KI generiert Shakespeare-inspirierte Poesie mit Reim & Metrum

• Neues Deep-Learning-Modell schreibt Gedichte, die menschliche Gedichte in Reim & Metrum übertreffen.
• Manche Menschen können kaum unterscheiden, aber Experten: KI schwächer in Emotion & Lesbarkeit.

Können Deep-Learning-Methoden für kreative Tasks genutzt werden? Ja. Bereits Einsatz in kreativen Anwendungen: Musikkomposition, Skulptur-Design, automatische Choreografie.

Jetzt: IBM, University of Toronto, University of Melbourne fokussieren auf kreativen Text-Task: automatische Poesie-Komposition. Deep-Learning-Modell „Deep-speare“ erfasst Sprache, Reim, Metrum für Sonette & generiert Gedichte.

Faszinierend: KI-Gedichte ähneln jenen des englischen Dichters William Shakespeare. Modell funktioniert gut: erzeugt Sonett-Quatrains mit Reim- & Betonungsmustern, teils ununterscheidbar von menschlicher Poesie.

Sonett: kurzes lyrisches Gedicht, popularisiert durch Shakespeare. Typisch: 14 Zeilen, gebündelt als 3 Quatrains (4 Zeilen) + 1 Couplet (2 Zeilen).

Vorgehensweise

Fokus auf Sonette, Produktion Quatrains in Jambischem Pentameter basierend auf unsupervised Model von Reim, Sprache, Metrum – trainiert auf neuem Sonett-Korpus. Vanilla Language Model auf Sonett-Korpus trainiert → erfasst Metrum implizit auf Human-Level-Performance.

Kurz: Modeling von Poesie-Content & -Forms via Neural Architecture mit 3 Schlüsselkomponenten:

1. Language Model
2. Pentameter Model (erfasst jambisches Pentameter)
3. Rhyme Model (lernt reimende Wörter)

Next-Word-Prediction in Sonett-Zeile: Language Model nutzt Standard Categorical Cross Entropy. Pentameter Model: trainiert auf alternierende Muster jambischer Betonung. Rhyme Model: trennt reimende von nicht-reimenden Wortpaaren in Quatrain via Margin-based Loss.

Referenz: arXiv:1807.03491

Language Model generiert Wort für Wort, Pentameter Model sample-t meter-konforme Sätze, Rhyme Model enforces Reim. Alle Komponenten gemeinsam trainiert.

Bild: The Daily Dot

Neural Network trainiert auf 2.685 Sonetten (~367.000 Wörter), NVIDIA Tesla GPUs mit TensorFlow powered by CUDA.

Experte Adam Hammond (English Literature) bewertete 4 Aspekte maschinengenerierter Gedichte – Readability, Rhyme, Meter, Emotion – blind bzgl. Source. Ergebnis: KI übertrifft Menschen in Reim & Metrum, schwächer in Emotion & Lesbarkeit.

Obwohl Modell nicht direkt praktischen Anwendungen dient: teilt Core Algorithm mit anderen Generation-Problems (Summarization, Translation, Chatbots).

Lesen Sie auch: Psychopath-KI, die Tod in allem sieht

Zuvor: Versuche, Kreativität via Neural Networks zu mimiken – Bot-Script für „Scrubs“ (TV-Comedy), Googles DeepDream Image Generation. Zukünftig: Blick über Content & Forms hinaus für beeindruckendere Poesie.