¿Un sentido algorítmico del humor? Aún no.

En los últimos meses, los investigadores de inteligencia artificial han logrado avances gigantescos para igualar el rendimiento humano en todo tipo de tareas que, hasta hace poco, se consideraban casi imposibles para las computadoras. Cosas como el reconocimiento de rostros y objetos, por ejemplo.

Pero hay algunas áreas que todavía son enormemente difíciles de comprender para las máquinas, y el humor es una de ellas. Tener sentido del humor es una cualidad personal única que es famosamente difícil de definir. Lo que hace reír a una persona y hacer muecas a otra puede ser casi imposible de predecir.

Eso se debe en parte a que el humor depende de muchos parámetros, muchos de los cuales son internos y pueden cambiar de un momento a otro. Lo que parece gracioso ahora puede no parecerlo tanto más tarde o mañana.

Sin embargo, varios lingüistas y psicólogos han sugerido que los buenos chistes comparten propiedades comunes y que un análisis sistemático debería revelarlas. La pregunta es cómo llegar a estas primitivas del humor y si el aprendizaje automático puede ayudar.

Hoy, recibimos una especie de respuesta gracias al trabajo de Dragomir Radev en la Universidad de Michigan en Ann Arbor y algunos amigos en Yahoo Labs, la Universidad de Columbia y el Neoyorquino revista. Estos chicos han estado estudiando los subtítulos asociados con los dibujos animados.

El Neoyorquino publica una caricatura sin subtítulos cada semana, pidiendo a los lectores que envíen su propio subtítulo. Luego, los editores eligen los tres primeros y piden a los lectores que voten por el mejor.

Eso ha creado una enorme base de datos de subtítulos. Hoy, Radev y compañía publican su estudio de 300 000 subtítulos escritos para 50 Neoyorquino dibujos animados desde 2005.

Su método es sencillo. Primero analizan el conjunto de subtítulos de cada caricatura utilizando una serie de técnicas lingüísticas estándar. Los criterios incluyen el nivel de sentimiento positivo o negativo, si los subtítulos estaban centrados en el ser humano (es decir, se referían a personas), qué tan claramente se refieren a los objetos representados en la caricatura, etc.

Radev y compañía también utilizaron la teoría de redes para estudiar los subtítulos. Enumeraron los temas mencionados en cada subtítulo y luego crearon una red vinculando subtítulos que mencionaban los mismos temas. Eso les permitió utilizar herramientas estándar de análisis de redes para encontrar, por ejemplo, el nodo más importante de la red, una propiedad conocida como centralidad.

Cada uno de estos métodos produjo una clasificación de los subtítulos. Radev y compañía tomaron cada uno de los subtítulos mejor calificados y los compararon con el estándar de oro: subtítulos que los lectores del Neoyorquino elegido como el más divertido. Hicieron esto mediante la opinión de crowdsourcing utilizando Mechanical Turk de Amazon, pidiendo a siete turkers que eligieran el más divertido de dos subtítulos o que los clasificaran por igual.

Radev y compañía dicen que los resultados brindan una idea de la naturaleza de los subtítulos divertidos. Descubrimos que los métodos que consistentemente seleccionan subtítulos más divertidos son el sentimiento negativo, el enfoque humano y la centralidad léxica, dicen.

Ese es un estudio curioso que es difícil de evaluar. Los investigadores reconocen que no sorprende encontrar que el sentimiento negativo se correlaciona con la diversión; el ser humano centrado también es una propiedad esperada del humor. El significado de la centralidad léxica es menos claro.

Y ahí radica el problema de este tipo de investigación. Es fácil imaginar que un objetivo de este tipo de trabajo sería crear una máquina capaz de elegir automáticamente el mejor subtítulo entre miles ingresados ​​en el Neoyorquino competición cada semana. Pero los equipos parecen más lejos que nunca de lograrlo. ¿Alguno de estos métodos automáticos eligió de manera confiable el subtítulo elegido por los lectores? Radev y compañía no lo dicen, así que presumiblemente no.

Un objetivo más ambicioso sería encontrar una manera de escribir mejores subtítulos para los dibujos animados, tal vez de forma automática. ¿La conclusión de este trabajo? No contengas la respiración.

Y tal vez eso sea un alivio. Al menos hay una cualidad humana que parece estar más allá del alcance de las técnicas actuales de aprendizaje automático.

Para su crédito, Radev y compañía están poniendo a disposición de otros investigadores su corpus de dibujos animados y subtítulos. Entonces, si hay alguien que cree que puede hacerlo mejor, puede intentarlo.

Ref: arxiv.org/abs/1506.08126 : El humor en el discurso colectivo: Detección de diversión no supervisada en el concurso de subtítulos de dibujos animados del New Yorker

esconder