AI genereert Shakespeare-geïnspireerde poëzie, met rijm en meter

• Een nieuw deep learning-model schrijft gedichten die door mensen geschreven gedichten overtreffen in rijm en meter.
• Sommige mensen vinden het moeilijk om het verschil te onderscheiden, maar volgens experts tekort AI op emotie en leesbaarheid.

Kunnen deep learning-methoden gebruikt worden voor creatieve taken? Het antwoord is ja. We gebruiken deze machine learning-technieken al in creatieve toepassingen zoals het componeren van muziek, het ontwerpen van sculpturen en automatische choreografie.

Nu hebben onderzoekers van IBM, Universiteit van Toronto en de Universiteit van Melbourne zich gericht op een creatieve tekstuele taak: automatische poëziecompositie. Ze hebben een deep learning-model ontwikkeld, genaamd Deep-speare, dat de taal, rijm, meter voor sonnetten vastlegt en gedichten genereert.

Het is vrij fascinerend dat deze AI-gegenereerde gedichten lijken op die meest populair geschreven door een Engelse dichter, William Shakespeare. Het model werkt heel goed: het creëert sonnet-kwartetten met rijm- en klemtoonpatronen, die soms ononderscheidbaar zijn van gedichten geschreven door mensen.

Een sonnet is een kort lyrisch gedicht, gepopulariseerd door Shakespeare. Meestal bevat het 14 regels gebundeld als 3 kwartetten (vier regels) en een couplet (twee regels).

Hoe deden ze dit?

Onderzoekers focussten op sonnetten en produceerden kwartetten in jambische pentameter op basis van een unsupervised model van rijm, taal en meter getraind op een nieuwe corpus van sonnetten. Ze trainden een vanilla-taalmodel op sonnet-corpus, wat meter impliciet vastlegt op menselijk-niveau prestaties.

Kortom, ze gingen ervan uit dat zowel poëzie-inhoud als -vormen gemodelleerd kunnen worden met een neurale architectuur, die drie sleutelcomponenten bevat:

1. Taalmodel
2. Pentameter-model om jambische pentameter vast te leggen
3. Rijmmodel om rijmende woorden te leren.

Om het volgende woord in een bepaalde sonnetregel te voorspellen, gebruikt het taalmodel standaard categorische cross-entropie. Op dezelfde manier is het pentameter-model getraind om de afwisselende patronen van jambische klemtoon te leren. Ten slotte scheidt het rijmmodel rijmende woordparen van niet-rijmende in een kwartet, met behulp van een margin-gebaseerde loss.

Referentie: arXiv:1807.03491

Het taalmodel genereert één woord tegelijk, terwijl het pentameter-model meter-conforme zinnen samplet en het rijmmodel rijm afdwingt. Al deze componenten worden samen getraind.

Afbeeldingscredit: The Daily Dot

Het neurale netwerk is getraind op 2.685 sonnetten met ongeveer 367.000 woorden, met behulp van NVIDIA Tesla GPU's met TensorFlow aangedreven door CUDA deep learning-framework.

Onderzoekers roepen zelfs de hulp in van een Engels literatuur-expert, Adam Hammond, om 4 aspecten van de machine-gegenereerde gedichten te beoordelen — leesbaarheid, rijm, meter en emotie. Hammond was onwetend van de bron van de gedichten. De resultaten onthulden dat de AI de menselijke prestaties overtreft in rijm en meter, maar tekortschiet op emotie en leesbaarheid.

Hoewel het model niet direct relevant lijkt voor praktische toepassingen, deelt het dezelfde kernalgoritme die andere generatieproblemen aandraagt zoals samenvatting, vertaling en chatbots.

Lees ook: Een psychopatische AI die de dood overal ziet

Vóór dit probeerden onderzoekers creativiteit na te bootsen met neurale netwerken, inclusief een bot-geschreven script voor 'Scrubs' (een tv-comedyserie) en Google's DeepDream-beeldgeneratieproject. Ze zeggen dat om indrukwekkende poëzie te bereiken, ze in toekomstig onderzoek verder zullen kijken dan inhoud en vormen.