IA génère poésie style Shakespeare, respectant rimes et mètres

• Nouveau modèle deep learning écrit poèmes surpassant poèmes humains en rimes et mètre.
• Difficile distinguer les deux, mais experts : IA manque émotion et lisibilité.

Méthodes deep learning exploitables tâches créatives ? Oui. Déjà utilisées applications créatives : composition musique, design sculptures, chorégraphie automatique.

Maintenant, chercheurs IBM, University of Toronto, University of Melbourne : tâche textuelle créative — composition poésie automatique. Modèle deep learning « Deep-speare » capturant langage, rimes, mètre sonnets, générant poèmes.

Fascinant : poèmes IA ressemblent ceux poète anglais William Shakespeare. Modèle fonctionne bien : crée quatrains sonnets rimes et patterns stress, parfois indistinguables poèmes humains.

Sonnet = court poème lyrique, popularisé Shakespeare. Généralement : 14 lignes groupées 3 quatrains (4 lignes) + 1 couplet (2 lignes).

Comment ont-ils fait ?

Chercheurs focus sonnets, produisent quatrains pentamètre iambique basé modèle non-supervisé rimes, langage, mètre entraîné sur corpus sonnets novel. Entraîné modèle langage vanilla sur corpus sonnets, capturant mètre implicitement performance niveau humain.

En bref : modélisation contenu et forme poésie architecture neurale, 3 composants clés :

1. Modèle langage
2. Modèle pentamètre capture pentamètre iambique
3. Modèle rimes apprend mots rimants

Prédire mot suivant ligne sonnet particulière : modèle langage utilise cross-entropy catégorique standard. Modèle pentamètre entraîné apprendre patterns alternance stress iambique. Modèle rimes sépare paires mots rimants/non-rimants quatrain, utilisant loss margin-based.

Référence : arXiv:1807.03491

Modèle langage génère mot à la fois, modèle pentamètre échantillonne phrases conformes mètre, modèle rimes enforce rimes. Tous composants entraînés ensemble.

Crédit image : The Daily Dot

Réseau neuronal entraîné 2 685 sonnets ~367 000 mots, GPUs NVIDIA Tesla + TensorFlow powered by CUDA deep learning framework.

Chercheurs aidés expert littérature anglaise Adam Hammond pour noter 4 aspects poèmes générés machine : lisibilité, rimes, mètre, émotion. Hammond ignorant source poèmes. Résultats : IA surpasse travail humain rimes et mètre, mais manque émotion et lisibilité.

Bien que modèle ne semble pas directement pertinent applications pratiques, partage même algorithme core powering autres problèmes génération : résumé, traduction, chatbots.

Lire : IA psychopathe voyant mort partout

Avant cela, chercheurs tenté imiter créativité réseaux neuronaux : bot script « Scrubs » (série TV comédie), projet DeepDream Google génération images. Disent : pour poésie impressionnante, regarderont au-delà contenu et formes futures recherches.