lietas ir humoristiskas.

Tāpēc ir viegli iedomāties, ka humors būs viens no pēdējiem bastioniem, kas atdala cilvēkus no mašīnām. Domāšana liecina, ka datori nevar attīstīt humora izjūtu, kamēr tie nevar aptvert mūsu bagātīgās sociālās un kultūras vides smalkumus. Un pat jaudīgākās AI mašīnas noteikti ir tālu no tā.

Iespējams, drīz šī domāšana būs jāmaina. Šodien Ardžuns Čandrasekarans no Virdžīnijas Tech un viņa draugi saka, ka ir apmācījuši mašīnmācības algoritmu, lai atpazītu humoristiskas ainas un pat tās izveidotu. Viņi saka, ka viņu mašīna var precīzi paredzēt, kad aina ir smieklīga un kad tā nav, lai gan tā neko nezina par redzētā sociālo kontekstu.

Psihologiem ir salīdzinoši vāja izpratne par humora mehānismiem. Lielākā daļa humora teoriju liecina, ka tā galvenās sastāvdaļas ir tādas īpašības kā negaidītība, neatbilstība, sāpes utt. Ja teikumos, attēlos un videoklipos ir viens vai visi no šiem elementiem, palielinās smaida izraisīšanas iespēja.

Čandrasekarans un citi aprobežojas ar pētniecību ar attēliem. Un, lai lietas būtu vienkāršas, tās aprobežojas ar attēliem, kas izveidoti, izmantojot klipkopas programmu. Tajā ir 20 dažādu vecumu, dzimumu un rasu papīra lelles cilvēku modeļi ar kustināmām rokām un kājām un astoņām dažādām sejas izteiksmēm. Tajā ir arī 31 dzīvnieks dažādās pozās un aptuveni 100 iekštelpu un āra objekti, piemēram, durvis, logi, galdi, saule, mākoņi, koki utt.

Jebkura mašīnmācīšanās procesa galvenā sastāvdaļa ir tādas datu bāzes izveide, kurā ir labi piemēri tam, kas algoritmam jāapgūst. Tas nav viegls uzdevums, jo īpaši, ja runa ir par kaut ko tik subjektīvu kā humors.

Komanda to risina, lūdzot Amazon pakalpojuma Mechanical Turk darbiniekiem izveidot smieklīgas ainas, izmantojot klipkopas programmu, kā arī īsu teikumu, kurā aprakstīts, kāpēc, viņuprāt, šīs ainas ir smieklīgas. Viņi arī lūdza šos cilvēkus, kā viņus sauc, turkerus, lai izveidotu smieklīgas ainas.

Tādā veidā komanda uzkrāja datubāzi ar 6400 attēliem, no kuriem puse bija smieklīgi un puse nejauki. Viņi kalibrēja datubāzi, lūdzot citiem turkeriem novērtēt katras ainas smieklīgumu, un atklāja, ka lielākā daļa no tiem ietilpa viņu paredzētajās kategorijās, lai gan dažas nejaukas ainas izrādījās netīši smieklīgas un otrādi.

Pēc papildu analīzes izrādījās, ka visjautrākā novērtētās ainas parasti bija saistītas ar dzīvniekiem vai cilvēkiem, kas darīja kaut ko neparastu.

Tas mudināja komandu domāt par veidiem, kā mainīt attēla smieklīgumu. Viens veids, kā to izdarīt, ir aizstāt objektu vai personu, kas dara kaut ko neparastu, ar citu objektu vai personu. Tāpēc viņi lūdza turkerus aizstāt objektus ar citiem objektiem, kas bija pēc iespējas līdzīgi pirmajam objektam, taču tas padarīja ainu smieklīgu. Viņi saka, ka tas palīdz mums izprast smalko semantiku, kas liek noteiktai objektu kategorijai veicināt humoru.

Tādā veidā viņi mainīja katru no 3000 smieklīgajiem attēliem piecos dažādos veidos, lai izveidotu datubāzi ar 15 000 smieklīgiem smieklīgiem attēliem.

Izmantojot šo datubāzi, Čandrasekarans un viņa kolēģi sāka apmācīt mašīnmācības algoritmu, lai pamanītu atšķirību starp smieklīgiem un nejaukiem attēliem (aizturot 20 procentus datu bāzes, lai to pārbaudītu vēlāk).

Viņi deva mašīnai divus uzdevumus. Pirmais bija paredzēt ainas smieklīgumu, bet otrais bija mainīt ainas smieklīgumu, nomainot objektu tajā.

Rezultāti rada interesantu lasīšanu. Kopumā algoritms diezgan labi darbojas, lai prognozētu ainas jautrību — noteikti labāk nekā nejaušs minējums.

Uzdevums mainīt ainas jautrību sastāv no divām daļām. Pirmais ir atpazīt ainas elementus, kas veicina humoru, un otrs ir izvēlēties aizstājēju, kas samazina smieklīgumu.

Pirmajā uzdevumā algoritms panāk interesantu progresu. Mēs novērojam, ka modelis uzzina, ka kopumā dzīvi objekti, piemēram, cilvēki un dzīvnieki, visticamāk ir humora avoti salīdzinājumā ar nedzīviem objektiem, un tāpēc tie mēdz aizstāt šos objektus, saka Chandrasekaran un co.

Algoritms progresē arī otrajā uzdevumā. Tas novērš humoru lielākajā daļā ainu, izvēloties aizstāt objektus, kas veicina humoru, ar citiem objektiem, kas labi iekļaujas fonā, saka komanda. Piemēram, algoritms var aizstāt neparasto objektu iekštelpu ainā ar augu podos, kas labi iederas, vai tauriņu āra ainās.

Un tehnika darbojas labi. Cilvēku vērtējumā ainas, ko mūsu [algoritms] padarīja smieklīgas, 95 procentos gadījumu izrādījās mazāk smieklīgas nekā sākotnējā smieklīgā aina, saka Čandrasekarans un citi.

Mašīnai mazāk labi veicās, padarot ainas smieklīgākas, taču tas noteikti ir kaut kas, pie kā jāstrādā nākotnē.

Protams, svarīgs jautājums ir, ko tieši mašīna mācās darīt. Šajā darbā smieklīgums var būt kā aizstājējs kaut kam citam. Patiešām, ja Čandrasekarana un līdzbiedru darbs tiktu pārrakstīts, katru reizi vārdam smieklīgums aizstājot ar vārdu dīvainība, neatbilstība vai negaidītība, rezultāti būtu ne mazāk derīgi.

Tomēr komandai ir interesanta pieeja, kas var novest pie dažiem aizraujošiem lietojumiem. Spēja novērtēt humoru ainā varētu palīdzēt pētniekiem izstrādāt labākus fotoattēlu rediģēšanas rīkus, rīkus, kas izvēlas smieklīgus attēlus ievietošanai sociālajos medijos, vai pat viedās kameras, kas var izvēlēties labākus mirkļus humoristisku attēlu uzņemšanai.

Tā ir arī daļa no jaunas skaitļošanas humora jomas — mašīnas intelekta izmantošana, lai liktu mums smieties. Iespējams, kādu dienu mašīnas pat dalīsies ar joku.

Atsauce: arxiv.org/abs/1512.04407 : Mēs esam humora būtnes: vizuālā humora izpratne un prognozēšana

paslēpties