AI-algoritme identificerer humoristiske billeder

Humor er en unik menneskelig kvalitet. De fleste mennesker kan genkende sjove sætninger, hændelser, billeder, videoer og så videre. Men det er ikke altid nemt at sige, hvorfor disse ting er humoristiske.

Så det er nemt at forestille sig, at humor bliver en af ​​de sidste bastioner, der adskiller mennesker fra maskiner. Computere, går tankerne, kan umuligt udvikle en sans for humor, før de kan forstå finesserne i vores rige sociale og kulturelle omgivelser. Og selv de mest kraftfulde AI-maskiner er helt sikkert langt fra det.

Den tankegang skal måske snart ændres. I dag siger Arjun Chandrasekaran fra Virginia Tech og venner, at de har trænet en maskinlæringsalgoritme til at genkende humoristiske scener og endda skabe dem. De siger, at deres maskine nøjagtigt kan forudsige, hvornår en scene er sjov, og hvornår den ikke er det, selvom den intet kender til den sociale kontekst af, hvad den ser.

Psykologer har en relativt dårlig forståelse af mekanismerne bag humor. De fleste teorier om humor antyder, at dens nøglekomponenter er kvaliteter som uventethed, uoverensstemmelse, smerte og så videre. Når et eller alle disse elementer er til stede i sætninger, billeder og videoer, øges chancerne for at løfte et smil.

Chandrasekaran og co begrænser deres undersøgelse til billeder. Og for at gøre tingene enkle, begrænser de sig til billeder, der er lavet med et clipart-program. Dette indeholder 20 papirdukkemodeller af forskellige aldre, køn og racer med bevægelige arme og ben og otte forskellige udtryk. Den indeholder også 31 dyr i forskellige positurer og omkring 100 indendørs og udendørs genstande såsom døre, vinduer, borde, sol, skyer, træer og så videre.

En vigtig del af enhver maskinlæringsproces er at skabe en database, der indeholder gode eksempler på det, algoritmen skal lære. Dette er ikke nogen let opgave, især når det kommer til noget så subjektivt som humor.

Holdet tackler dette ved at bede arbejdere på Amazons Mechanical Turk-tjeneste om at skabe sjove scener ved hjælp af clipart-programmet sammen med en kort sætning, der beskriver, hvorfor de synes, scenerne er sjove. De bad også disse mennesker – tyrkere, som de kaldes – om at skabe usjove scener.

På denne måde samlede holdet en database med 6.400 billeder, hvoraf halvdelen var sjove og halvdelen usjove. De kalibrerede databasen ved at bede andre tyrkere om at vurdere det sjove ved hver scene og fandt ud af, at de fleste faldt ind under deres tilsigtede kategorier, selvom nogle få usjove scener viste sig at være utilsigtet sjove og omvendt.

Efter yderligere analyse viste det sig, at de scener, der blev vurderet som mest sjove, normalt var forbundet med dyr eller mennesker, der gjorde noget usædvanligt.

Det fik holdet til at tænke over måder at ændre det sjove ved et billede. En måde at gøre dette på er at erstatte objektet eller personen, der gør noget usædvanligt, med en anden genstand eller person. Så de bad turkere om at erstatte genstande med andre genstande, der lignede den første genstand så meget som muligt, men det gjorde scenen usjov. Dette hjælper os med at forstå finkornet semantik, der får en bestemt objektkategori til at bidrage til humor, siger de.

På denne måde ændrede de hvert af de 3.000 sjove billeder på fem forskellige måder for at skabe en database med 15.000 usjove modstykker af sjove billeder.

Med denne database under bæltet begyndte Chandrasekaran og co opgaven med at træne en maskinlæringsalgoritme til at se forskellen mellem sjove og usjove billeder (holde 20 procent af databasen tilbage for at teste den på senere).

De gav maskinen to opgaver. Den første var at forudsige det sjove af en scene, og den anden var at ændre det sjove af en scene ved at erstatte et objekt i den.

Resultaterne giver interessant læsning. Generelt klarer algoritmen sig ganske godt til at forudsige scenens sjovhed - bestemt bedre end et tilfældigt gæt.

Opgaven med at ændre det sjove ved en scene består af to dele. Den første er at genkende de elementer i scenen, der bidrager til humoren, og den anden er at vælge et erstatningsobjekt, der reducerer det sjove.

I den første opgave gør algoritmen nogle interessante fremskridt. Vi observerer, at modellen lærer, at animerede genstande som mennesker og dyr generelt er mere sandsynlige kilder til humor sammenlignet med livløse genstande og derfor har en tendens til at erstatte disse genstande, siger Chandrasekaran og co.

Algoritmen gør også fremskridt i den anden opgave. Det eliminerer humor i de fleste scener ved at vælge at erstatte genstande, der bidrager til humor, med andre genstande, der falder godt ind i baggrunden, siger teamet. Algoritmen kan for eksempel erstatte det usædvanlige objekt i en indendørs scene med en potteplante, der passer godt ind, eller en sommerfugl i udendørs scener.

Og teknikkerne fungerer godt. I menneskelige evalueringer blev scener gjort usjove af vores [algoritme] fundet at være mindre sjove end den originale sjove scene 95 procent af tiden, siger Chandrasekaran og co.

Maskinen gjorde det mindre godt med at gøre scener sjovere, men det er helt klart noget at arbejde på i fremtiden.

Et vigtigt spørgsmål er naturligvis, hvad maskinen præcist lærer at gøre. I dette arbejde kan sjovhed være en proxy for noget helt andet. Faktisk, hvis Chandrasekaran og co's papir blev omskrevet med hver forekomst af ordet sjov erstattet med ordet mærkelighed eller uoverensstemmelse eller uventethed, ville resultaterne ikke være mindre gyldige.

Ikke desto mindre har holdet en interessant tilgang, der kunne føre til nogle fascinerende applikationer. Evnen til at bedømme humoren i en scene kan hjælpe forskere med at udvikle bedre billedredigeringsværktøjer, værktøjer, der vælger sjove billeder at poste på sociale medier eller endda smarte kameraer, der kan vælge bedre øjeblikke til at tage humoristiske billeder.

Det er også en del af et nyt felt inden for beregningshumor - ved at bruge maskinintelligens til at få os til at grine. Måske en dag kan maskiner endda dele vittigheden.

Ref: arxiv.org/abs/1512.04407 : Vi er humorvæsener: Forståelse og forudsigelse af visuel humor

skjule