Ένα νέο μηχανογραφημένο σύστημα εκμάθησης, εντοπίζει ευαίσθητα συναισθήματα, όπως σαρκασμό, ειρωνεία και τάσεις αυτοκτονίας, σε μηνύματα κειμένου και emails.
Ιδρυτής του συστήματος αυτού, είναι ο Eden Saig, φοιτητής της επιστήμης των υπολογιστών στο Technion-Israel Institute of Technology στο Ισραήλ. Όπως ανέφερε, το σύστημα λειτουργεί με την αναγνώριση στερεότυπων επαναλαμβανόμενων λέξεων.
Έμπνευση του Saig, αποτέλεσαν τα μαθήματα που παρακολούθησε στον τομέα της Τεχνητής Νοημοσύνης. Μάλιστα, ο εν λόγω φοιτητής υποστηρίζει ότι ο τόνος της φωνής και οι διακυμάνσεις διαδραματίζουν σημαντικό ρόλο σε ένα προφορικό μήνυμα.
Εντούτοις, στα μηνύματα κειμένου και ηλεκτρονικού ταχυδρομείου, αυτές οι «αποχρώσεις» χάνονται και οι συγγραφείς που θέλουν να δηλώσουν σαρκασμό, συμπάθεια ή αμφιβολία αναγκάζονται να κάνουν χρήση εικόνων, ή "emoticons" (φατσούλες), όπως το χαμογελαστό πρόσωπο (smiley).
Όπως ο Saig ανέφερε χαρακτηριστικά: «Οι εικόνες αυτές είναι επιφανειακές ατάκες στην καλύτερη περίπτωση. Ποτέ δεν θα μπορούσαν να εκφράσουν τα λεπτά ή σύνθετα συναισθήματα που υπάρχουν στην πραγματική ζωή με την λεκτική επικοινωνία».
Αξίζει να αναφερθεί ότι, ο εν λόγω φοιτητής εφάρμοσε αλγόριθμους «μηχανικής μάθησης», στο περιεχόμενο χιουμοριστικών σελίδων, και χρησιμοποίησε τα αποτελέσματα για να αναγνωρίσει αυτόματα τις στερεότυπες συμπεριφορές που βρίσκονται καθημερινά στην επικοινωνία.
Μάλιστα, η ποσοτικοποίηση πραγματοποιήθηκε με την εξέταση 5.000 καταχωρήσεων στις κοινωνικές σελίδες των μέσων ενημέρωσης και, μέσω της στατιστικής ανάλυσης, ετοιμάστηκε ένα σύστημα εκμάθησης το οποίο αναγνωρίζει το δομημένο περιεχόμενο που θα μπορούσε να χαρακτηριστεί ως συγκαταβατικό ή αργκό.
Όπως ο Saig ανέφερε χαρακτηριστικά: «Τώρα, το σύστημα μπορεί να αναγνωρίσει πρότυπα τα οποία είτε είναι συγκαταβατικά ή συναισθηματικά και στοργικά, και μπορεί μάλιστα να στείλει μήνυμα κειμένου στον χρήστη, αν το σύστημα θεωρεί ότι η καταχώρηση μπορεί να είναι αλαζονική».
Σημαντικό είναι το σημείο όπου, όταν εφαρμοστεί σε άλλες σελίδες δικτύωσης μπορεί να βοηθήσει στον εντοπισμό περιεχομένου με τάσεις αυτοκτονίας, για παράδειγμα, ή «εκκλήσεις» για βοήθεια, ή εκφράσεις θαυμασμού ή για αναψυχή, είπε ο Saig.
[Πρέπει να είστε εγγεγραμμένοι και συνδεδεμένοι για να δείτε αυτόν το σύνδεσμο.]
Source: [Πρέπει να είστε εγγεγραμμένοι και συνδεδεμένοι για να δείτε αυτόν το σύνδεσμο.]