Генератор каламбуров может показаться обычному исследователю в области искусственного интеллекта чем-то несерьезным – скорее, забавным проектом на выходные, чтобы повеселить коллег в понедельник. Но для Хи Хи, разработавшей эту технологию во время аспирантуры в Стэнфорде, это одна из ключевых проблем машинного обучения. Ее цель – разработать ИИ, с которым будет приятно и весело общаться; ботов, которые не только читают новости и говорят, сколько градусов будет на улице сегодня, а которые могут сочинять шутки или стихотворения и даже рассказывать интересные истории. Но чтобы этого достичь, нужно преодолеть границы типичного обучения ИИ.

Нейронные сети – это естественные имитаторы, изучающие закономерности языка посредством анализа огромного количества текстов. Если ваша цель – слаженность, этот подход работает хорошо: настолько хорошо, что недавние достижения стали причиной дебатов на тему того, сможет ли ИИ генерировать убедительные фейковые новости. Но такие тексты являются сухими, как в газетах и Википедии. Нейронные сети, другими словами, подчиняются по умолчанию правилам, и это делает их ужасными шутниками. Хи объясняет, что хороший каламбур находится на грани слаженности и бессмыслицы, и нейронные сети не могут найти этот баланс. Кроме того, креативность на то и креативность, что она оригинальна. «Даже если бы мы обучили сеть на огромном списке разных шуток, смысла бы в этом не было», – говорит она.

Вместо этого она вместе с командой попыталась придать своему ИИ чувство юмора, используя идеи теории юмора. По словам Хи, чтобы каламбур сработал, ему нужно придать элемент сюрприза в локальном контексте и фактор «ага!», который будет связывать все воедино. Она даже придумала научный термин для этого: «принцип удивления на локальном и глобальном уровнях». Чтобы сочинить каламбур, нейронной сети дают пару омонимов, и она сначала генерирует обычное и связное предложение с первым словом, затем меняет его на второе, и чтобы шутка не теряла смысл, она добавляет еще одно слово, которое придаст ей больше логики.

Хи провела состязание по каламбуру, пригласив на него профессиональных юмористов. Согласно жюри, оценивающим шутки, машины проиграли. Системам Хи удалось одолеть людей лишь в 10% случаев. Плюс сама структура каламбуров была недоразвитой (иногда они были даже неправильно грамматически сформированы).

Тем не менее, Роджер Леви, директор лаборатории вычислительной психолингвистики в MIT, говорит, что этот подход является многообещающим шагом на пути к созданию ИИ с большей индивидуальностью. «Юмор – это сложный аспект изучения разума. Но он также делает нас людьми», – говорит он. Четыре года назад Леви описал вычислительный подход к прогнозированию качества каламбура – эта работа в итоге стала основой метода генерирования шуток Хи. Леви рассказал, что планировал протестировать что-то вроде «принципа удивления на локальном и глобальном уровнях», который более доработанный, чем теории в его работе. Концепция имела смысл, но у него не было данных, чтобы это доказать. «Мне очень приятно, что это действительно происходит», – говорит он.

В более широком смысле исследования в области юмора подчеркивают необходимость наделения нейронных сетей большим человеческим интеллектом, объясняет Леви. «Удивление – одна из самых центральных концепций в ИИ и когнитивной науке», – говорит он. У людей это отражает то, как мы воспринимаем новую или неожиданную информацию, и это легко можно отследить – например, по движению наших зрачков и глаз во время чтения. У машин это можно измерить только вероятностями: слово, которое с меньшей вероятностью встретится в данном контексте, удивит больше.

Таким образом, элемент сюрприза – удобный способ сравнить восприятие языка у людей и машин. Проведя на нейронных сетях несколько психолингвистических тестов, цель которых – проанализировать, как люди воспринимают неоднозначный язык, Леви обнаружил, что можно заметить те места, где машины неожиданно теряли нить или проскакивали задачи несвойственным человеку образом. Ориентируясь на эти различия и подстраиваясь под них, мы сможем создать ИИ с человеческим поведением.

А пока Хи надеется применить свой подход по генерированию каламбуров к более сложным творческим заданиям – например, рассказу историй. Идея в том, чтобы позволить нейронной сети то, что у нее хорошо получается, а затем отредактировать результат при помощи человеческого интеллекта. Нейронную сеть можно обучить, например, генерировать ряд совершенно последовательных предложений, а затем она будет редактировать результат и составлять краткую историю на основе теорий повествования. «Цель – составлять более интересные и оригинальные истории. Я хочу, чтобы ИИ сочинял рассказы о вещах, которые не пришли бы людям на ум», – говорит Хи.