Nu kan bots også registrere sarkasme: vil hjælpe med at bekæmpe misbrug online

Forskere ved Massachusetts Institute of Technology (MIT), USA, har udviklet en algoritme, der kan registrere sarkasme i tweets, tilsyneladende bedre end de fleste.

Forskerne havde oprindeligt til formål at udvikle en algoritme, der kan detektere racistisk og krænkende indhold, men i processen udviklede denne algoritme først, da de følte, at det var vigtigt for maskinen at forstå sarkasme.

Forskere mener, at forståelse af sarkasme er det første skridt for algoritmen mod at få et bedre greb om en følelsesmæssig undertekst af en sætning.

”Fordi vi ikke kan bruge intonation i vores stemme eller kropssprog til at kontekstualisere det, vi siger, er emoji, som vi gør det online, ” siger Iyad Rahwan, en lektor i MIT Media lab, der udviklede algoritmen med en af ​​hans studerende, Bjarke Felbo, fortalte MIT Review.

Mere i nyheder: Microsoft arbejder på en Windows 10-enhed: Kan støtte AR og VR Tech

”Det neurale netværk lærte forbindelsen mellem en bestemt form for sprog og en emoji, ” tilføjede Rahwan.

Twitter er allerede et knudepunkt for trold, og virksomheden har øget sin indsats for at bremse trussel.

Målingen af ​​holdninger og adfærd fra mennesker til stillinger på sociale medier har været en fremherskende praksis blandt annoncører.

Når den er fuldt udviklet, kan denne algoritme vise sig at være elementær i at hjælpe med at afbryde misbrug / racistisk / chikanerende tweets og brugerne også.

Algoritmen bruger dyb læringsteknik, som træner et simuleret neuralt netværk til at identificere og forstå mønstre ved hjælp af store mængder data.

Forskerne brugte en meget almindelig måde at vise følelser på internettet - emojier - som et mærkningssystem og en af ​​måderne til at træne deres algoritme til at identificere følelser på tweets.

For at teste bots i den virkelige verdensscenarie mod mennesker, rekrutterede forskerne frivillige gennem crowddsourcing-webstedet Mechanical Turks. Algoritmen identificerede sarkastiske undertoner i tweets med 82 procents nøjagtighed sammenlignet med de menneskelige frivillige, der identificerede sarkasme med 76 procents nøjagtighed.

”Det kan være, at det lærer alle de forskellige slanger, ” siger Felbo. ”Folk har meget spændende anvendelser af sproget - det siger det på den måde.”

Forskerne samlet over 55 milliarder tweets i alt, hvor 1, 2 milliarder af dem indeholdt emojier. Ved hjælp af disse emoji-indlejrede tweets hjalp forskerne algoritmen med at lære og identificere det, hvilke emojier der bruges til hvilken slags tekst - glad, trist, humoristisk og så videre.

Mere i nyheder: 10 vigtigste ting at vide om Rs 49.999 værd Asus Zenfone AR

Computere bliver bedre til maskinlæring dag for dag og får en bedre fornemmelse af, hvordan mennesker taler og opfører sig via social media data mining.

Denne algoritme kan bruges til at begrænse krænkende, racistisk og terrorrelateret indhold fra ikke kun Twitter, men de andre organisationer som Facebook, YouTube, Snap og andre, der prøver at gøre deres platforme såvel som internettet til et bedre sted.