林鱗 編譯整理
這是一個由互聯網催生的“槓精”充斥的時代，想必你一定遇到過。
回想一下，你在微博上針對問題提出看法，幾小時後發現一隊人馬@你排隊挑釁，他們奉行“只對人不對事”和“以抬槓為己任”的基本原則，試圖和你吵架。
前方注意⚠⚠⚠，一大波槓精來襲。
請問客官，預防吵架的特效神器要不要了解一下？
近日，Google旗下的科技孵化器Jigsaw、康奈爾大學和維基媒體基金會合作，聯合開發了一個預測談話走向的AI系統。
這個系統能從一開始就能預測談話是否會失控，想在對話能被挽救的情況下，儘早預防不必要的爭吵，活脫脫一個“吵架預防器”。
檢測元件
在今年ACL大會收錄的論文Conversations Gone Awry: Detecting Early Signs of Conversational Failure中，Lucas Dixon和Nithum Thain等人通過分析維基百科中的討論頁面，收集了1207次談話，當做訓練數據。
其中，一半對話最終發展成攻擊性言論，另一半數據仍然為禮貌交流。研究人員通過使用Jigsaw的Perspective API識別有害言論，並收集人類標註的標籤作為數據集。最終，一組對話的平均長度為4.6條。
檢測原理
至此，數據集☑。
隨後，研究人員開始分析這些對話中的關鍵詞有怎樣的特徵。
他們通過“表示禮貌的語用手段”將對話分類。這是一系列特徵，並且與談話的感情走向一致。無論是對話中包含友好的禮貌用語（比如“謝謝”、“請”等詞語），還是表達了希望繼續探討的積極用語（比如“我認為”“我覺得”），它都能識別出來，並依此分類。
然後，研究人員分析了結果和最初的評論，看看他們的系統是否能學會預測將來是否會產生負面評論。
效果展示
噹噹噹當，槓精預防發生器在一系列努力後終於完工。
研究人員做了一個測試，人類成功預測了大約72%的惡意對話，這個AI系統最終預測準確率達到61.6%。
此外，研究人員還得出了一些統計相關性，可以幫助人類和機器更好地發現那些容易出現攻擊評論。“我們粗略發現，言語越直率，遭到個人攻擊的可能性越大。”這一效應與我們的直覺一致，即太直接的表達暗示了交談中潛在的敵意。
為了便於以後的探索，研究人員還將數據和代碼整合，作為康奈爾會話分析工具箱的一部分。
附贈說明
對了，關於這個槓精預防發生器的更多說明，可以查看它的原理說明：
https://arxiv.org/abs/1805.05345
康奈爾會話分析工具箱地址：
https://github.com/CornellNLP/Cornell-Conversational-Analysis-Toolkit
對了，文中提到的Perspective API已上線，需要的話自取吧~
https://perspectiveapi.com/#/
雖然有吵架預防器的保護，還是要謹記八字箴言“珍愛生命，遠離槓精”呀。
— 完 —
誠摯招聘
վ'ᴗ' ի 追蹤AI技術和產品新動態
閱讀更多 量子位 的文章
