Forfattere
Computere er rigtig gode til at udføre mange opgaver, som er svære for mennesker, såsom at løse komplicerede matematiske problemer eller forudsige vejret. Men der er mange ting, som mennesker gør bedre end computere. Humor – det vil sige at fortælle vittigheder og vide, hvornår noget er sjovt – er en af de ting, som computere ikke kan gøre lige så godt som mennesker. I denne artikel vil du lære, hvorfor det er svært for computere at forstå vittigheder. Du vil også lære om kunstig intelligens (AI), og hvordan et nyt underfelt af AI, kaldet maskinlæring, kan hjælpe computere med at forstå humor. Vi håber, at computere i fremtiden vil være i stand til at forstå og generere humor, ligesom mennesker gør – eller endnu bedre!
Computere er en stor del af vores liv. Vi bruger dem alle til at spille, lave lektier, se videoer og meget mere. Men en computer er mere end bare den bærbare eller stationære, du har derhjemme eller i skolen. Ordet computer betyder faktisk enhver form for maskine, der bruger elektroniske data. For eksempel er mobiltelefoner, mikrobølger, elevatorer, biler og endda “talende” legetøj alle former for computere!
I dag er computernes evner ekstraordinære. De kan forstå menneskelig tale, skrive musik og tegne, søge efter information på nettet, diagnosticere sygdomme og endda køre bil! Men humor er en opgave, som computere stadig kæmper med.
Fra en ung alder lærer vi at grine, når noget er sjovt, og også hvordan man får andre mennesker til at grine. Humor er en vigtig del af menneskelivet – i alle kulturer verden over fortæller folk vittigheder og griner dagligt. Selvom humor er meget vigtig for mennesker, kæmper computere stadig med at “vide”, hvornår noget er sjovt, for slet ikke at tale om selv at være sjove. Hvorfor er det sådan? En af hovedårsagerne er, at humor er meget subjektiv, hvilket betyder, at den er forskellig for hver person, tid og sted. Vi ved ofte ikke selv, hvad der gør noget sjovt! Nogle gange får en bestemt ting en person til at grine, mens en anden slet ikke synes, det er sjovt. Synes du for eksempel, at følgende vittighed er sjov?
Hvorfor var 6 bange for 7? Fordi 7 spiste 9!
Nogle mennesker vil måske grine af denne vittighed, og andre vil ikke. Da selv individuelle mennesker ikke altid er enige om, hvad der er sjovt, vil computere så nogensinde forstå joken?
Gennem historien har folk fra områder som filosofi, psykologi og lingvistik (studiet af sprog) forsøgt at udvikle videnskabelige teorier for at besvare spørgsmålet om, hvad der gør noget sjovt. I deres forskning har de gjort nogle interessante opdagelser. En af opdagelserne var, at hvis noget skal være sjovt, skal det indeholde et element af overraskelse. Lad os for eksempel se på denne vittighed:
“Mor, jeg har ikke lyst til at gå i skole i dag,” sagde Danny. “Børnene generer mig, og alle lærerne hader mig.”
“Men Danny, du må gå,” insisterede mor.
“Men hvorfor?” spurgte Danny.
“Fordi du er rektor!” svarede mor.
Vittigheden er sjov, fordi den er overraskende – vi forventede, at Danny ville være studerende! Så alt, hvad vi har brug for, er, at computeren kan identificere en “overraskelse”. Det lyder nemt, ikke? Ikke så hurtigt. Som mennesker ved vi en masse om, hvordan verden fungerer, og vi forventer, at visse ting sker, fordi vi har oplevet dem. Computere, på den anden side, oplever ikke verden, som vi gør. De ved ikke, hvad der “normalt” sker, og kan derfor ikke vide, hvad der er overraskende!
Kunstig intelligens (AI) er det felt inden for datalogi, der forsøger at få en computer til at “tænke” som et menneske. I begyndelsen af AI-forskningen, computer programmører mputer – var nødt til at give computeren meget specifikke regler for at få den til at gøre, hvad de ønskede. Her er et eksempel på denne type regel fra den menneskelige verden: “Hvis en person går til lægen med feber og hoste, skal han/hun have en coronatest.” For nylig er programmører begyndt at bruge et AI-underfelt, der hedder machine learning. Med maskinlæring behøver man ikke at give computeren nogen regler; i stedet lærer computeren af eksempler, ligesom mennesker gør. Denne type læring kan hjælpe en computer med at identificere overraskelser og humor.
Maskinlæring betyder, at programmører giver computere eksempler, hver med en etiket, eller tag, der beskriver det. Efter mange eksempler lærer computeren at identificere eksemplerne på egen hånd (figur 1)! Børn lærer på en lignende måde – når et barn ser et dyr (eksemplet), fortæller en voksen barnet, hvilken slags dyr det er (tagget). Med nok eksempler vil barnet lære at identificere dyrene på egen hånd.
Så kan computere lære at forstå humor? Ja, det kan de! Med maskinlæring kan computere løse humorproblemer, som tidligere blev anset for umulige.
I professor Dafna Shahafs laboratorium studerer forskerne kunstig intelligens, herunder hvordan man lærer computere at forstå humor. For at gøre dette skaber vi maskinlæringsmodeller, som du nu er bekendt med! Professor Shahafs første projekt om computere og humor var baseret på en konkurrence i den amerikanske avis The New Yorker [1]. I denne konkurrence offentliggør avisen en tegneserie uden ord, og læserne bliver bedt om at skrive en sjov billedtekst. Den læser, der kommer med den sjoveste billedtekst, vinder. Der er en person på avisen, hvis job det er at vælge de sjoveste billedtekster blandt de tusindvis, der kommer ind hver uge. Det lyder som et sjovt job, ikke? Det viser sig, at det er det ikke, for efter et par uger med så mange sjove billedtekster, virker intet sjovt længere! Kunne en computer hjælpe avisen med at udvælge det sjoveste indlæg? Professor Shahaf gav computeren eksempler på sjove billedtekster, og computeren lærte at bedømme dem ud fra, hvor sjove de var.
I et andet projekt lærte to forskere i professor Shahafs laboratorium – en ph.d.-studerende ved navn Chen Shani og en kandidatstuderende ved navn Nadav Bornstein – en computer at identificere sjove videnskabelige projekter [2]. Du læste rigtigt – sjove videnskabelige projekter! Dette projekt var baseret på en pris kaldet Ig Nobel Prize, som er en humoristisk pris, der gives til videnskabelige undersøgelser, der “først får folk til at grine og derefter får dem til at tænke.” Her er nogle af de undersøgelser, der har vundet denne pris:
Ved hjælp af maskinlæring lærte forskerne computeren at udvælge sjove videnskabelige undersøgelser som dem, der er nævnt!
Et andet projekt, ledet af Chen Shani sammen med Amazon, kiggede på humor og Alexa, Amazons virtuelle stemmeassistent. [3]. Folk, der bruger Alexa, har en tendens til at behandle hende, som om hun var et menneske, og prøver ofte at lave sjov med hende. For eksempel kan de sige: “Hej, Alexa, har du lyst til at bygge en snemand?” Problemet er, at Alexa og andre programmer som hende ikke er designet til at forstå humor, men til at hjælpe med daglige opgaver som at søge på internettet eller rapportere om vejret. Derfor forstår de normalt ikke eller reagerer på den rigtige måde, når nogen laver sjov med dem, og det er ikke sjovt! For at lære virtuelle assistenter som Alexa at forstå joken, indsamlede forskerne eksempler på sjove spørgsmål, som folk stiller Alexa, såsom “Har du øjne?”; “Vil du med mig i biografen?”; “Bestil en million vingummibamser til mig” og meget mere. De brugte disse eksempler og mange flere til at karakterisere brugernes legesyge i retning af automatisk at opdage den.
Humor er et godt eksempel på et menneskeligt træk, som det stadig er meget svært for computere at forstå og bruge på samme måde som mennesker. Men der er håb!
Vi har set, at computere kan forstå humor, når det gælder visse opgaver. Vores håb for fremtiden er, at vi kan lære computere at forstå humor bedre og bedre. Vil du hjælpe os? Det første, du skal gøre, er at lære computerprogrammering!
Kunstig intelligens: Et videnskabeligt felt, der sigter mod at få en computer til at “tænke” og “opføre sig” på måder, der ligner menneskers.
Computerprogrammering: At skrive instruktioner til en computer. Programmører bruger programmeringssprog til at skrive koder, eller instruktioner, til applikationer, hjemmesider og computersoftware.
Maskinlæring: En form for kunstig intelligens, hvor en computer lærer af erfaring, ligesom mennesker. I modsætning til AI behøver programmører ikke at give computeren instruktioner, men i stedet give eksempler.
Virtuel stemmeassistent: Software, der kan forstå menneskelig tale og svare. Dens formål er at hjælpe brugere ved at udføre opgaver for dem.
[1] Shahaf, D., Horvitz, E., og Mankoff, R. 2015. “Inside jokes: identifying humorous cartoon captions,” in Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (Sydney). s. 1065-74.
[2] Shani, C., Borenstein, N., og Shahaf, D. 2021. “Hvordan blev det her finansieret?! Automatically identifying quirky scientific achievements,” in Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Bangkok). s. 14-28.
[3] Shani, C., Libov, A., Tolmach, S., Lewin-Eytan, L., Maarek, Y. og Shahaf, D. 2022. “Alexa, vil du bygge en snemand? Characterizing playful requests to conversational agents,” in CHI Conference on Human Factors in Computing Systems Extended Abstracts (New Orleans, LA). s. 1-7.
Mange tenniskampe finder sted i varme omgivelser, når solen skinner. Tennisspillere skal derfor træne i varmen for at lære at præstere under varme forhold. Selvom de måske får rådet til at bære lyst tøj, bærer mange spillere sorte T-shirts under træning og kampe. Denne undersøgelse, der blev gennemført med unge, dygtige tennisspillere, undersøgte, om T-shirtens farve (sort eller hvid) havde nogen indflydelse på spillerne. Under to træningskampe i varmen (32 °C) målte vi luft- og T-shirt-temperaturen, hvor hårdt spillerne følte, at de arbejdede, hvor komfortable de følte sig med omgivelserne, og hvor trætte de følte sig. Resultaterne viste, at når man spiller tennis udendørs i varmen, har T-shirtens farve ingen indflydelse på fysiske faktorer som temperatur. At bære en sort T-shirt kan dog have en negativ indflydelse på mentale faktorer ved at øge atleternes følelse af at arbejde hårdt, træthed og ubehag.
…
Børn har brug for at bevæge sig. Bevægelse af kroppen kaldes også fysisk aktivitet. Fysisk aktive børn har sundere kroppe og sind. Når børn er fysisk aktive, hjælper det deres kroppe og sind med at føle sig godt tilpas. De fleste børn opfylder ikke de nationale anbefalinger for fysisk aktivitet. Skoler er et godt sted at hjælpe børn med at bevæge sig mere. En måde at gøre dette på er at give børnene mulighed for at være fysisk aktive i klasseværelset. Når børn er fysisk aktive i klasseværelset, kaldes det bevægelsesintegration. Når børn sidder for længe, kan de føle sig triste og ensomme, men når lærerne bruger bevægelsesintegration, føler børnene sig gladere og klar til at lære. I denne artikel vil vi tale om, hvorfor bevægelsesintegration er vigtigt, og hvordan det kan hjælpe børn med at klare sig bedre i skolen.
…
Cerebral synshandicap (CVI) er en synsforstyrrelse forårsaget af hjerneskade, der gør det vanskeligt at behandle information fra øjnene. Selvom deres øjne fungerer fint, har børn med CVI ofte svært ved at finde og genkende objekter, især på rodede eller travle steder. Klinikere, såsom øjenspecialister (der studerer øjne og synsfunktioner) og neuropsykologer (der studerer hjernefunktioner), arbejder på at identificere børn med CVI og støtte dem, hvis de har det. En nyttig test er en visuel søgeopgave, der viser, hvordan børn leder efter ting. Hvorfor er det svært for børn med CVI at søge? Videnskabelige forskere bruger værktøjer som øjenregistrering, der viser, hvor børn kigger hen under en søgning, og hjerneafbildning, der hjælper dem med at forstå, hvordan dele af hjernen arbejder sammen. Ved at kombinere klinisk praksis og videnskabelig forskning kan vi bedre forstå, hvordan børn med CVI oplever verden, og finde nye måder at hjælpe dem i dagligdagen.
…
Forestil dig at kunne styre dit yndlingsvideospil ved blot at tænke på det! Det lyder måske som science fiction, men denne utrolige teknologi er ved at blive en realitet takket være hjerne-computer-grænseflader (BCI’er). BCI’er muliggør kommunikation mellem hjernen og et kunstigt apparat. Forestil dig din hjerne som en kraftfuld maskine, der sender elektriske signaler, når du vil gøre noget, f.eks. styre en robotarm med tankerne, efter at du har mistet evnen til at bevæge dine hænder. BCI’er overfører hjernesignaler til en computer, som derefter lærer at forstå disse signaler og oversætte dem til instruktioner, der styrer enheden. I denne artikel udforsker vi en verden, hvor sind og maskiner interagerer, og hvor mulighederne kun er begrænset af vores fantasi.
…