KI generiert Shakespeare-inspirierte Poesie, passenden Reim und Metrum

• Ein neues Deep-Learning-Modell schreibt Gedichte, die von Menschen geschriebene Gedichte in Reim und Metrum übertreffen. 
• Manchen Menschen fällt es schwer, zwischen den beiden zu unterscheiden, aber Experten zufolge mangelt es der KI an Emotionen und Lesbarkeit. 

Können Deep-Learning-Methoden für kreative Aufgaben genutzt werden? Die Antwort ist ja. Wir haben diese Techniken des maschinellen Lernens in kreativen Anwendungen wie dem Komponieren von Musik, dem Entwerfen von Skulpturen und der automatischen Choreografie eingesetzt.

Jetzt haben sich Forscher von IBM, der University of Toronto und der University of Melbourne auf eine kreative Textaufgabe konzentriert:das automatische Verfassen von Gedichten. Sie haben ein Deep-Learning-Modell namens Deep-speare entwickelt, das die Sprache, den Reim und das Metrum für Sonette erfasst und Gedichte generiert.

Es ist ziemlich faszinierend, dass diese KI-generierten Gedichte denen ähneln, die am häufigsten von einem englischen Dichter, William Shakespeare, geschrieben wurden. Das Modell funktioniert sehr gut:Es erstellt Sonett-Vierzeiler mit Reim- und Betonungsmustern, die manchmal nicht von von Menschen geschriebenen Gedichten zu unterscheiden sind.

Ein Sonett ist ein kurzes lyrisches Gedicht, das von Shakespeare populär gemacht wurde. Normalerweise enthält es 14 Zeilen, gebündelt als 3 Vierzeiler (vier Zeilen) und ein Couplet (zwei Zeilen).

Wie haben sie das gemacht?

Die Forscher konzentrierten sich auf Sonette und erstellten Vierzeiler im jambischen Pentameter auf der Grundlage eines unbeaufsichtigten Reim-, Sprach- und Metrummodells, das auf einem neuartigen Sonettkorpus trainiert wurde. Sie trainierten ein Vanilla-Sprachmodell auf dem Sonett-Korpus, das das Metrum implizit auf menschlicher Ebene erfasst.

Kurz gesagt, sie schlugen vor, sowohl den Inhalt als auch die Form der Poesie mit einer neuronalen Architektur zu modellieren, die drei Schlüsselkomponenten enthält

1. Sprachmodell
2. Pentameter-Modell zur Erfassung jambischer Pentameter
3. Reimmodell zum Erlernen reimender Wörter.

Um das nächste Wort in einer bestimmten Sonettzeile vorherzusagen, verwendet das Sprachmodell die standardmäßige kategoriale Kreuzentropie. In ähnlicher Weise wird das Pentameter-Modell darauf trainiert, die alternierenden Muster jambischer Belastung zu lernen. Schließlich trennt das Reimmodell reimende Wortpaare von nicht reimenden Wortpaaren in einem Vierzeiler mithilfe eines randbasierten Verlusts.

Referenz: arXiv:1807.03491

Das Sprachmodell generiert jeweils ein Wort, während das Pentameter-Modell metrische Sätze abtastet und das Reimmodell Reim erzwingt. Alle diese Komponenten werden gemeinsam trainiert.

Bildnachweis:The Daily Dot

Das neuronale Netzwerk wird auf 2.685 Sonette mit etwa 367.000 Wörtern trainiert, wobei NVIDIA Tesla-GPUs mit TensorFlow verwendet werden, die auf dem CUDA Deep Learning Framework basieren.

Die Forscher nahmen sogar die Hilfe eines englischen Literaturexperten, Adam Hammond, in Anspruch, um vier Aspekte der maschinell generierten Gedichte zu bewerten – Lesbarkeit, Reim, Metrum und Emotion. Hammond war sich der Quelle der Gedichte nicht bewusst. Die Ergebnisse zeigten, dass die KI die menschliche Arbeit in Bezug auf Reim und Metrum übertrifft, aber in Bezug auf Emotion und Lesbarkeit mangelhaft ist.

Obwohl das Modell für praktische Anwendungen möglicherweise nicht direkt relevant zu sein scheint, verfügt es über denselben Kernalgorithmus, der andere Generierungsprobleme wie Zusammenfassung, Übersetzung und Chatbots antreibt.

Lesen Sie:Eine Psychopathen-KI, die in allem den Tod sieht

Zuvor hatten Forscher versucht, Kreativität mithilfe neuronaler Netze nachzuahmen, darunter ein von Bots geschriebenes Drehbuch für „Scrubs“ (eine TV-Comedy-Serie) und das Bildgenerierungsprojekt DeepDream von Google. Sie sagen, dass sie, um beeindruckende Poesie zu schaffen, in der zukünftigen Forschung über Inhalte und Formen hinausblicken werden.