"Mi sento male." "Questo videogioco è MALATO!" A un computer, la parola "malato" può avere lo stesso significato in queste due frasi.

Ma un professore della Purdue sta combinando l'apprendimento automatico con modelli di relazioni sociali e comportamenti per leggere tra le righe di testo e catturare l'intento dell'autore in un modo più profondo. La tecnologia potrebbe aiutare a identificare i pregiudizi nei post sui social media e negli articoli di notizie, meglio giudicare la validità delle informazioni.

L'elaborazione del linguaggio naturale tradizionale implica l'individuazione di parole chiave, ad esempio la parola "buono" indicherebbe normalmente un'opinione positiva. Funziona bene per alcune applicazioni, ma non è utile quando il testo è ambiguo, ad esempio se l'autore intendeva che una parola o una frase fosse sarcastica o ironica.

È qui che entra in gioco l'approccio del professore di Purdue Dan Goldwasser. Si concentra in particolare su eventi attuali e questioni politiche, e analizza articoli di notizie e tweet di politici per cercare di determinare come l'autore inquadra determinati problemi e qual è la loro ideologia.

Goldwasser, un assistente professore di informatica, parlerà di questo lavoro a Dawn o Doom '18, Conferenza annuale di Purdue sui rischi e sui benefici delle tecnologie emergenti. Dawn or Doom si terrà nel campus di West Lafayette a Purdue lunedì e martedì (5-6 novembre). La conferenza, giunta al quinto anno, è gratuito e aperto al pubblico.

Dawn or Doom è in linea con la campagna del Sesquicentennial di Purdue Giant Leaps e fa parte del tema Ideas Festival, Passi da gigante nell'intelligenza artificiale, Algoritmi, e automazione:equilibrio tra umanità e tecnologia. Il Festival delle idee è il fulcro della campagna e collega relatori di fama mondiale e l'esperienza di Purdue in una conversazione sui problemi e le opportunità più critici che il mondo deve affrontare.

In un progetto, Goldwasser sta analizzando i post di Twitter di funzionari politici. I tweet possono essere una forma di testo difficile da interpretare, perché sono brevi e possono essere ambigui. Come esempio, dopo una sparatoria di massa, la frase "pensieri e preghiere" può essere usata sinceramente per esprimere simpatia per le famiglie delle vittime, ma può anche essere usato sarcasticamente come critica alla mancanza di azione del governo sul controllo delle armi.

Goldwasser e il suo team stanno cercando di capire come i politici inquadrano problemi o eventi, e come tale quadro fa luce sulla loro posizione sulla questione. Per fare questo, sta combinando l'analisi linguistica con la modellazione delle relazioni sociali e del comportamento. I social network possono fornire informazioni sul significato del testo, perché se due persone sono strettamente legate, è probabile che condividano ideologie simili. Comportamento, come quando un individuo pubblica post sui social media, possono prevedere quali problemi si preoccupano. La combinazione di tutti e tre i modelli fornisce un quadro più completo dell'intento dell'autore rispetto al fare affidamento su uno solo di essi.

In un altro progetto, finanziato da Google, Goldwasser utilizza modelli di relazioni sociali per cercare di identificare i pregiudizi nelle fonti di notizie. Le parole chiave possono essere un buon modo per differenziare l'ideologia per un piccolo insieme di dati. Per esempio, un articolo su una sparatoria di massa che si concentra sulla salute mentale del tiratore ha maggiori probabilità di avere un punto di vista conservatore, mentre un articolo che discute come è stata ottenuta la pistola ha più probabilità di avere una prospettiva liberale.

"Il problema è che identificare manualmente gli indicatori rilevanti per ogni evento è difficile da scalare, "Dice Goldwasser.

Anziché, il suo team sta raccogliendo più articoli di notizie sullo stesso evento e sta costruendo una rete di persone che condividono gli articoli sui social media. Sulla base della connessione della rete a individui o organizzazioni con una nota inclinazione politica, la prospettiva dell'articolo può essere dedotta senza dover generare manualmente parole chiave pertinenti.