Cheesy afhentningslinjer er som ordspil: de fremkalder normalt stønn eller øjenruller, men folk kan stadig ikke modstå at udgøre nye. Så det kan virke uundgåeligt, at i de mange igangværende eksperimenter med kunstig intelligens, skabte et computerprogram, der håndterer afhentningslinjer.
Relateret indhold
- Denne computeralgoritme omdanner film til betagende kunstværker
- Hvordan computere lærte at spille Nintendo
- Kunstig hud kan hjælpe protesebrugere med at føle sig ægte
Resultaterne, rapporterer Rob LeFebvre for Engadget, er sød.
Forskningsforsker Janelle Shane lærte hendes neurale netværk ved hjælp af afhentningslinjer, hun skrabede fra Internettet. "At samle datasættet var meget mere smertefuldt, end jeg havde forventet, " skriver hun på sin blog. "Jeg havde ikke rigtig læst mange af disse før, og de fleste var uanstændige eller aggressive eller slags fornærmende."
Heldigvis forblev netværket ret høfligt. Hun skriver:
[A] Selvom det neurale netværk regnede ud de grundlæggende former "Du skal være en… fordi ...." eller "Hey baby, vil ..." lærte det aldrig at generere de værste linjer - de fleste af disse var baseret på ordspil, som det ikke gjorde ' t har en chance for at gengive.
Shanes pick-line-slynge netværk er baseret på et open source-program på GitHub kaldet char-rnn. Hendes netværk og andre kan lide det er computermodeller, der efterligner den måde hjernen fungerer på. Det får netværket til at opføre sig meget anderledes end en konventionel computer.
I alt fra bærbare computere til smartphones modtager computerens centrale processor kommandoer fra en bruger, finder de nødvendige instruktioner i hukommelsen, afkoder instruktionerne, udfører en handling og gemmer resultaterne i hukommelsen. Alle disse trin sker i rækkefølge, og hvert trin afhænger af, hvad der kommer før.
Ikke så i et neuralt netværk (eller mere præcist, et kunstigt neuralt netværk). Disse systemer består af en række sammenkoblede "knudepunkter", der hver især kan udføre et enkelt behandlingstrin. De mange forbindelser lader hver node reagere på en kombination af input fra andre noder. Der er ingen separat hukommelse. Viden gemmes i den samlede tilstand af selve netværket. Resultatet er et netværk, hvor summen er mere end delene.
Folk, der bruger neurale netværk, kan træne systemet ved at fodre det med en masse data. Netværket "lærer" derefter mønstrene og kan til sidst generere sin egen output.
Efter at have fodret hendes netværk med al den charme, Internettet kunne tilbyde, lod Shane det gøre sine ting. Resultaterne "varierede fra uforståelig til surrealistisk til slags sød, " skriver hun.
Der er reklamen: "Jeg har en cenver? Fordi jeg bare stuver skal dine orme." (Hej, engelsk er hård.) Der er forsøget på ost: "Er du et stearinlys? Fordi du er så varm af udseendet med dig." Den ligetil: "Hvis jeg skulle spørge dig ud?" Og det søde: "Du er så smuk, at du får mig til at føle mig bedre til at se dig."
Man kunne forestille sig en akavet sød robot, der udtrykker disse linjer til en forvirret bjælkehavende. Kunstner Shobana "Bob" Appavu gjorde med et par illustrationer.
Shane har trænet den samme netværksramme til at foreslå opskrifter, Pokemon (som blev illustreret af en anden kunstner), superheltenavne og irske melodititler.
I hvert tilfælde er de tidlige iterationer normalt fejl. ”Hvad jeg kan lide ved disse fiaskoer er, at de er et vindue ind i den indre struktur af tingene, på samme måde som optiske illusioner giver os ledetråde om vores visuelle systemers funktionsmåde, ” fortæller Shane til David Covucci på The Daily Dot om hendes neurale netværks opskriftsskrivning
Kunstige neurale netværk kan gøre mere end at glæde os med absurditet eller skrive uhyggelige julesange. Sofistikerede versioner har hjulpet lammede aber med at gå og kunne lade bærere af protetiske lemmer føles.
Nogle af afhentningslinjerne er måske endda værd at tage et skud i det virkelige liv. Prøv "Du ligner en ting, og jeg elsker dig, " eller den næsten fejlsikre "Hej."
