Hur en AI-algoritm lärde sig att skriva politiska tal

Fråga inte vad ditt land kan göra för dig; fråga vad du kan göra för ditt land.
—John F. Kennedy, 1961

När det kommer till politiska tal är det få och långt mellan de stora. Men vanliga politiska tal, till exempel de som hålls i amerikanska kongressdebatter, är många.

De är också anmärkningsvärt lika. Dessa tal tenderar att följa ett standardformat, upprepa liknande argument och till och med använda samma fraser för att indikera en viss politisk tillhörighet eller åsikt. Det är nästan som om det finns någon form av algoritm som bestämmer deras innehåll.

Det väcker en intressant fråga. Är det möjligt för en maskin att skriva den här typen av politiska tal automatiskt?

Idag får vi ett svar tack vare Valentin Kassarnigs arbete vid University of Massachusetts, Amherst, som har skapat en artificiell intelligensmaskin som har lärt sig hur man skriver politiska tal som är anmärkningsvärt lika verkliga tal.

Tillvägagångssättet är i princip okomplicerat. Kassarnig använde en databas med nästan 4 000 politiska talsegment från 53 amerikanska kongressdebatter för att träna en maskininlärningsalgoritm för att producera egna tal.

Dessa tal består av över 50 000 meningar som var och en innehåller 23 ord i genomsnitt. Kassarnig kategoriserade också talen efter politiskt parti, oavsett om det var demokrat eller republikan, och efter om det var för eller emot ett visst ämne.

Naturligtvis är djävulen i detaljerna om hur man analyserar denna databas. Efter att ha provat ett antal tekniker, bestämde sig Kassarnig på ett tillvägagångssätt baserat på n-gram, sekvenser av n ord eller fraser. Han analyserade först texten med hjälp av ett ordspråkssätt som taggar varje ord eller fras med dess grammatiska roll (oavsett om det är ett substantiv, verb, adjektiv och så vidare).

Han tittade sedan på 6-gram och sannolikheten för att ett ord eller en fras skulle dyka upp med tanke på de fem som förekommer före det. Det gör att vi mycket snabbt kan bestämma alla ord som kan förekomma efter de fem föregående och hur sannolikt vart och ett av dem är, säger han.

Processen att generera tal följer automatiskt av detta. Kassarnig börjar med att tala om för algoritmen vilken typ av tal den ska skriva – oavsett om det är för demokrater eller republikaner. Algoritmen utforskar sedan 6-gramsdatabasen för den kategorin för att hitta hela uppsättningen av 5-gram som har använts för att starta ett av dessa tal.

Algoritmen väljer sedan en av dessa 5-gram slumpmässigt för att starta sitt tal. Den väljer sedan nästa ord bland alla de som kan följa denna 5-gram. Sedan börjar systemet förutsäga ord efter ord tills det förutsäger slutet på talet, säger han.

Det finns få knep på vägen förstås. Algoritmen vet till exempel sannolikheten för att ett visst ämne kommer att dyka upp i ett tal. Den väljer sedan ämnen genom att räkna ut vilka andra ämnen som talet redan innehåller och avgöra hur väl dessa behandlas.

Resultaten är förvånansvärt bra. Här är ett exempel på ett automatiskt genererat demokratiskt tal:

Herr talman, i åratal har ärliga men olyckliga konsumenter haft möjligheten att hävda sin sak för att komma under konkursskydd och få sina rimliga och giltiga skulder avskrivna. Hur systemet är tänkt att fungera, utvärderar konkursdomstolen olika faktorer inklusive inkomst, tillgångar och skulder för att avgöra vilka skulder som kan betalas och hur konsumenter kan komma på fötter igen. Stå upp för tillväxt och möjligheter. Godkänn denna lagstiftning.

Det är imponerande med tanke på att det inte finns någon utbildning inblandad förutom de inledande delarna av taltaggar, 6-gramsanalysen av den politiska taldatabasen och lite magisk sås. Kassarnig har utvärderat dessa tal mot kriterier som grammatisk korrekthet, meningsövergång och talstruktur och innehåll och funnit att de generellt presterar bra. Särskilt den grammatiska riktigheten och meningsövergångarna i de flesta tal var väldigt bra, säger han.

Ändå är Kassarnig inte optimistisk om sin algoritms chanser att ta den politiska scenen med storm. Trots de goda resultaten är det mycket osannolikt att dessa metoder faktiskt kommer att användas för att generera tal för politiker, säger han, förmodligen för att den sortens skrupelfria politiker som kan utnyttja hans algoritm är så sällsynt (hosta).

Algoritmen kan dock användas för att generera andra typer av texter. Kassarnig föreslår att det skulle kunna producera nyhetsartiklar, med tanke på andra historier om samma incident. Ett annat alternativ kan vara att skapa blogginlägg om arXiv-papper, med tanke på en stor databas med liknande berättelser (ahem).

Och han uppmuntrar alla att prova, säg att all hans källkod är tillgänglig på GitHub ( https://github.com/valentin012/conspeech ). Vi uppmuntrar uttryckligen andra att försöka använda, modifiera och utöka det, säger han. Feedback och idéer till förbättringar är välkomna.

Ref:arxiv.org/abs/1601.03313: Generation av politiska tal

Dölj