Tekstgenerering

Når tekstgenerering (inklusive generering af naturligt sprog ; English Natural Language Generation , NLG ) kaldes en maskines automatiske fremstilling af naturligt sprog . Som en del af computinglingvistik er generering af tekster en særlig form for kunstig intelligens .

Generationsproces

Til generationsprocessen er der forskellige beskrivelsesmodeller og tekniske termer afhængigt af den metode og det anvendte perspektiv uden at skulle modsige hinanden i princippet.

Ifølge Ehud Reiter består arkitekturen til generation i dag af en tekstplanlægger, en sætningsplanlægger og en brugergrænseflade som standard. For forholdet mellem tekstsegmenter bruges teorien om retoriske strukturer, RST , til at forme diskursrelationerne. En tekst er sammenhængende, hvis den kan repræsenteres af et træ af retoriske relationer og elementære tekstenheder (RST: Mann, Thompson): Følgende links gælder som relationer mellem hoved- og underordnede klausuler: ÅRSAG, RESULTAT, ELABORATION, KONTRAST, SEKVENS, LIST , KONCESSION og andre.

Ifølge M. Hess kræver generationen to komponenter.

  • Den strategiske komponent, hvad skal man sige: informationsvalg, indholdsvalg, områdeplanlægning. Denne komponent bruger normalt kunstige intelligenssøgnings- og planlægningsstrategier.
  • Den taktiske komponent, som det skal siges: Planlægningen af ​​den sproglige form. En grammatik, der er skræddersyet til generationsaspektet, bruges ofte.

Ulrich Gaudenz Müller udviklede sammen med tyskeren og datalingforskeren Raimund Drewek fra 1981 til 1999 et system til tekstgenerering, som blev kaldt SARA (sætning tilfældig generator).

Tekstgenerering fra vidensbaser

"Forudsætningen for enhver form for generation er, at de oplysninger, der skal genereres som tekst, er tilgængelige som formelle oplysninger, der kan behandles af edb -lingvistik, som f.eks. B. Information fra databaser eller vidensrepræsentationer. "

Tekstgenerering fra sådanne vidensbaser er tilgængelig i varianter til forskellige opgaver.

  • Grænseflade til ekspertsystemer
  • Udarbejdelse af tekniske dokumenter på flere sprog fra en vidensbase
  • Automatisk generering (af retninger, vejrudsigter og aktiemarkedsrapporter)
  • Generationskomponent i dialogsystemer
  • Generering fra transformerbaserede sprogmodeller (f.eks. Ved hjælp af GPT2 / 3 )

anvendelsesområder

Robotisk journalistik

Udtrykket "robotjournalistik", der er skabt af medierne, refererer til algoritmer, der kan generere færdige nyhedstekster fra databaser og kolonner. I denne proces er fokus på at spare og fokusere på humane journalister . Med færre medarbejdere kan redaktionerne opnå nyere produkter af højere kvalitet og mere omhyggeligt undersøgt takket være maskinlindringen. På den anden side kan de offentliggøre rapporter, der ikke kunne skrives på grund af mangel på tid eller utilstrækkelig interesse. Brugen af ​​software i journalistik er stadig kontroversiel; det diskuteres hovedsageligt på hvilke måder den menneskelige journalist er software bedre end. Desuden forbliver spørgsmålet om, i hvilket omfang automatisk genererede tekster er omfattet af ophavsretsloven, ubesvaret. Algoritmerne, der er specielt tilpasset inputdataene, beregner løbende værdier og skriver rapporter om dem, enten med bestemte tidsintervaller (f.eks. Daglige vejrrapporter) eller når værdier ændrer sig markant (f.eks. Advarsel om jordskælv). Særligt hyppige anvendelsesområder for “robotjournalister” er nicher som f.eks. Underklassesportsrapporter, vejrrapporter og børsmarkeringer. Men den datadrevne oprettelse af automatiseret indhold til rapportering om lokale emner er allerede i brug.

Chatbots

I tekstbaserede dialogsystemer såsom chatbots bruges tekstgenerering til at kommunikere med brugeren. Et velkendt historisk eksempel er ELIZA- programmet .

En del af kommunikationen med højt udviklede intelligente virtuelle agenter er baseret på dette princip, hvorved dialogens kvalitet blandt andet afhænger af koblingen mellem agenten og vidensbaser. En persons dialog med forskellige grænseflader kan lettes, hvis en agent genererer tekst, der produktivt besvarer spørgsmål:

  • Når du henter et informationstilbud, blandt andet som præsentationsagent for et websted (også kaldet "online moderator")
  • I tilfælde af et sprog-kompatibelt program til valg af konsulent (bruges ofte til forhåndssortering af kunder via telefon)
  • I dialoger med karakterer i computerspil

Content marketing

Ifølge en undersøgelse er marketingbranchen den industri, som kunstig intelligens vil have størst indflydelse på. I 2022 forventes mere end 30% af digitalt indhold at blive skabt ved hjælp af AI -teknologi. Forskellige værktøjer bruges i marketing til at generere indhold, som f.eks B. oprettelse af reklamekopi, generering af nyhedsbrevs emnelinjer og validering af AI-genererede resultater.

Tekstgenerering som en kreativ proces

Tekstgenerering kan være en komponent i kreative processer inden for kunst og litteratur. For længere værker tilbyder fuldstændigt genererede tekstlegemer, uanset om de genereres meningsfuldt eller forsynet med mening gennem efterbehandling, ikke nogen litterær kvalitet. Nogle af de kunstneriske processer i digital poesi, der er vigtige i forrige århundredes kunst og i samtidskunst, er imidlertid relateret til tekstgenerering.

Processer og anvendelser inden for billedkunst og litteratur

  • Indgreb i genereringssoftwaren eller vidensbasen (kunstneriske og litterære eksperimenter). Eksempel (ifølge Reinhard Döhl ): Max Bense og hans Stuttgart -gruppe brugte en Zuse Z22 i 1959 til at "syntetisere og udsende tekster ved hjælp af et indtastet leksikon og en række syntaktiske regler".
  • Efterbehandling eller integration af genereret tekst af forfattere (litteratur).
  • Dialog med publikum (f.eks. I kunstinstallationer ). Eksempel: David Link, Poetry Machine

Tekstgenerering efter sætning tærskemaskine

Frasetærskemaskiner eller bullshit -generatorer (engelske bullshit -generatorer , også buzzword -generatorer ) eksisterede som mekaniske enheder, før de blev implementeret i software. De første sætninger tærskning sandsynligvis udformet som en software var LoveLetters_1.0 programmeres fra 1952 Christopher Strachey ved University of Manchester for Ferranti Mark I . Lignende generatorer findes i mange flere udviklede versioner på WWW.

Sådanne programmer fungerer efter simple begreber, der bruges i mere komplekse tekstgenereringsprocesser: udtryk eller dele af sætninger tages fra lister, sættes sammen og justeres grammatisk korrekt (grammatisk realisering). En metode, der ofte bruges til dette, er generation med Markov -kæder . Resultatet er syntaktisk korrekt tekst, der kan have en meningsfuld effekt, men er faktisk bullshit, fordi sætningstærskemaskiner ikke har adgang til viden om betydningen af ​​de anvendte partikler. For eksempel kan tom retorik fra specialistlitteratur blive spøgefuldt satiriseret .

historie

Bortset fra mekaniske sætningstærskemaskiner som forstadier og bortset fra de tidligste forsøg på at generere tekster ved hjælp af software, begynder den første fase af naturligt sproggenerering med programmer, der skematisk får adgang til viden, der allerede er gemt i tekstform for at generere tekst. Sådan fungerede BASEBALL, en grænseflade til baseballdataene i den amerikanske baseballliga, og SAD SAM, en grænseflade til at komme ind i familieforhold, der allerede besvarede spørgsmål, fra 1963. Efter flere andre værker i denne retning dukkede ELIZA op i 1966, programmeret af Joseph Weizenbaum . I den anden fase er viden indkodet i fakta og regler: LUNAR, 1972, er grænsefladen til databasen til måneeksemplarindsamlingen af ​​Apollo 11 -missionen. PARRY, 1975, simulerer en paranoid tale med en psykiater. ROBOT, 1977, er det første kommercielle spørgsmål-og-svar-system. VIE-LANG, 1982, af Ernst Buchberger, er et dialogsystem på tysk, der genererer sætninger fra et semantisk netværk. HAM-ANS, 1983, af Wolfgang Hoeppner, er et dialogsystem på tysk, der f.eks. Simulerer en hotelchef.

litteratur

  • Ehud Reiter, Robert Dale: Opbygning af systemer til generering af naturligt sprog . Cambridge University Press, Cambridge 2000, ISBN 0-521-62036-8 .
  • Helmut Horacek: Tekstgenerering i: Kai-Uwe Carstensen, Ralf Klabunde et al. (Red.): Computational lingvistik og sprogteknologi . Heidelberg: Spektrum Akademischer Verlag, 3. udgave, 2010, ISBN 978-3827420237 , s. 436-465
  • John Bateman: Anvendt naturlig sproggenerering og informationssystemer i: Ralf Klabunde et al. (Red.): Computational lingvistik og sprogteknologi . se Heidelberg 2010 s. 633–641
  • Rico Schwank: Analyse af begreber og metoder til generering af natursprogstekster ud fra formelle data Diplomafhandling. Otto von Guericke University Magdeburg, Datalogisk fakultet
  • Patrick Reichelt: Introduktion til robotjournalistik: Trussel eller mulighed?. Tectum Wissenschaftsverlag, Baden-Baden 2017, ISBN 978-3828840591 .
  • Stefan Weber: Robotjournalistik, chatbots & Co.: Hvordan algoritmer producerer indhold og påvirker vores tankegang. Heise Medien, Hannover 2018, ISBN 978-3957881045 .

Weblinks

Individuelle beviser

  1. ↑ Ehud Reiter: Har en konsensus NL -generationsarkitektur vist sig, og er den psykologisk plausibel? i: Procedurer af den 7.. International workshop om generering af naturligt sprog (INLGW '94). (PDF) McDonald, D. og Meteer, M., 1994, s. 163-170 , åbnet den 26. marts 2010 (engelsk).
  2. ↑ KIT-MARKER-projekt. Technische Universität Berlin, 1999, s. 1,3 , arkiveret fra originalen ; Hentet 13. marts 2010 .
  3. ^ Michael Hess: Introduktion til computinglingvistik (I). (PDF) (ikke længere tilgængelig online.) Zürich Universitet, Institut for datalingvistik, 2005, pp 44,4 f. , Arkiveres fra originalen på 31 marts 2007 ; Hentet 26. marts 2010 . Info: Arkivlinket blev indsat automatisk og er endnu ikke kontrolleret. Kontroller venligst det originale og arkivlink i henhold til instruktionerne, og fjern derefter denne meddelelse.  @1@ 2Skabelon: Webachiv / IABot / www.ifi.unizh.ch
  4. ^ A b c Wiebke Ramm og Claudia Villiger: Videnskabelig tekstproduktion og specialistdomæne . Sproglig realisering af videnskabeligt indhold inden for forskellige specialiserede discipliner og deres beregningsmæssige sproglige modellering. I: Knorr, Dagmar / Jakobs, Eva-Maria (Red.): Tekstproduktion i elektroniske miljøer . Tekstproduktion og medier Bind 2. Lang Verlag, Frankfurt / Main 1997, ISBN 3-631-30970-8 , s. 214.2 ( rwth-aachen.de [PDF; åbnet den 15. marts 2010]).
  5. ↑ Susanne Göpferich, Dr. phil., Dipl.-Übers.: Den tekniske redaktør som global spiller: Professionel erfaring og krav til fremtidig uddannelse. Fagblad Journal Technische Documentation 2000/05, 19. december 2003, s. 1,7 , adgang 14. marts 2010 : ”Et flersproget generationssystem, der er udstyret med de tilsvarende teksttypespecifikke tekstregler, kan oprette disse forskellige teksttyper for det samme produkt fra en enkelt Generer vidensbase. "
  6. ↑ Statistik Monkey. (Ikke længere tilgængelig online.) Intelligent Information Laboratorium - Northwestern University, 2009, arkiveret fra originalen på November 16, 2010 ; tilgås den 24. marts 2010 (engelsk). Info: Arkivlinket blev indsat automatisk og er endnu ikke kontrolleret. Kontroller venligst det originale og arkivlink i henhold til instruktionerne, og fjern derefter denne meddelelse. @1@ 2Skabelon: Webachiv / IABot / infolab.northwestern.edu
  7. ^ Alec Radford et al. : Sprogmodeller er uden opsyn Multitask Learners 2018
  8. ↑ http://www.text-gold.de/fundstuecke/roboterjournalismus-haben-und-schreiben/ , tilgået den 29. oktober 2014
  9. ↑ Værker skabt autonomt af computere: værdig til beskyttelse af ophavsret? Hentet 8. november 2018 .
  10. ↑ Julian Maitra: Medier: Robotjournalisterne er allerede blandt os. I: welt.de . 15. maj 2014, adgang til 7. oktober 2018 .
  11. ^ Andreas Graefe: Guide til automatiseret journalistik . Columbia Journalism Review, New York City 2016 (åbnet 14. februar 2018).
  12. ^ Robotjournalister redder den lokale presse. Hvem vil redde os fra dette? Hentet den 20. november 2018 (tysk).
  13. ↑ Josef Karner: Mailüfterl, Al Chorezmi og kunstig intelligens: En samtale med computeren pioner Heinz Zemanek. Telepolis, den 8. august, 1999, s. 1 , arkiveret fra oprindelige januar 22, 2005 ; tilgået den 20. marts 2010 (spørgsmål 20 ff): "Weizenbaum skabte ikke intelligens eller endda bevidsthed, men viste de enkle midler, hvormed man kan få en seer til at tro, at han har at gøre med intelligens."
  14. ^ Dimensionering af den potentielle værdi af AI og avanceret analyse | McKinsey. Hentet 26. maj 2021 .
  15. ^ Gartner forudsiger 2019: På jagt efter balance i marketing. Hentet 26. maj 2021 .
  16. ↑ Hvorfor marketingteams skal bruge AI -indholdsgenerering. I: neuroflash. 10. maj 2021, adgang 26. maj 2021 (tysk).
  17. ^ Roberto Simanowski: Automatisk skrivning. XCULT, adgang til den 15. marts 2010 (præsentation på symposiet Fortællinger i mediekunst).
  18. ↑ Reinhard Doehl: Cirklen omkring Max Bense. Hentet 16. marts 2010 (kunstig poesi, afsnit 5).
  19. ↑ Reinhard Doehl: Cirklen omkring Max Bense. Hentet 16. marts 2010 (kunstig poesi, afsnit 6).
  20. ↑ Miriam Stürner: David Link, Poetry Machine (version 1.0), 2001-2002. (Ikke længere tilgængelig online.) ZKM, Center for Kunst og medier Karlsruhe, arkiveres fra originalen på November 20, 2010 ; Hentet 15. marts 2010 . Info: Arkivlinket blev indsat automatisk og er endnu ikke kontrolleret. Kontroller venligst det originale og arkivlink i henhold til instruktionerne, og fjern derefter denne meddelelse. @1@ 2Skabelon: Webachiv / IABot / www.zkm.de
  21. ↑ David Link: LoveLetters_1.0. MUC = Opstandelse. Et mindesmærke. (Ikke længere tilgængelig online.) Arkiveret fra originalen den 28. marts 2010 ; Hentet 15. marts 2010 . Info: Arkivlinket blev indsat automatisk og er endnu ikke kontrolleret. Kontroller venligst det originale og arkivlink i henhold til instruktionerne, og fjern derefter denne meddelelse. @1@ 2Skabelon: Webachiv / IABot / www.alpha60.de
  22. ↑ Andreas Stuhlmüller: tekster med Markov. (Ikke længere tilgængelig online.) 14. februar 2005, arkiveret fra originalen den 17. juni 2010 ; Hentet 24. marts 2010 . Info: Arkivlinket blev indsat automatisk og er endnu ikke kontrolleret. Kontroller venligst det originale og arkivlink i henhold til instruktionerne, og fjern derefter denne meddelelse. @1@ 2Skabelon: Webachiv / IABot / www.aiplayground.org
  23. ↑ VIE-GEN. NLG Systems Wiki, 17. november 2009, tilgås 15. marts 2010 .
  24. ↑ Jörg Roth :: Introduktion til tekstgenerering i naturligt sprog. 1989, adgang 14. marts 2010 .
  25. ↑ Rico Schwank: Analyse af metoder til generering af tekster fra naturligt sprog ud fra formelle data. Otto von Guericke University Magdeburg, tilgået den 13. marts 2010 .