![twitter初期から居た [Weizenbaum, J.: ELIZA - a computer program for the study of natural language communication between man a] [http://sudori.net/]](https://image.slidesharecdn.com/wi2-100315001933-phpapp02/85/SIG-WI2-twitter-12-320.jpg)
![収集 今日はいい天気です 今日 は いい 天気 です テーブルに格納 次の単語 [ 今日 ].append( は ), 次の単語 [ は ].append( いい ), 次の単語 [ いい ].append( 天気 ) ... 形態素解析 今日もいい天気だよ 次の単語 [ 今日 ].append( も ), 次の単語 [ も ].append( いい ), 次の単語 [ いい ].append( 天気 ) ...](https://image.slidesharecdn.com/wi2-100315001933-phpapp02/85/SIG-WI2-twitter-34-320.jpg)
![完全ランダムな時のマルコフ連鎖 w = 'yystart' while w != 'yyend': wnew = random.choose(markov[w]) string += wnew w = wnew markov[u' 今日 '] = ( u' は ', u' は ', u' も ', u' で ' ) 開始を表す特殊単語 終了を表す特殊単語まで 配列 w に入っている次の単語の列 markov から ランダムに一つ取り出す](https://image.slidesharecdn.com/wi2-100315001933-phpapp02/85/SIG-WI2-twitter-36-320.jpg)
SIG-WI2 twitterにおける、人工無脳との インタラクション
- 1. twitter における、人工無脳との インタラクション 宵 勇樹
- 2. 発表の流れ 人工無脳とは
- 4. 実験：人工無脳の投入
- 5. 結論
- 6. 今後の課題
- 8. 実装が比較的簡易 if re.search( input_string, u“こんにちは”): return u“こんにちは” こんなプログラムでも人っぽく見られることもある
- 12. twitter初期から居た [Weizenbaum, J.: ELIZA - a computer program for the study of natural language communication between man a] [http://sudori.net/]
- 15. 既存のチャット
- 16. twitterとメッセンジャー・チャットの 違い メッセンジャー・チャット 各チャンネルに対して自分が会話の輪に入る(能動的)、会話相手が数人〜数十人、会話が前提 twitter 自分に対して会話が飛んでくる(受動的)、会話相手が数十人〜数千人、独り言も多い
- 17. twitterとメッセンジャー・チャットの 違い メッセンジャー・チャット 各チャンネルに対して自分が会話の輪に入る(能動的)、会話相手が数人〜数十人、会話が前提 twitter 自分に対して会話が飛んでくる(受動的)、会話相手が数十人〜数千人、独り言も多い 一番大きな違いは Web ブラウザから簡単にアクセスできること 例： http://twitter.com/ でみんなの発言一覧が読める API が豊富・自由に使える
- 20. 多少妙な発言をしても怪しまれない
- 22. プロフィール
- 23. アイコン
- 25. 人工無脳の投入
- 26. 人工無脳を人として振舞うには 特定の単語だけにいつも応答すると機械だとすぐバレる ( 現在挨拶ばかり繰り返している人を挨拶 bot と揶揄することすらある )
- 27. ランダムな発言ばかり行うと他のユーザにとって関わりが薄くなる ランダムでも多少最近流行の話題に対応したほうがよい 人は必ず寝るし他の用事もあるはずなので、「 常時発言してる人はおかしい 」
- 30. ただし同じ人に連続して同じ返事を行わない ランダムに発言を行う(マルコフ連鎖) 完全ランダムな発言と注目語にそった発言 深夜帯には発言しない
- 31. 挨拶応答, Reply応答 if re.search(text , u“おはよう|起きた”): return random.choise( (u”おはよう”,u”おは～”)) if re.search(text , u“帰宅|ただいま”): return u”おかえり” if str.startswith(u“@アカウント名”) return random.choise( (u“ないわー”, u”うんうん”) )
- 32. ランダム発言 完全ランダム 最初から最後まで一次マルコフ連鎖 注目語に沿ったランダム 注目語を選ぶ
- 34. 収集 今日はいい天気です 今日 は いい 天気 です テーブルに格納 次の単語 [ 今日 ].append( は ), 次の単語 [ は ].append( いい ), 次の単語 [ いい ].append( 天気 ) ... 形態素解析 今日もいい天気だよ 次の単語 [ 今日 ].append( も ), 次の単語 [ も ].append( いい ), 次の単語 [ いい ].append( 天気 ) ...
- 35. 選択 選択 「今日はいい ... 」が出力される '今日'に続く単語 'は'に続く単語
- 36. 完全ランダムな時のマルコフ連鎖 w = 'yystart' while w != 'yyend': wnew = random.choose(markov[w]) string += wnew w = wnew markov[u' 今日 '] = ( u' は ', u' は ', u' も ', u' で ' ) 開始を表す特殊単語 終了を表す特殊単語まで 配列 w に入っている次の単語の列 markov から ランダムに一つ取り出す
- 37. ある注目語から前に辿る場合 「 ... はいい天気」が出力される 注目語
- 38. 注目語を使う時のマルコフ連鎖 w = wm while w != 'yyend': wnew = random.choose(markov[w]) string1 += wnew w = wnew w = wm while w != 'yystart': wnew = random.choose(inverse_markov[w]) string2 = wnew + string2 w = wnew string = string2 + wm + string1 終了単語は先頭を表す特殊単語 配列wに入っている前の単語の列 inverse_markovからランダムに 一つ取り出す 開始単語は注目単語 抽出した単語を前につける
- 40. その10個の固有名詞の中から一つを均等に選ぶ 順位 単語 回数[回] 1 浅田 30 2 真央 29 3 キム 28 ・・・ ・・・ ・・・ 10 五輪 10 11 冬 9 単語 浅田 真央 キム ・・・ 五輪 どれか一つを均等に選択
- 43. ただし同じ人に連続して同じ返事を行わない ランダムに発言を行う(マルコフ連鎖) 完全ランダムな発言と注目語にそった発言 深夜帯には発言しない
- 44. 実装・運用 Linux + Python 2.4 + Mecab
- 47. Athlon X2 BE 2350, 1.5GB上の環境で動作
- 49. 結果 「仲良しだった友達がbotだった」エントリが人気に ↓ TV番組で紹介 http://d.hatena.ne.jp/coconutsfine/20090309/1236611519
- 53. アンケート1： 作成し動かしている人工無脳について (A) 予め人工無脳を知っていたか
- 54. (B) 拙作の人工無脳を人間と見間違えたか 事前情報ありだと 100% の人が人間とは思わなかった -> 事前情報が人工無脳の認識に影響を及ぼすのではないか (B) はい いいえ 拙作の人工無脳を知らない (A) はい 16 0 2 いいえ 4 4 1 事前情報なしだと 45%(9 人中 4 人 ) が人間と思った -> 4 件中 2 件が「 Reply がよかった」とコメント
- 56. なぜ見間違えるか 前述の予想通り
- 58. Homeを見る
- 59. Replyを見る
- 60. Userの発言一覧を見る 流れてくるデータの量は多い よって User の発言一覧をいちいち見に行かない そもそもユーザが現実の話相手が少ないのかも
- 65. ただし「人工知能が人に近づいた」のではなく「人が ( 見間違えてしまうような ) 環境に近づいた」と考えられる
- 67. 今後の課題 データ量が増大、発話の精度は下がる マルコフ連鎖 100万コラム、100MBデータ
- 70. 挨拶の強化 現在の挨拶は「おはよう」「おかえり」「がんばれ」程度 ↓ 機械的に増やせないか？
- 72. ところが 頻出する挨拶は「おはよう」「おかえり」「おめ！ RT: 」「 REC● 」程度
- 73. 収集対象増やしたほうがいいか・・
- 76. Bag of words + svm / k-meansで2クラス分類か？ おかえりと言うべき おかえりと言わないべき 他にも「ただいま」も単純にマッチできない ( 帰宅なのか只今なのか )
- 78. ただし会話として続けたければ、同じ発言を投げ続けたとしてもそこまでの過程で応答を変える必要がある ありがとう！ おめでとう！ ありがとう！ おめでとう！ (しつこいなぁ) おめでとう！
- 79. おまけ：こんなbotは作ってはいけない 同じような発言を繰り返す 特にアフィリエイト等お金絡みの発言は即SPAM △botであることを公言する twitter上でのアンケートでは公言して製作者を明記した方がいいという意見が多い