Εκατομμύρια άνθρωποι χρησιμοποιούν το Twitter, το Facebook και άλλα κοινωνικά δίκτυα. Για αυτές τις μεγάλες εταιρείες του ίντερνετ – Twitter, Facebook, Amazon και Google – η συμπεριφορά αυτή είναι ένας θησαυρός, μια τεράστια συλλογή προσωπικών πληροφοριών που μπορεί να τους βοηθήσει να κατανοήσουν καλύτερα ποιοι είστε και, τελικά, να σας εμφανίσουν αυτά που ονειρεύεστε και θέλετε να αγοράσετε. Αλλά αυτό είναι ευκολότερο στα λόγια παρά στην πράξη. Η ικανότητά τους να ανακαλύψουν αυτά τα δεδομένα εξαρτάται από το πόσο καλούς αλγόριθμους χρησιμοποιούν και όταν λέμε “καλούς αλγόριθμους” εννοούμε αλγόριθμους που μπορούν να καταλάβουν το πως σκέφτεται ένας άνθρωπος. Όπως ξέρουμε, οι μηχανές δεν είναι και πολύ καλές σε αυτό.
Όμως, ένας νέος αλγόριθμος που αναπτύχθηκε στο Πανεπιστήμιο του Στάνφορντ θα μπορούσε να βοηθήσει τις εταιρείες να αλλάξουν αυτήν την πραγματικότητα, δίνοντας στους υπολογιστές την δυνατότητα να ερμηνεύουν αξιόπιστα τα δεδομένα μας. Ονομάζεται Νευρωνική Ανάλυση Sentiment ή NaSent για συντομία. Ο αλγόριθμος επιδιώκει να βελτιώσει τις τρέχουσες μεθόδους γραπτής γλωσσικής ανάλυσης αντλώντας την έμπνευσή του από τον ανθρώπινο εγκέφαλο.
Ο NaSent είναι μέρος της επιστήμης των υπολογιστών που είναι γνωστή και ως βαθιά μάθηση (deep learning), ένα νέο πεδίο που επιδιώκει να αναπτύξει προγράμματα που μπορούν να επεξεργάζονται δεδομένα με τον ίδιο τρόπο που ο το κάνει ο ανθρώπινος εγκέφαλος. Το κίνημα ξεκίνησε από τον ακαδημαϊκό κόσμο, αλλά έκτοτε έχει εξαπλωθεί και σε γίγαντες του web όπως η Google και το Facebook.
“Προσπαθούμε να ωθήσουμε τη βαθιά μάθηση της συναισθηματικής κατανόησης πιο κοντά στα ανθρώπινα επίπεδα ικανότητας – λαμβάνοντας υπόψη ότι τα προηγούμενα μοντέλα έχουν σταθεροποιηθεί από άποψη απόδοσης”, αναφέρει ο Richard Socher, ο μεταπτυχιακός φοιτητής από το Πανεπιστήμιο του Stanford ο οποίος ανέπτυξε τον NaSent μαζί με ερευνητές τεχνητής νοημοσύνης Chris Manning και Andrew Ng.
Ο στόχος, αναφέρει ο Socher λέει, είναι η ανάπτυξη αλγορίθμων που μπορούν να λειτουργήσουν χωρίς μια συνεχή επέμβαση από τους ανθρώπους. Στο παρελθόν, η ανάλυση του συναίσθηματος επικεντρώθηκε κυρίως σε μοντέλα που αγνοούν τη σειρά των λέξεων ή την ανθρώπινη εμπειρία. Αν και αυτό λειτουργεί σε πολύ απλές περιπτώσεις, δεν θα φτάσει ποτέ το ανθρώπινο επίπεδο κατανόησης.
Βέβαια παρά τις πολλά υποσχόμενες πρώτες δοκιμές, ο αλγόριθμος χρειάζεται βελτιώσεις. Για παράδειγμα, αν συναντήσει φράσεις, η λέξεις που δεν έχει συναντήσει στο παρελθόν δείχνει να δυσκολεύεται. Για να δυναμώσουν το σύστημα, ο Socher και η ομάδα του έχουν αρχίσει να αντλούν περισσότερα δεδομένα από το Twitter και άλλες Βάσεις δεδομένων. Έχουν επίσης δημιουργήσει ένα live demo όπου κάποιος μπορεί να πληκτρολογήσει τις δικές του φράσεις. Το demo δημιουργεί μια δομή δέντρου και εκχωρεί μια ετικέτα πολικότητας σε κάθε λέξη. Εάν οι χρήστες πιστεύουν ότι ο NaSent ερμηνεύει λάθος μια συγκεκριμένη λέξη ή φράση, μπορούν να δώσουν μια διαφορετική ετικέτα, όπως αναφέρει το Wired.
