Dr Barbara Konat z Laboratorium Badania Rozumowań Zakładu Logiki i Kognitywistyki prowadzi badania nad argumentacją i emocjami w języku. Zajmuje się ich komputerowym przetwarzaniem. O jej pracy badawczej, projektach z pogranicza nauki i biznesu oraz o tym, jak zaszczepić emocje sztucznej inteligencji rozmawia Michalina Łabiszak.
Bada pani emocje w języku, przetwarzając je i analizując komputerowo. Na co przekładają się tego rodzaju badania, jakie obszary wspierają?
Wykorzystuje się je w biznesie. Analiza sentymentu jest bardzo popularną techniką wykorzystywaną przez firmy do analizy emocji, które otaczają markę. Na przykład w mediach społecznościowych firmy poprzez analizę komentarzy, które publikowane są na jej stronie, mogą zidentyfikować emocje, jakie towarzyszą konsumentom oraz obserwować pewne zmiany, które świadczą o zmianie postaw wobec firmy. To pomaga wychwytywać markom momenty eskalacji wśród społeczności skupionej wokół niej w kanałach informacyjnych. Programy te próbuje się także wykorzystywać do predykcji rynków giełdowych czy też kryptowalut, ponieważ są one także oparte na ludzkich emocjach. Choć w tym przypadku jest to trudniejsze – działa tam bardzo wiele zmiennych, a emocje wyrażane w mediach społecznościowych są tylko jedną z nich.
Emocje w tekstach analizowane są z wykorzystaniem technologii, programów komputerowych. Jak nauczyć sztuczną inteligencję czuć?
Komputery nie rozumieją języka, w ogóle nie są to maszyny zbyt inteligentne. Prawdziwa sztuczna inteligencja nie istnieje. Za całym procesem stoi człowiek. Przygotowywanie algorytmów uczenia maszynowego rozpoznających emocje to praca żmudna i czasochłonna, ale i – w swojej istocie – prosta. Opiera się na ludzkiej intuicji i pracy manualnej oraz na pewnych założeniach matematycznych. Aby stworzyć takie narzędzie i zaprogramować maszynę, potrzebujemy ustrukturyzowanej wiedzy pochodzącej od ludzi. Przeprowadza się wśród nich badania polegające na znakowaniu (anotacji) danych językowych metadanymi. W wyniku tego procesu dochodzi się do pewnej intersubiektywnej oceny emocji, które są wzbudzane przez konkretne słowa. Powtarzamy ten proces dla tysięcy słów i dla konkretnych emocji. W taki sposób powstaje baza danych będąca podstawą, wspomnianą „wiedzą” do zaprogramowania komputera. Jak już wspomniałam, nie jest on w stanie identyfikować słów. Słowa stanowią dla niego jedynie pewien ciąg znaków, który może dopasować do ciągu znaków w naszej bazie i dzięki temu wskazać konkretną emocję. To jedna z metod. Inną metodą jest anotowanie całych fraz i przypisywanie im emocji, które wzbudzają. Zasadniczą różnicą jest jednak powstanie intersubiektywnego zbioru uczącego, który zestawia się z algorytmem uczącym się – zapamiętującym frazy oraz przypisane im etykiety. W wyniku tego procesu narzędzie jest w stanie odnieść etykiety nie tylko do konkretnych fraz, których się nauczyło, ale i do innych, im podobnych, wykorzystanych w badanym tekście. Tego typu algorytmy popełniają błędy. Etykiety są bowiem bardzo uproszczone. Błędy te są jednak „nadrabiane” masową skalą wykorzystania tych modeli. W rozpoznawaniu emocji w tekście wykorzystujemy zatem dwie metody: leksykalną i uczenia maszynowego.
Projekt Sentimenti, którego była pani kierowniczką badawczą, jest projektem z pogranicza nauki i biznesu. W jaki sposób wspiera rozwój i wizerunek firm i marek?
Kierowałam fazą badawczo-rozwojową projektu Sentimenti w latach 2017-2019. Jesteśmy już zatem 2 lata po wdrożeniu. Badania podstawowe – powstałe w wyniku prac zespołów: lingwistycznego z Politechniki Wrocławskiej (Słowosieci) i zespołu psychologów z Pracowni Obrazowania Mózgu w Instytucie Nenckiego PAN – wdrożyliśmy, projektując konkretne narzędzia, dzięki finansowaniu z Narodowego Centrum Badań i Rozwoju. Aktualnie firma Sentimenti działa na rynku jako samodzielny byt, oferując usługi z różnych obszarów – ochrony wizerunku marki oraz monitorowania zmian w emocjach wokół marki. Także predykcji, o której wspomniałam na początku naszej rozmowy, ale nie tylko. Są to również inne przedsięwzięcia. Jednym z nich był projekt, nad którym współpracowaliśmy z portalem Interia. Projekt nazywał się Interia Emotions i dotyczył dopasowywania reklam do odbiorcy po słowach kluczowych przez pryzmat występujących w nich emocji. Współpracowaliśmy także z Wirtualną Polską, która chciała wykorzystać narzędzia do zbierania opinii emocjonalnych do zbadania, jakie emocje wzbudzają partie polityczne. Są to zatem tego rodzaju projekty i zastosowania.
Aktualnie pracuje pani przy projekcie, który bada, jak obecność emocji obok argumentacji wpływa na perswazję. Projekt nazywa się ComPathos.
Jako badaczka analizuję argumenty w sposób deskryptywny, patrząc na nie takimi, jakimi są. Kiedy spojrzy się na sposoby argumentowania, to widzi się, że kluczowym elementem perswazji nie jest wyłącznie odwołanie do logosu. Równorzędnie mamy tu odwołania do etosu i do patosu. Na temat logosu i etosu prowadzi się badania, identyfikując ich znaczenie w argumentowaniu. Natomiast patos, w obszarze retoryki, nie jest tak dobrze przebadany. W moich badaniach stawiam sobie pytania: czy istnieje możliwość intersubiektywnego opisu tego, co dzieje się w argumentowaniu, kiedy mówca wykorzystuje patos, czyli odwołuje się do emocji słuchaczy? Czy można to w pewien systematyczny sposób zaobserwować oraz opisać, a być może analizować na masową skalę? Czy narzędzia wypracowane przez językoznawstwo i psychologię można wykorzystać w obszarze retoryki? Na bazie tych pytań i obszarów do zbadania powstał projekt ComPathos (Computational Pathos – patos obliczeniowy), który po polsku ma tytuł: W stronę nowego modelu patosu na potrzeby retoryki obliczeniowej. W tym roku projekt został sfinansowany przez Narodowe Centrum Nauki. Zespół projektowy składa się z trzech osób, pracują ze mną Wiktoria Rossa i Ewelina Gajewska, moje dwie asystentki, studentki Kognitywistyki.
W ramach projektu ComPathos badane są debaty z wyborów parlamentarnych z 2019 roku i prezydenckich z 2020 roku. Czy z badań przeprowadzonych dotychczas wyłaniają się jakieś wnioski na temat stylów uczestników debat?
Na podstawie dotychczas przeprowadzonych badań można chociażby wskazać polityków zawodowych – sprawnie wykorzystujących zabiegi retoryczne oparte na logosie – i niezawodowych – stosujących argumenty emocjonalne. Strukturę argumentacji opartej na logosie bardzo sprawnie wykorzystuje Krzysztof Bosak. Ma najspójniejsze argumenty. Po przeciwnej stronie wyłania się profil niezawodowego polityka Stanisława Żółtka, w którego wypowiedziach patosu jest mnóstwo, który, na przykład, zapytany o szczepienia powiedział: (…) sam fakt, że będziemy traktowani jak zwierzęta gospodarcze, że można nas zaszczepić siłą albo nie (…), już sam ten fakt jest straszny, potworny (…). Zarówno słowa: „siła”, „straszny” i „potworny” są w bazach słów emotywnych – którymi dysponujemy – i jednoznacznie kojarzone są z lękiem. Nie wiem, na ile świadomie Stanisław Żółtek wykorzystuje patos w swoich wypowiedziach, zaznacza się on jednak w nich dość wyraźnie. W projekcie obok patosu, choć w mniejszym stopniu, analizujemy także metafory i na przykład kandydatem o najbardziej kwiecistym języku jest Władysław Kosiniak-Kamysz, który także jest zawodowym politykiem i mówcą. Mówi np.: Szanowni Państwo, gdy słyszę, że Polska służba zdrowia jest w stanie przedzawałowym, to jako lekarz pragnę stwierdzić, że ona jest już po dwóch zawałach i trzeciego po prostu nie przeżyje. Już na tym etapie możemy zatem nieco sprofilować kandydatów przez pryzmat języka, konstrukcji argumentów i emocjonalności ich wypowiedzi.
Zobacz też: Prof. Andrzej Pukacz. Najbardziej lubię rolę naukowca
