专治阴阳怪气！AI鉴讽师，命中率90%(2)

让AI听懂讽刺，十分有必要

虽然讽刺和谎言非常难以辨别，但是如果能够创造出这样一台AI鉴别机器，将会有很多实际应用。 就比如，买东西购物后进行评价。零售商非常热衷于对评论进行「意见挖掘」和「情绪分析」。 通过人工智能来监测评论内容，还有顾客的情绪，就能得知自家产品是否受到赞扬、差评等有价值的信息。 还有就是在社交媒体上内容审查的应用了。 在保护言论自由的同时还要限制网络言语滥用，就得需要了解一个人什么时候是认真的，什么时候是在开玩笑。 举个例子，有人在推特上声称自己刚刚加入当地的恐怖组织，或者自己正往行李箱里装炸弹准备前往机场。 此时就很有必要确定这句话到底是认真的，还是玩笑话。

人工智能的历史

为了了解当前对于人工智能识别反讽的研究状况，我们需要先了解一下人工智能的历史。 这段历史通常分为两个时期。 直到20世纪90年代，研究人员还试图用一套正式规则来编写计算机程序，以便在预定义的情况下做出反应。 如果你是80后或90后，肯定会记得90年代的 Microsoft Word里那个讨厌的「回形针」办公室助理 Clippy，它总是喋喋不休地冒出来，提供一些看起来是废话的建议。

进入21世纪后，这个模型已经被数据驱动的机器学习和神经网络所取代。 它们会把给定的大量例子被转换成数值，在这些数值的基础上，计算机可以执行复杂的数学运算，这种运算是人力无法做到的。 并且，计算机不仅仅会遵守规则，它还会从经验中学习，并且开发出独立于人为干预的新操作。 前者和后者的差别，就好像Clippy和面部识别技术的差别。

教AI识别讽刺

为了构建一个能够检测讽刺的神经网络，研究人员首先开始研究一些最简单的讽刺。 他们会从社交媒体上提取数据，收集所有标有#sarcasm或/s的帖子（后者是Reddit用户用来表示他们在反讽的一种简写）。 接下来的重点并不是教AI识别帖子的表面含义和背后的阴阳怪气。 而是让它按照指示去搜索一些重复出现的东西，这些东西被研究人员称之为「句法指纹」——单词、短语、表情符号、标点符号、错误、上下文等等。 最重要的一步是，通过添加更多的示例流（比如同一话题下的其他帖子或来自同一帐户的其他帖子），来为模型提供充分的数据支持。然后，对每个新的单独示例进行一系列计算，直到得到一个单一的判断:是讽刺or不是讽刺。 最后，可以编一个机器人来询问每个发帖人：你是在讽刺吗？（听起来有点傻……）任何回应都会添加到AI不断增长的经验中。 通过这样的方法，最新的讽刺探测器AI的成功率接近惊人的90% 。