Go Back

¿Las computadoras pueden detectar el sarcasmo? Sí, claro

Trump-teléfono-tweet

Los seres humanos detectan en el sarcasmo por instinto y por lo general no necesitan ayuda para saber si, por ejemplo, una publicación en las redes sociales tiene un tono de burla. Las máquinas se les hace más duro reconocerlo porque por lo general son programados para la lectura del texto y evaluar imágenes basadas estrictamente en lo que ven. Entonces, ¿cuál es el problema? Nada, a menos que los informáticos pudieran ayudar a las máquinas a entender mejor los juegos de palabras utilizados en las redes sociales y en Internet. Y parece que pueden estar a punto de hacer precisamente eso.

Justo lo que necesitabas: un motor de detección de sarcasmo que ayude a los mercadólogos a saber si estás alabando o burlándote de su producto y a ajustar sus mensajes para venderte más cosas. Sin embargo, los promotores dicen que las computadoras más inteligentes también podrían ayudar a las fuerzas del orden distinguen amenazas legítimas de los que exageran o se burlan de temas serios, especialmente en Twitter, Instagram y Tumblr, mensajes que utilizan imágenes. Incluso podría ayudar a los sistemas de atención al cliente automatizados darse cuenta de que estás molesto y comunicarte con una persona real o permitir a los políticos detectar si sus mensajes están resonando con los votantes.

Rossano Schifanella, un profesor asistente en ciencias de la computación en la Universidad de Turín, y un grupo de colegas de la empresa de Internet Yahoo! están tratando de enseñar a las máquinas que los seres humanos no siempre implican exactamente lo que dicen. Lo nuevo de su investigación, publicado a principios de este mes en el sitio de publicaciones científicas ArXiv, es que se examinaron imágenes, así como el texto en busca de pistas para entender el significado. "Lo que observamos es que si sólo se observa en el texto, no es suficiente", dice Schifanella. "Las imágenes ofrecen un contexto crucial".

Convencido de que el sarcasmo es realmente un gran problema, Schifanella señala que una empresa o institución puede utilizar la detección de burla automatizada para calibrar mejor el sentimiento del público sobre sus productos o imagen. Por ejemplo, el personal del candidato presidencial republicano Donald Trump podría haber salvado la campaña muchos dolores de cabeza si hubieran probado el logo Trump-Pence en las redes sociales antes de lanzarlo oficialmente. El universo de Twitter tuvo un día divertido con el diseño cuando la campaña se reveló en julio, con un comentarista preguntó cómo aplicamos sugestivamente entrelazar la T y la P a nuestros hijos.

Describir la forma en que recogemos en el sarcasmo a veces es difícil porque depende de una gran cantidad de conocimiento compartido. Por ejemplo, una imagen de un paisaje nevado con la leyenda "buen tiempo" podría ser leído literalmente si no se sabe lo suficiente acerca del tuitero o usuario de Instagram que prefiere pasar sus vacaciones en la playa.

Para abordar el problema de la conversión de este tipo de sutileza en algo digital, el equipo se dirigió a los seres humanos. Schifanella trabajó con los investigadores Paloma de Juan, Joel Tétreault y Liangliang Cao de Yahoo! (quien financió la mayor parte del estudio), para crear una herramienta para pedir a la gente de varios países de habla inglesa para etiquetar mensajes de redes sociales como sarcásticos o no. En primer lugar se evalúan los estados de sólo texto y después textos acompañados de imágenes. Los participantes no siempre estaban de acuerdo en cuanto a qué mensajes fueron sarcásticos, pero los investigadores encontraron que en la mayoría de los casos, la presencia de una imagen visual ayudó a identificar un mensaje encubierto. E independientemente de si había una imagen, claves lingüísticas que delataron el sarcasmo para los participantes incluían los juegos de palabras que utilizan "Me encantaaa el clima" en lugar de "Me encanta el clima", la puntuación y los signos de admiración (!) en particular.

Luego, los investigadores escribieron un algoritmo informático que representara matemáticamentelo que los humanos les habían enseñado. Esto le permitió a una máquina usar los datos de referencia para mirar nuevos mensajes y decidir si eran sarcásticos o no. Usando una combinación de características, la máquina detectó el sarcasmo el 80-89 por ciento del tiempo. Hubo alguna variación en los resultados, dependiendo de la plataforma de Twitter, Instagram o Tumblr y en el tipo de funciones que se utilizan para detectar el sarcasmo. Por ejemplo, utilizando sólo la semántica visuales (representaciones matemáticas de la forma en los seres humanos categorizan imágenes de grandes bases de datos) la exactitud cayó al 61 por ciento.

La mejora en la potencia de procesamiento informático y las grandes redes sociales hacen que este tipo de máquinas inteligentes, de acuerdo con Tetreault, que ahora es director de investigación en Grammarly, quien ofrece un programa de gramática y de corrección ortográfica. Las máquinas más poderosas pueden manejar mejor este tipo de aprendizaje basado en redes de neuronas y las redes sociales pueden proveer la información. Dibujando una analogía con aprender a jugar baseball, Tetrault dice, “Un niño viendo un juego (puede) no conocer las reglas, pero eventualmente lo verá lo suficiente y se dará cuenta de que golpear la bola con fuerza es bueno”.

Otros científicos en el área dicen que el trabajo es un paso importante para ayudar a las computadoras a conocer el lenguaje natural. “La ironía o el sarcasmo requieren cierta noción del contexto, es bastante diferente al análisis del spam o incluso de sentimientos (textuales)”, dice Wallace, un asistente de profesor de la Universidad del Noroeste de Ciencias de la computación e Información que no estuvo involucrado en el proyecto de Turín-Yahoo!. “Que trataran de incorporar algunas nociones de contexto; eso es lo genial de esto”.


Ovidio Toro Griego

Create your own