Je leest:

“Dat zei mijn vrouw gisteravond ook!”

“Dat zei mijn vrouw gisteravond ook!”

Humor uit je computer

Auteur: | 3 mei 2011

Het is misschien wel de bekendste grap op de werkvloer: iemand zegt iets onbedoeld dubbelzinnigs waarop een collega reageert met “Dat zei mijn vrouw gisteravond ook!” Amerikaanse taalkundigen hebben software ontwikkeld die precies aanvoelt wanneer de klassieker gepast is.

Mijn leraar uit groep acht werd stapelgek van ons. Hij kon werkelijk niets zeggen of we vatten het dubbelzinnig op. “Pak allemaal je dikke potlood.” Giechel, giechel. “Veeg je ’m wel weer netjes schoon?” Proest. Zelf ben ik hier uiteráárd al jaren overheen gegroeid, maar op menig kantoor wordt dit type humor nog regelmatig uit de kast gehaald. In het Engels heet het de ’That’s what she said’ -grap: een collega zegt iets onbedoeld dubbelzinnigs waarop een ander reageert met “Dat zei mijn vrouw gisteravond ook!” Hilariteit alom.

Amerikaanse onderzoekers hebben nu software ontwikkeld die herkent wanneer deze fameuze zin toepasselijk is. Ze presenteren hun resultaten in juni tijdens een jaarlijkse conferentie voor computertaalkundigen.

Voor een mens is het over het algemeen niet zo moeilijk om een dubbelzinnigheid te herkennen. Voor een computer is dat een heel ander verhaal. Hij vindt het vaak al moeilijk genoeg om te begrijpen wat je letterlijk bedoelt, laat staan om te begrijpen dat er ook nog iets anders bedoeld zou kunnen worden. Onderzoekers Chloé Kiddon en Yoriy Brun gingen daarom op zoek naar overeenkomsten in de zinnen waarop de ’That’s what she said’-grap van toepassing is.

Moppengenerator

Kiddon en Brun zijn niet de eersten die de computer een grapje proberen te ontlokken. De bekendste onderzoekers op dit gebied zijn Kim Binsted en Graeme Ritchie. Zij ontwikkelden in de jaren 90 JAPE en STANDUP, twee automatische moppengenerators. Deze maken raadsels in de trant van: “What do you call a spicy missile? A hot shot!”

Als eerste viel hen op dat bepaalde woorden beduidend vaker aanleiding geven tot de klassieker dan andere woorden, Zelfstandige naamwoorden als ‘banana’ en ‘meat’, bijvoeglijke naamwoorden als ‘hot’ en ‘wet’ en werkwoorden als ‘to hit’ en ‘to eat’.

Bovendien vormden ook bepaalde zinsconstructies opvallend vaak het benodigde voorzetje: korte zinnetjes van het type ‘X stuck Y in’ of ‘X could eat Y all day’. Kiddon en Brun analyseerden twee grote databases, eentje met 1,5 miljoen erotische zinnen en de ander met 57 duizend reguliere zinnen. Door deze met elkaar te vergelijken konden ze alle woorden die een dubbele, seksuele betekenis hadden in kaart brengen. Vervolgens trainden ze hun software met neutrale citaten van wikiquote.org en dubbelzinnige citaten van een site die de beroemde grap verzamelt.

Na deze training voelde het systeem in 70 procent van de situaties goed aan wanneer de grap gepast was. De onderzoekers denken dat meer trainingsdata zelfs zou kunnen leiden tot een score van 99,5 procent. Kiddon en Brun hopen in de toekomst de computer ook aan te zetten tot andere vormen van humor. Eén voordeel voor alle docenten en hardwerkende kantoormedewerkers: de software zal voorlopig niet op de markt komen.

Zie ook:

Dit artikel is een publicatie van NEMO Kennislink.
© NEMO Kennislink, sommige rechten voorbehouden
Dit artikel publiceerde NEMO Kennislink op 03 mei 2011

Discussieer mee

0

Vragen, opmerkingen of bijdragen over dit artikel of het onderwerp? Neem deel aan de discussie.

NEMO Kennislink nieuwsbrief
Ontvang elke week onze nieuwsbrief met het laatste nieuws uit de wetenschap.