רעיון מרכזי מדעי המוח ופסיכולוגיה פורסם: 20 בדצמבר, 2022

האם מַחְשְׁבִים מסוגלים להבין הוּמוֹר?

תַקצִיר

מַחְשְׁבִים מצטיינים בתחומים שבהם בני אדם מתקשים, כמו חישובים מתמטיים מסובכים או חיזוי מזג האוויר. לעומת זאת ישנם תחומים רבים שבהם מחשבים מתקשים, ואנשים מצליחים בקלות. הוּמוֹר, אשר נחקר על ידי האנוֹשוּת במשך אלפי שנים, הוא אחד התחומים האלה. במאמר זה נבין מדוע למחשבים קשה להבין הומור, ונלמד על אודות בינה מלאכותית ועל תת-התחום הנקרא למידת מכונה שבו מחשבים לומדים מדוגמאות, בדומה לבני אדם. כמו כן נסביר כיצד למידת מכונה יכולה לסייע ללמד מחשבים הומור, במסגרת משימות מסוימות ומוגדרות היטב. תכלית מחקרנו בנושא היא שבעתיד מחשבים באמת יוכלו להבין הומור, בדרך שבה מבינים אותו בני אדם.

למחשב יכולות בלתי-מוגבלות – האומנם?

כולנו מכירים מחשבים ומשתמשים בהם באופן קבוע עבור משחקים; לימוד; גלישה באינטרנט ועוד. אולם מחשב אינו רק המכשיר שמונח על השולחן בבית או במשרד, או נישׂא ממקום אחד לאחר; מחשב היא מילה כללית מאוד לתיאור מכונה אלקטרונית לעיבוד נתונים. הטלפון הנייד שלנו למשל אף הוא מחשב, כמו גם מכשיר המיקרוגל; מעלית; רכב, ואפילו צעצוע שיודע ''לדבּר'' כאשר לוחצים עליו.

כיום ישנם מחשבים משוכללים ביותר שמסוגלים לבצע מגוון פעולות: להבין פקודות בשפה אנושית; לכתוב מוזיקה ולצייר; לחפש עבורנו ברשת האינטרנט; לאבחן מחלות, ואפילו לנהוג בכביש. יכולות אלה של המחשב מרשימות ומעוררות השׁתאוּת. אך ישנוֹ תחום שבו מחשבים עדיין אינם כל כך מוצלחים – הוּמוֹר.

המשימה: להצחיק את המחשב

מגיל צעיר אנו לומדים לזהוֹת הומור ולייצרוֹ בעצמנו. זהו חלק חשוב ובסיסי בחיינו, ואנו חווים חוויות הומוריסטיוֹת כמעט מִדֵּי יום ביומו. הומור הוא תכונה אנושית כלל-עולמית, ומצוי בכל תרבות. אומנם להומור חשיבות רבּה עבור בני אדם, אך מחשבים מתקשים מאוד לזהוֹתוֹ, לא כל שכּן לייצר תכנים מצחיקים. מדוע?

סיבה עיקרית לכך היא שהומור הוא תופעה אישית מאוד, תלוית תרבות והֶקְשֵׁר. לא פעם איננו יודעים כלל מה גורם למשהו להיות מצחיק! לעיתים דבר מסוים מעורר הומור אצל אדם אחד, אך אינו משעשע אדם אחר. למשל, האם המשפט הבא מצחיק אתכם? ''פעם קראתי ספר ברחוב. נתקעתי בעמוד הראשון.'' אם כך, האם הכול אבוד? האם מחשבים לעולם לא יוכלו להבין הומור כשם שבני אנוש אינם מסכימים לגביו תמיד? לא בדיוק.

איך מאפיינים הומור?

אין צורך להמציא את הגלגל! תיאורטיקנים מתחומים שונים כמו פילוסופיה; פסיכולוגיה; בלשנות ועוד, אשר מפתחים תיאוריות מדעיות, עסקו בשאלה ''מה הופך משהו למצחיק?''. במחקריהם, הגיעו למסקנות שונות ומעניינות. ישנוֹ מגוון של תיאוריות הומור, כשהמרכזית שבהן טוענת כי ליצירת הומור נדרש יסוד של הפתעה. הפתעה, או הפרה של ציפיות, מתקיימות כמעט בכל סוגי ההומור. נתבונן למשל בבדיחה הזו:

''אימא, אני לא רוצה ללכת לבית הספר היום!'', אמר דני. ''הילדים מציקים לי, כל המורים שונאים אותי.''

''אבל דני, אתה חייב ללכת,'' התעקשה אימא.

''למה אני חייב?'' שאל דני.

''כי אתה המנהל!'' השיבה אימא.

הבדיחה מפתיעה שכּן עד השורה האחרונה שלה, ציפיית השומע היא שדני הוא ילד.

אם כך, צריך רק שהמחשב יֵדַע לזהוֹת הפתעה. נשמע כמו משימה קלה, או שלא? לנו, כבני אדם שחיים במציאוּת, יש ציפיות רבות לגבי האופן שבו העולם מתנהל. לעומת זאת מחשבים אינם חווים את העולם כמונו, ולכן לא מפתחים את הציפיות שמרבית בני האדם חולקים. כיצד אפוא יוצרים למחשב ציפיות לגבי העולם? בעיה זו משתייכת לתחום מעניין, שעליו נרחיב כעת.

בינה מלאכותית ולמידת מכונה

בינה מלאכותית היא התחום שמנסה לגרום למחשב להתנהג באופן שהיה נחשב אינטליגנטי לוּ אדם היה מתנהג באופן זה. בתחילת דרכו של התחום, מתכנתים – אנשים שלמדו תכנוּת ויודעים לכתוב הוראות שהמחשב יבצע– נהגו להגדיר מראש סֶט של כללים לוגיים, או חוקים. דוגמה מעולמנו: ''אם אדם מגיע למרפאה עם חום ושיעול – יש לבצע לו בדיקת קורונה''.

בשנים האחרונות גברה הפופולריוּת של תת-תחום בבינה מלאכותית שנקרא למידת מכונה. בלמידת מכונה אין צורך להגדיר את כל החוקים מראש: המחשב לומד באופן שדומה למדי ללמידה אנושית – מדוגמאות. למידה זו רלוונטית מאוד לתחומים רחבים שאינם מוגדרים מלכתחילה, כמו למשל זיהוי הפרת ציפיות, הפתעה והומור.

כיצד למידת מכונה מתבצעת בפועל? בצורתה הקלאסית, אנו מציגים לאלגוריתם שלנו דוגמאות מְלֻוּוֹת בסיווג שלהן. למשל, דוגמאות של מחלות שונות והתסמינים שלהן. לאחר אימון הכולל דוגמאות רבות - המחשב אמור ללמוד לבד לסווג את הדוגמאות (איור 1). שיטה זו מזכירה את הדרך שבה ילדים לומדים. למשל, כאשר רואים חיה כלשהי (זו הדוגמה), מבוגר מספֵּר לילד איזו חיה הם רואים (זה התיוג של הדוגמה), ובהמשך הילד ידע לזהות את החיה בעצמו. אם כך, האם מחשבים יכולים ללמוד כמו בני אדם? כן, זה עובד! למידת מכונה עזרה לנו ''לפתור'' בעיות הומור שנחשבו בעבר בלתי אפשריות עבור מחשבים.

איור 1 - תהליך למידת מכונה.
  • איור 1 - תהליך למידת מכונה.
  • (A) תמונות המתויגות כ''כלב'' או כ''חתול'' מוכנסות לתוך המוֹדל. המודל לומד לזהות אם בתמונה מופיע כלב או חתול (שלב גלגלי השיניים). המודל המאומן מסומן על ידי תיבה שחורה. (B) למודל מוכנסת תמונה חדשה, ללא תיוג. על המודל המאומן להחליט אם מופיע בה כלב או חתול. המודל מנפּק תוצאה שלפיהּ הסבירוּת כי מדובר בכלב היא 90% (ואכן צודק).

איך לימדנו מחשב להבין הומור מסוים

המעבדה של פרופסור דפנה שחף עוסקת במגוון תחומי בינה מלאכותית, בהם גם הומור. אחת ממטרותינו היא לְפַתֵּחַ חוש הומור אצל מחשבים. האמצעי שאנו עושים בו שימוש לשם כך הוא למידת מכונה, שעכשיו אתם כבר מכירים!

הפרויקט הראשון שחקרה פרופסור שחף בתחום של הומור ובינה מלאכותית, עָסַק בזיהוי כותרות מצחיקות לקריקטוּרוֹת המופיעות בעיתון. מחקר זה התבסס על תחרות הנערכת בשבועון האמריקני ה''נְיוּ יוֹרְקֶר'' [1]. במסגרת התחרות, אחת לשבוע מוצגת קריקטורה, והקוראים מתבקשים להציע את הכותרת המצחיקה ביותר עבורה. מִדֵּי שבוע נשלחות למערכת העיתון אלפי הצעות, וישנוֹ אדם במערכת שתפקידוֹ לבחור את הכותרת הטובה ביותר מביניהן. נשמע כמו עבודה כֵּיפִית, לא כן? מסתבר שלא, כיוון שלאחר כמה שבועות בתפקיד שום דבר כבר לא מצחיק את מי שאחראי על בחירת הכותרת המצחיקה ביותר! האם נוכל לעזור לו ולצמצם את האפשרויות שהוא צריך לבחון בכל שבוע? זה בדיוק מה שעשתה פרופסור שחף – היא הציגה למחשב דוגמאות לקריקטורות בעלוֹת כותרות מצחיקות, והמחשב למד לְדָרֵג את הכותרות המוצעות.

פרויקט אחר שנחקר לאחרונה במעבדה של פרופסור שחף, על ידי הדוקטורנטית חן שני והמַּסְטֶרַנְט נדב בורנשטין, עסק בזיהוי אוטומטי של הומור במדע [2]. כן-כן, קראתם נכון – הומור במדע! מסתבר שזה קיים. הפרויקט שואב השראה מפרס ה''אִיג נוֹבֶּל'' (Ig Nobel) – פרס סָטִירִי המוענק מדי שנה משנת 1991 לעשרה הישגים מדעיים ש''תחילה גורמים לאנשים לצחוק, ואז גורמים להם לחשוב'' (לפי דברי מארגני הפרס). בין הזוכים בו בעבר נכללו:

  • מחקר שגילה כי תרנגולות מעדיפות בני אדם יפים
  • מחקר שהראה כי במפגש בין שימפנזים למבקרים בגן החיות החיקוי הוא הדדי: שימפנזים מחקים את בני האדם, ובני האדם את השימפנזים
  • מאמר שבדק אם רוק יכול לשמש כחומר ניקוי יעיל למשטחים מלוכלכים
  • מחקר שהצביע על כך שיותר אנשים נגעלים מגבינה מאשר מסוגי מזון אחרים. כמו כן נטען בו כי אזורי המוח הפעילים כשאנשים הנגעלים מגבינה נחשפים אליה, פעילים גם כשהם רק מריחים גבינה או רואים אותה בתמונה.

החוקרים בפרויקט זה יצרו אלגוריתם שמטרתו לזהוֹת מחקרים מדעיים שיכולים להיות מצחיקים, כמו מאמרים ומחקרים שזכו ב''איג נובל'', ואכן הצליחו!

מיזם נוסף בוצע במעבדה בשיתוף פעולה עם חברת אָמָזוֹן האמריקנית, בהוֹבלַת הדוקטורנטית חן שני. הפרויקט עסק בזיהוי הומור באינטרקציות עם אָלֶכְּסָה, הידועה כעוזרת וירטואלית קוֹלית של אמזון [3]. אנשים נוטים להתייחס לעוזרים הווירטואליים שלהם כאילו הם בני אדם, ולכן מנסים להתבדח איתם, או עליהם. כך לדוגמה: ''הי, אלכסה, את רוצה לבנות איש שלג?''. הבעיה היא שעוזרים אלה לא תוכננו להבין הומור, אלא לסייע במשימות יומיומיות כמו חיפוש באינטרנט או דיווח על מזג האוויר. לכן, הם בדרך כלל לא מצליחים לענות על השאלות ההומוריסטיות, מה שמאכזב את המשתמשים שרק רצו להשתעשע מעט. החוקרים אפיינו את הדרכים שבהן משתמשים צוחקים עם עוזרים וירטואליים, כצעד ראשון לזיהוי בדיחות אלה באופן אוטומטי ע''י המחשב. דוגמאות משעשעות לשאלות שאנשים שואלים עוזרים וירטואליים או למשפטים שהם אומרים להם, הן: ''יש לך עיניים?''; ''רוצה ללכת איתי לסרט?''; ''הזמיני לי מיליון דובוני גומי''; ''תני לי כִּיף'' ועוד.

סיכום

הומור הוא דוגמה נהדרת לתכונה שמחשבים עדיין רחוקים מלהבין וליישׂם באופן שבו בני אדם משתמשים בה. אך יש תקווה! ראינו שניתן לסייע למחשבים להבין הומור כשמדובר במשימות מסוימות. שאיפתנו לעתיד היא שנוכל להרחיב יותר ויותר את ההומור שמחשבים מבינים. רוצים לעזור לנו ללמד מחשבים הומור? הצעד הראשון שעליכם לעשות הוא ללמוד תכנות!

מילון מונחים

תיאוריה מדעית (Scientific Theory): אוסף של רעיונות וכללים המסבירים תופעה מסוימת. למשל, כוח המשיכה או אבולוציה.

בינה מלאכותית (Artificial Intelligence): תחום מדעי שמטרתו לגרום למחשב להתנהג ולהגיב בדרך שהייתה נחשבת אינטליגנטית בדומה להתנהגות האנושית.

תכנות (Programming): כתיבת הוראות למחשב. מחשבים אינם יודעים שפה כלשהי, אלא מבינים קוד בשפות ייעודיות שמתכנתים לומדים כדי ''לדבּר'' איתם. יישׂומים, אתרים ותוכנות מחשב נכתבים בקוד בשפת מחשב על ידי מתכנתים.

למידת מכונה (Machine Learning): תת-תחום בבינה מלאכותית שבו המחשב לומד מהניסיון, בדומה ללמידה אנושית. בניגוד לבינה מלאכותית קלאסית, בלמידת מכונה אין צורך להגדיר את כל החוקים מראש, אלא לספּק דוגמאות.

אלגוריתם (Algorithm): מונח מתחום המחשבים המתאר אוסף של פעולות המתבצעות בסדר מסוים במטרה להשלים משימה. דוגמה לאלגוריתם יכולה להיות גם מתכון לעוגה – המתכון כולל רצף של שלבים כמו ערבוב מצרכים והַכְנָסַת הבּלילה לתנור, כאשר המטרה הסופית היא לאפות עוגה.

עוזר וירטואלי קולי (Virtual Voice Assistant): תוכנה שיכולה להבין שפה אנושית ולהשתמש בה למַעֲנֶה. מטרתה היא לסייע למשתמש, על ידי ביצוע משימות עבורו.

הצהרת ניגוד אינטרסים

המחברים מצהירים כי המחקר נערך בהעדר כל קשר מסחרי או פיננסי שיכול להתפרש כניגוד אינטרסים פוטנציאלי.


מקורות

[1] Shahaf, D., Horvitz, E., and Mankoff, R. 2015. ''Inside jokes: identifying humorous cartoon captions,'' in Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. p. 1065–74.

[2] Shani, C., Borenstein, N., and Shahaf, D. 2021. ''How did this get funded?! Automatically identifying quirky scientific achievements,'' in Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing. p. 14–28.

[3] Shani, C., Libov, A., Tolmach, S., Lewin-Eytan, L., Maarek, Y., and Shahaf, D. 2022. '''Alexa, do you want to build a snowman?' Characterizing playful requests to conversational agents,'' in CHI Conference on Human Factors in Computing Systems Extended Abstracts. p. 1–7.