Το σύστημα μηχανικής μάθησης μπορεί να ανιχνεύσει σαρκασμό και ειρωνεία

Γάλλος φυλακίστηκε για σερφ σε ιστότοπους τρομοκρατών αστυνομική τρομοκρατία
Brian A Jackson/Shutterstock
Οι άνθρωποι συχνά δυσκολεύονται να διακρίνουν το αληθινό συναισθηματικό συναίσθημα που εκφράζεται από έναν άλλο άνθρωπο στο α μήνυμα κειμένου, άμεσο μήνυμα, ηλεκτρονικό ταχυδρομείο ή ανάρτηση μέσων κοινωνικής δικτύωσης, οπότε ίσως μπορεί ένα σύστημα εκμάθησης υπολογιστή βοήθεια. Ένας φοιτητής επιστήμης υπολογιστών στο Ισραήλ εργάζεται ακριβώς πάνω σε αυτό και οι συνέπειες μπορεί να ξεπεράσουν οι σφαίρες της κοινωνικής αλληλεπίδρασης για το φιλτράρισμα του θορύβου για τις προσπάθειες αντιτρομοκρατίας και τις αυτοκτονίες πρόληψη.

Ο Eden Saig, φοιτητής επιστήμης υπολογιστών στο Τεχνολογικό Ινστιτούτο Technion — Ισραήλ έχει αναπτύξει ένα σύστημα μηχανικής μάθησης για τον ακριβή εντοπισμό και αναγνώριση συναισθήματα στις ηλεκτρονικές επικοινωνίες, όπως περιγράφεται στην εργασία του «Ταξινόμηση συναισθημάτων των κειμένων στα κοινωνικά δίκτυα», η οποία κέρδισε πρόσφατα το Amdocs Best Project Διαγωνισμός. Το κλειδί του συστήματος: αναλύοντας χιουμοριστικά Facebook ομάδες.

Προτεινόμενα βίντεο

Εφάρμοσε αλγόριθμους μηχανικής μάθησης σε περισσότερες από 5.000 αναρτήσεις σε σελίδες στο Facebook που μιλούν εβραϊκά για «ανώτερους και συγκαταβατικούς ανθρώπους» και «συνηθισμένους και λογικούς ανθρώπους», καθώς είχαν περιεχόμενο που «θα μπορούσε να παρέχει μια καλή βάση δεδομένων για τη συλλογή ομοιογενή δεδομένα που θα μπορούσαν, με τη σειρά τους, να βοηθήσουν να «διδάξει» ένα μηχανογραφημένο σύστημα μάθησης να αναγνωρίζει υποστηρικτικές σημασιολογίες ή αργκό λέξεις και φράσεις σε κείμενο," είπε ο Σάιγκ.

Η ακρίβεια της αναγνώρισης συναισθήματος βελτιώθηκε με τη συγχώνευση αναζητήσεων λέξεων-κλειδιών, γραμματικής δομικής ανάλυσης και του αριθμού των "μου αρέσει" που λαμβάνει μια ανάρτηση.

"Τώρα, το σύστημα μπορεί να αναγνωρίσει μοτίβα που είναι είτε συγκαταβατικά είτε συναισθήματα φροντίδας και μπορεί ακόμη και να στείλει ένα μήνυμα κειμένου στον χρήστη εάν το σύστημα πιστεύει ότι η ανάρτηση μπορεί να είναι αλαζονική." σύμφωνα με τον Saig.

Θεωρεί αυτό το είδος συστήματος μηχανικής μάθησης ως ένα χρήσιμο εργαλείο για να βοηθήσει την αστυνομία να αγνοήσει αναρτήσεις στα μέσα κοινωνικής δικτύωσης που αστειεύονται για τον σχεδιασμό τρομοκρατικών επιθέσεων και να αποφεύγουν τη χρήση πόρων για ψευδείς συναγερμούς.

Ο Saig βλέπει επίσης μια εφαρμογή για κατάθλιψη, αυτοκτονία και διαδικτυακό εκφοβισμό. Ένα σύστημα μηχανικής μάθησης θα μπορούσε να βοηθήσει στη διάκριση μεταξύ αστείων και πραγματικών απειλών ή κραυγών για βοήθεια.

«Ελπίζω ότι τελικά θα μπορέσω να αναπτύξω έναν μηχανισμό που θα έδειχνε στον συγγραφέα πώς θα μπορούσαν να είναι τα λόγια του ερμηνεύεται από τους αναγνώστες βοηθώντας έτσι τους ανθρώπους να εκφραστούν καλύτερα και να αποφύγουν να παρεξηγηθούν», είπε ο Saig.

Συστάσεις των συντακτών

  • ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ. συνήθως δεν ξεχνά τίποτα, αλλά το νέο σύστημα του Facebook το κάνει. Να γιατί
  • Deep-learning A.I. βοηθά τους αρχαιολόγους να μεταφράσουν αρχαίες πινακίδες
  • Η τεχνητή νοημοσύνη μπορεί πλέον να αναγνωρίσει ένα πουλί κοιτάζοντας μόνο μια φωτογραφία
  • Μια μαθησιακή μεροληψία που εντοπίζεται στα παιδιά θα μπορούσε να βοηθήσει στη δημιουργία A.I. καλύτερη τεχνολογία
  • Ο διευθυντής του Yakuza πιστεύει ότι η εξέλιξη του PS5 θα επικεντρωθεί στο A.I. και μηχανικής μάθησης

Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.