Modulo B
Valutare i sistemi
automatici di
interazione linguistica
10. Intelligenza artificiale e
no
5 aprile 2017
Linguistica italiana II
Mirko Tavosanis
A. a. 2016-2017
Sviluppo del corso
• Finora abbiamo visto il trattamento del linguaggio
prodotto da esseri umani (gli assistenti digitali andavano
oltre)
• Nelle prossime settimane vedremo in sostanza la
generazione automatica del linguaggio, in modo meno
collegato all’input di esseri umani
• In pratica:
• Riassunto di testi
• Chat
• Generazione automatica di testi sulla base di dati numerici
• Su tutti questi argomenti sarà possibile fare la relazione
finale
Dettaglio
10. Intelligenza artificiale e no – 5 aprile
11. Il riassunto automatico – 12 aprile
12. Il dialogo automatico – 13 aprile
13. I chatbot oggi – 19 aprile
14. La composizione automatica del testo – 20 aprile
15. L’italiano giornalistico automatizzato – 3 maggio
16. Applicazioni di composizione automatica – 4 maggio
17. Definizione delle relazioni – 10 maggio
18. Conclusioni – 11 maggio
Sono ancora possibili spostamenti e rinvii, fino alla
settimana del 17-18 maggio
Mancata comprensione del testo
• Tutti gli strumenti che abbiamo visto – e che vedremo –
non «comprendono» il testo
• Abbiamo visto per esempio la situazione della sintassi: è
un lavoro sostanzialmente statistico e manca anche la
capacità di individuare le relazioni sintattiche
• Tuttavia, questi sistemi si rendono utili anche se non sono
davvero capaci di capire il testo
• Prima di procedere dobbiamo fare qualche
considerazione generale sulla comprensione del testo e
sull’intelligenza artificiale
• Poi, la semantica
Dal riconoscimento alla comprensione
• In italiano (significati di De Mauro) :
• riconoscere significa «identificare, individuare qcn. o qcs. che
già si conosce»
• conoscere significa «avere qcs. presente all’intelletto, averne la
nozione, il concetto, sapere che esiste, qual è e che caratteristiche
ha»
• Il riconoscimento però può essere un’operazione del tutto
meccanica, nel senso in cui una serratura «riconosce» la
chiave
• Il riconoscimento del parlato, come abbiamo visto, opera
senza nessuna vera comprensione: ricollega
statisticamente i suoni a forme del dizionario
• Tuttavia, alcuni sistemi muovono (piccolissimi) passi in
direzione della comprensione
Intelligenza artificiale
• Oggi va di nuovo di moda parlare di «intelligenza artificiale» (IA):
l’abbiamo visto parlando degli assistenti vocali
• Siamo arrivati al punto in cui ‘Artificial Intelligence’ Has Become
Meaningless. It’s often just a fancy name for a computer program:
Ian Bogost, The Atlantic, 4 marzo 2017
https://www.theatlantic.com/technology/archive/2017/03/what-is-artificialintelligence/518547/
• Per esempio:
Facebook announces an AI to detect suicidal thoughts posted to its
platform, but closer inspection reveals that the “AI detection” in
question is little more than a pattern-matching filter that flags
posts for human community managers.
• Come “verifica”, direi che è importante ricordarci anche questo: gli
strumenti sono limitati e funzionano per un compito solo
In ogni caso, qualche passo avanti c’è
• I programmi basati su reti neurali, apprendimento automatico e così
via, anche se sono sempre lontani da una vera intelligenza
rappresentano passi avanti rispetto alle tecnologie precedenti
• Operativamente, fanno cose che prima non si potevano fare!
• Inoltre, spesso includono componenti di regole esplicite che
ricordano i vecchi «sistemi esperti»
• Il ritorno dei linguisti? Ancora no, ma l’analisi statistica forse non
è lontana dai suoi limiti (aumentare la massa dei testi non farà
molto)
• Per esempio, l’inserimento di informazioni semantiche esplicite è
una componente
• Nelle prossime lezioni occorrerà spesso distinguere caso per caso
tra sistemi meccanici, statistici, basati su apprendimento automatico,
semantica e così via
Capire il testo
• «Capire» il testo, naturalmente, è una convenzione:
probabilmente anche gli esseri umani non lo fanno
sempre e a volte operano in modo meccanico
• Di sicuro, in molti casi il testo prodotto da esseri umani
non ha senso e/o non viene compreso! (Lo vedo
regolarmente in elaborati di laurea e simili)
• Non possiamo descrivere in dettaglio i meccanismi
intellettuali dietro alla comprensione, ma in alcuni casi
siamo in grado di verificare se c’è stata o no
• Per esempio, dato un testo è possibile vedere se un essere
umano è in grado di rispondere correttamente e non
meccanicamente a domande sul contenuto del testo
stesso
Controllo
della comprensione del testo
• Un esercizio inserito nei test d’accesso per Informatica
umanistica (triennale) per l’anno accademico 2016-2017
• Le domande richiedono di comprendere il testo e
applicare in modo non meccanico le nozioni contenute al
suo interno
• Domanda 1: non c’è alcun appiglio formale che consenta
di trattare l’esempio; alla domanda non si può rispondere
se non si applicano distinzioni astratte
• Nessun sistema informatico ha oggi la capacità di rispondere a
domande del genere senza addestramento specifico!
• La prova contiene anche domande di tipo diverso: per
esempio la domanda 4 richiede la comprensione lessicale
Elaborazione senza comprensione
• Possiamo immaginarci situazioni di trattamento
meccanico del testo da parte di esseri umani – per
esempio nel caso di testo incomprensibile
• Un esercizio sul testo che non richiede comprensione:
«nel testo compare il nome ‘Bloomfield’»?
• In questo testo cinese si parla di Pechino (北京)?
《不列颠百科全书》将北京形容为全球最伟大的城市之
一，而且断言“这座城市是中国历史上最重要的组成部
分。在中国过去的8个世纪里，几乎北京所有主要建筑都
拥有着不可磨灭的民族和历史意义”。北京古迹众多，著
名的有故宫、天坛、颐和园、圆明园、北海公园等。
• Non c’è nulla di strano, e il lavoro può essere utile
Integrazioni
• In un certo senso (limitato), l’inserimento di informazioni
semantiche è una forma di comprensione del testo
• Questo inserimento permette in alcuni casi di superare il
limite indicato da Bar-Hillel
• Statistica su singola parola
Se si sceglie solo la corrispondenza più probabile, la parola pen
inglese sarà sempre tradotta come penna in italiano
• Correzione con dati
In presenza di alcune informazioni sintattiche o di contenuto, la
parola pen può essere tradotta come recinto
• In linguistica computazionale si parla di Word sense
disambiguation
• Resta sempre un lavoro statistico – ma non
puramente statistico
Valutazione
Già Bar Hillel (1951 e 1960; in particolare, Appendici II e III) aveva
notato che la traduzione sarebbe rimasta sempre imperfetta perché
collegata alla semantica
“The box was in the pen”
il significato è diverso quando si tiene conto di un contesto più ampio:
“Little John was looking for his toy box. Finally he found it. The box was in
the pen. John was very happy.”
Google Traduttore: “Little John stava cercando la sua scatola dei giocattoli.
Finalmente la trovò. La scatola era nella penna. John era molto felice.”
Microsoft Translator: “Little John era alla ricerca di sua scatola dei giochi.
Infine lo ha trovato. La scatola era nella penna. John era molto felice.”
Tuttavia aveva notato anche che questa imperfezione era una
questione quantitativa, collegata al numero di frasi interpretabili
solo in base al contesto – frasi che in alcuni testi potevano essere del
tutto assenti
Polisemia
• Molte parole hanno più di un significato, ma gli esseri umani
disambiguano in base al contesto – e gli errori sono materia di
barzellette
• In italiano, per esempio, allungare ha sei significati diversi come
verbo transitivo (De Mauro):
I. v.tr.
I 1a. rendere lungo o più lungo, aumentare in lunghezza: allungare un
percorso, un vestito
I 1b. distendere: allungare le gambe
I 2. aumentare la durata, protrarre: allungare un discorso, una sosta
I 3. TS gramm. di vocale: aumentare la quantità
I 4. FO diluire: allungare lo smalto con il solvente; annacquare: allungare il
vino
I 5. CO fam., dare, spec. qcs. che sia a portata di mano: allungami la
bottiglia per favore, suo padre gli ha allungato un biglietto da centomila
come se niente fosse
I 6. CO fam., affibbiare, assestare, spec. uno schiaffo, una pedata
II. v.intr. (avere) TS sport nel ciclismo e nel podismo: effettuare un allungo
Esempi di polisemia
• «Indicativamente, nel complesso dei 260.000 lessemi italiani se ne
trovano oltre 50.000 con più di un’accezione, oltre 27.000 con più di
due accezioni, oltre 9000 con più di cinque, 100 con più di venti, una
decina con più di trenta»: Luca Lorenzetti, Lessico, in Enciclopedia
dell’italiano
• Oltretutto, la polisemia è concentrata nelle parole di uso quotidiano e
nel vocabolario di base, mentre è più ridotta nella terminologia
tecnico-scientifica («ruggine» ha 5 diversi significati, «pirolisi» uno
solo)
• Il verbo fare ha 28 significati diversi, nel dizionario di De Mauro
Tra questi:
• Transitivo 15. trascorrere, passare: fare Natale in famiglia, fare
le vacanze al mare, fare tre ore di coda
• Intransitivo 3. seguito dalla prep. da, avere la funzione, fungere:
fare da padre; questo divano può anche fare da letto
Disambiguazione
• In sostanza, data una parola in un testo (comunque sia stata
ottenuta), occorre ricondurre la parola a uno dei suoi
significati da dizionario
• Cioè, dato «fare», occorre vedere in quale dei suoi significati il
verbo viene usato in quel contesto
• Ovviamente la procedura ha dei limiti; però ci sono modi per
fare ipotesi soddisfacenti
• Due tecniche di disambiguazione si basano su:
• Argomento del brano (topical context - se nel brano
compaiono le parole «ore», «presto», «tempo» e così via è più
probabile che il significato di fare sia «trascorrere, passare»)
• Contesto locale (local context, informazioni sintattiche o
semantiche molto vicine alla parola - se immediatamente dopo il
verbo c’è la preposizione da è più probabile che il significato di
fare sia «avere la funzione, fungere»)
Disambiguazione in base all’argomento
• Per gli esseri umani è una componente importante della
comprensione
• Per i sistemi automatici la lunghezza migliore della «finestra»
per individuare l’argomento è stata individuata in 50 parole
(Gale, Church e Yarovsky, 1992)
• Nei sistemi automatici la disambiguazione funziona molto
bene quando i significati delle parole sono molto diversi
•
Pesca: atto del pescare
•
Pesca: frutto
• Funziona molto peggio quando le due parole hanno significati
vicini; per esempio, il sostantivo basso in un brano in cui si
parla di musica
Basso (sostantivo)
De Mauro riporta quattro sensi della parola collegati all’ambito
musicale:
II 5a. TS mus. la voce maschile di registro più grave | cantante che ha
tale voce (abbr. B)
II 5b. TS mus. la parte più grave, vocale o strumentale, di un brano
musicale | la voce cui è affidata tale parte (abbr. B) | con funzione
appositiva, indica uno strumento che, tra quelli di una stessa famiglia,
ha un’estensione corrispondente approssimativamente a quella della
voce di basso: clarinetto basso
II 5c. TS mus. spec. al pl., in un’orchestra, l’insieme dei violoncelli, dei
contrabbassi o dei fagotti | nella musica jazz, contrabbasso
II 5d. TS mus. contrabbasso a forma di chitarra, in cui le vibrazioni delle
corde sono convertite in impulsi elettrici e fatti poi passare attraverso un
amplificatore
Disambiguazione in base al contesto
• Anche questa è una componente importante della
comprensione per gli esseri umani
• Gli esseri umani riescono a farla bene con una «finestra» di 2
parole prima o dopo la parola interessata
• La stessa lunghezza viene usata per l’elaborazione automatica
• Del resto, le parole connesse (preposizioni, sostantivi e
aggettivi concordati, verbi…) si trovano spesso in sequenza
immediata
• Per l’analisi statistica, però, questo è un problema: ci sono
pochi dati su cui lavorare
Combinazione
• Miglioramenti nella disambiguazione si possono avere
combinando le informazioni fornite dall’argomento del brano
con quelle fornite dal contesto locale
• Oggi queste tecniche sono usate comunemente; ricordiamoci
però lo stato dell’arte:
“Little John was looking for his toy box. Finally he found it. The box was in
the pen. John was very happy.”
Google Traduttore: “Little John stava cercando la sua scatola dei
giocattoli. Finalmente la trovò. La scatola era nella penna. John era molto
felice.”
Microsoft Translator: “Little John era alla ricerca di sua scatola dei giochi.
Infine lo ha trovato. La scatola era nella penna. John era molto felice.”
• Per alcune informazioni relative a WordNet: Leacock e
Chodorow, Combining Local Context and WordNet Similarity
for Word Sense Identification, 1998
• Che cos’è WordNet?
Preliminare
• Per poter ricondurre la parola a un significato da dizionario
occorre innanzitutto che il dizionario esista
• Poi, per lavorare in automatico occorre che il dizionario possa
essere usato da una macchina
• Una risorsa di riferimento per i compiti di disambiguazione è
WordNet (Università di Princeton), un database di
organizzazione del lessico sviluppato per l’inglese:
http://wordnet.princeton.edu/
• I contenuti di WordNet possono essere visti via browser (ma
WordNet è anche scaricabile)
• Una raccolta di studi: WordNet. An Electronic Lexical
Database, a cura di Christiane Fellbaum, Cambridge (Ms.),
MIT Press, 1998
WordNet
• “WordNet® is a large lexical database of English. Nouns, verbs,
adjectives and adverbs are grouped into sets of cognitive synonyms
(synsets), each expressing a distinct concept. Synsets are interlinked
by means of conceptual-semantic and lexical relations. The resulting
network of meaningfully related words and concepts can be navigated
with the browser. WordNet is also freely and publicly available for
download. WordNet's structure makes it a useful tool for
computational linguistics and natural language processing.”
• “WordNet superficially resembles a thesaurus [dizionario dei
sinonimi], in that it groups words together based on their meanings.
However, there are some important distinctions. First, WordNet
interlinks not just word forms—strings of letters—but specific senses of
words. As a result, words that are found in close proximity to one
another in the network are semantically disambiguated. Second,
WordNet labels the semantic relations among words, whereas the
groupings of words in a thesaurus does not follow any explicit pattern
other than meaning similarity.”
•
Per esempio: S: (n) sty, pigsty, pigpen (a pen for swine)
ItalWordNet
• Sul modello di Wordnet, l’ILC ha realizzato ItalWorldNet, che
include:
un wordnet contenente circa 47.000 lemmi, 50.000 synset e 130.000 relazioni
semantiche (tra le relazioni codificate le più importanti sono le seguenti:
iperonimia/iponimia, antonimia, meronimia, relazioni di causa, relazioni di
ruolo etc.);
un Inter-Lingual Index (ILI), che è una versione non strutturata di WN1.5:
questo modulo, usato in EWN per collegare wordnet di diverse lingue, è stato
mantenuto anche in IWN per rendere la risorsa utilizzabile in applicazioni
multilingue;
la Top Ontology (TO), una gerarchia di concetti indipendenti dalla lingua, che
riflette fondamentali distinzioni semantiche, costruita nell'ambito di EWN e
parzialmente modificata in IWN per spiegare gli aggettivi (non trattati in
EWN):
la TO è costituita da aspetti indipendenti dalla lingua, che possono (o non
possono) essere lessicalizzati in vari modi, o secondo diversi modelli, in
diverse lingue (…); attraverso l'ILI, tutti i concetti del wordnet sono
direttamente o indirettamente collegati alla TO
.
• L’interrogazione è disponibile a:
http://www.ilc.cnr.it/iwndb/iwndb_php/
Uso con Google
• La rete di sinonimi / iponimi / iperonimi si presta bene alle
correzioni semantiche
• Il vecchio sistema Google di traduzione automatica (ancora in uso
per l’italiano) si serve di Wordnet e varianti per diverse lingue
• Per l’italiano apparentemente viene usato MultiwordNet della
Fondazione Bruno Kessler (multiwordnet.fbk.eu):
MultiWordNet is a multilingual lexical database in which the Italian
WordNet is strictly aligned with Princeton WordNet 1.6.
The Italian synsets are created in correspondence with the Princeton
WordNet synsets, whenever possible, and semantic relations are imported
from the corresponding English synsets; i.e., we assume that if there are two
synsets in PWN and a relation holding between them, the same relation
holds between the corresponding synsets in Italian. While the project
stresses the usefulness of a strict alignment between wordnets of different
languages, the multilingual hierarchy implemented is able to represent true
lexical idiosyncrasies between languages, such as lexical gaps and denotation
differences.
