AI genereert op Shakespeare geïnspireerde poëzie, passend rijm en metrum

• Een nieuw deep learning-model schrijft gedichten die qua rijm en metrum beter presteren dan door mensen geschreven gedichten. 
• Sommige mensen vinden het moeilijk om onderscheid te maken tussen de twee, maar volgens experts schiet AI tekort op het gebied van emotie en leesbaarheid. 

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

Nu hebben onderzoekers van IBM, de Universiteit van Toronto en de Universiteit van Melbourne zich geconcentreerd op een creatieve tekstuele taak:automatische poëziecompositie. Ze hebben een diepgaand leermodel ontwikkeld, genaamd Deep-speare, dat de taal, het rijm en het metrum voor sonnetten vastlegt en gedichten genereert.

Het is behoorlijk fascinerend dat deze door AI gegenereerde gedichten lijken op de gedichten die het meest in de volksmond zijn geschreven door een Engelse dichter, William Shakespeare. Het model werkt heel goed:het creëert sonnetkwatrijnen met rijm- en klemtoonpatronen, die soms niet te onderscheiden zijn van door mensen geschreven gedichten.

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

Hoe hebben ze dit gedaan?

Onderzoekers concentreerden zich op sonnetten en produceerden kwatrijnen in jambische pentameter, gebaseerd op een onbewaakt model van rijm, taal en metrum, getraind op een nieuw corpus van sonnetten. Ze trainden een standaardtaalmodel op het sonnetcorpus, dat impliciet metrum op menselijk niveau vastlegt.

Kortom, ze stelden voor om zowel de inhoud als de vormen van poëzie te modelleren met een neurale architectuur, die drie sleutelcomponenten bevat

1. Taalmodel
2. Pentametermodel om jambische pentameter vast te leggen
3. Rijmmodel om rijmwoorden te leren.

Om het volgende woord in een bepaalde sonnetregel te voorspellen, maakt het taalmodel gebruik van standaard categorische kruisentropie. Op dezelfde manier is het pentametermodel getraind om de afwisselende patronen van jambische klemtoon te leren. Ten slotte scheidt het rijmmodel rijmende woordparen van niet-rijmende woordparen in een kwatrijn, met behulp van een op marges gebaseerd verlies.

Referentie: arXiv:1807.03491

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

Afbeelding tegoed: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, mogelijk gemaakt door het CUDA deep learning-framework.

Onderzoekers hebben zelfs de hulp ingeroepen van een Engelse literatuurexpert, Adam Hammond, om vier aspecten van de machinaal gegenereerde gedichten te beoordelen:leesbaarheid, rijm, metrum en emotie. Hammond was zich niet bewust van de bron van gedichten. Uit de resultaten bleek dat de AI beter presteert dan het menselijke werk op het gebied van rijm en metrum, maar tekortschiet op het gebied van emotie en leesbaarheid.

Hoewel het model misschien niet direct relevant lijkt voor praktische toepassingen, deelt het hetzelfde kernalgoritme dat andere generatieproblemen zoals samenvattingen, vertalingen en chatbots aanstuurt.

Lees:Een psychopaat-AI die overal de dood in ziet

Voordien hadden onderzoekers geprobeerd creativiteit na te bootsen met behulp van neurale netwerken, waaronder een door een bot geschreven script voor ‘Scrubs’ (een tv-comedyserie) en Google’s DeepDream-beeldgeneratieproject. Ze zeggen dat ze, om tot indrukwekkende poëzie te komen, in toekomstig onderzoek verder zullen kijken dan de inhoud en vormen.