中佛羅里達大學（University of Central Florida, UCF）研究人員開發了一種能偵測社群媒體中諷刺言論的全新 AI 人工智慧工具。據該團隊指出，對於希望能更充份了解並回應 Twitter 和 Facebook 等最受歡迎社群媒體平台上之客戶回饋意見的公司來說，這類型的工具非常有用。畢竟想手動跟上此一過程極其困難。
該工具主要方面之一莫過於情緒分析（Sentiment Analysis），其為識別文字中正面、負面和中性情緒的自動化過程。情緒分析側重於識別情感交流，而人工智慧則鎖定在邏輯分析和回應。這項新研究已發表在《Entropy》旗刊上。
文字中的諷刺語句成為情緒分析精準度主要障礙
首先教電腦模型學會偵測暗示諷刺的模式，並教其識別一個暗示諷刺之句子中的特定暗示字詞。這一切是透過團隊為模型輸入大量資料集並提高其準確性而達成的。
Ivan Garibay 是工業工程暨管理系統助理教授。他是 UCF 大學複雜調適系統實驗室（Complex Adaptive Systems Lab, CASL）AI 與大數據計畫主任。「在文字中出現諷刺無異是情緒分析表現上的主要障礙，」Garibay 說。「想在對話中識別出諷刺並非總是容易的，所以你可以想像，要讓電腦程式完美地做到這點是極具挑戰性的。我們藉由多頭自注意力（Multi-Head Self-Attention）和門控遞歸單元（Gated Recurrent Unit, GRU）開發了一種可解釋深度學習（Interpretable Deep Learning）模型。多頭自注意力模組有助於從輸入中識別出關鍵的諷刺暗示字詞，而遞歸單元則學習這些暗示字詞之間的長期依存關係，以便更好地對輸入文字進行分類。」
Garibay 和電腦科學博士生 Ramya Akula 以及美國國防高等研究計劃署（DARPA）資訊創新辦公室（I2O）的計畫經理 Brian Kettler 一起加入這項研究。
文字對話裡無法感受諷刺的語調、表情與手勢
「由於諷刺很大程度上依賴於講話音調、臉部表情和手勢，這些在文字中都無法完整體現，所以嘲諷一直是提高情緒分析準確性的主要障礙，尤其在社群媒體上為然，」Kettler 表示。「想在線上文字溝通中識別出諷刺不是件容易的事，因為這些線索都不容易取得。」
在 Garibay CASL 實驗室中的科學家多半依賴資料科學、網路科學、複雜性科學、認知科學、機器學習、深度學習、社會科學、團隊認知以及其他方法來因應這些挑戰。「在面對面的交談中，可以透過談話者的臉部表情、手勢和語氣毫不費力地識別出諷刺，」Akula 說。「在文字交流中偵測諷刺並不是一件容易的事，因為這些線索都不容易取得。尤其是隨著 Internet 使用量的激增，社群網路平台裡線上交流中的嘲諷偵測會變得更具挑戰性。」
（首圖來源：Flickr/Jason Howie CC BY 2.0）
