En folkestemning kan være svær at sætte fingeren på.
Ikke mindst på de sociale medier, hvor en uendelig strøm af nye Facebook-opslag, tweets og Instagram-posts spyttes ud i systemet hvert eneste sekund i døgnets 24 timer.
Nu kan flere fremadstormende teknologiske redskaber give en hjælpende hånd til at finde en vej i kaosset.
Forskere fra Københavns Universitet har således brugt kunstig intelligens og en sprogmodel til at finde, ‘læse’ og senere inddele indholdet i 30.000 tweets om klimavenlig mad i forskellige argumenter.
Ved at få en computer til at skabe orden i de tusindvis af tweets kan forskerne få ny indsigt i adfærd og holdninger på sociale medier, »som vi ikke kan spotte med det menneskelige øje,« fortæller en af forskerne bag arbejdet, Daniel Hershcovich, til Videnskab.dk.
»Jeg føler, at mange har vidt forskellige årsager til at spise mere grønt. Så jeg ville undersøge, hvad folk egentlig bruger af argumenter,« fortæller Daniel Hershcovich, der er lektor på Datalogisk Institut ved Københavns Universitet.
\ 30.000 argumenter opdelt i 5 kategorier
Forskerne har opdelt de 30.000 tweets om klimavenlig mad i 5 kasser med argumenter:
- Anekdotiske argumenter: En beskrivelse af en personlig oplevelse
- Ekspert-argumenter: Henvisning til et udsagn fra en person, en gruppe eller organisation med ekspertise på området
- Videnskabeligt argument: Henvisning til forskning på området
- Fakta-argumenter: Henvisning til tal eller anden information på området (forskerne skelner ikke mellem, om det rent faktisk er faktuelt eller ej)
- Et normativt argument: En værdiladet henvisning til en politisk eller moralsk overbevisning
Oplevelser slog fakta
Hvis Fødevareministeriet ønsker at få folk til at spise mere plantebaseret, men ikke ved, hvilke argumenter der fænger an derude, kan de altså gennem Daniel Hershcovichs få syn for sagen.
Indsigterne fra studiet viser nemlig, at de fleste på Twitter bruger personlige oplevelser og historier frem for faktabaserede oplysninger fra eksperter og medier, når de argumenterer for at spise mere bæredygtigt.
Men som Daniel Hershcovich selv siger, er analyserne af det store datamateriale ikke lavet endnu. Og selvom 30.000 Twitter-opslag lyder af meget, er det i datalogernes verden »ikke ret meget«.
»Det næste skridt, som jeg er i gang med at forberede, er, at bruge de samme algoritmer til at kortlægge milliarder af tweets og sammen med en antropolog at skabe nye viden om klimavenlig mad,« forklarer Daniel Hershcovich.
Arbejdet skal indtil videre blot ses et bevis på, at metoden fungerer. Forskningen er desuden endnu ikke udgivet i et videnskabeligt tidsskrift og fagfællebedømt. Resultaterne skal altså læses med en god portion forbehold.
Derfor lader vi altså lige resultaterne ligge for nu. Til gengæld er metoden bag værd at interessere sig for.
Computere graver efter digitale data-råstoffer
Metoden kaldes for ‘argument mining’.
Til forskel for traditionel minedrift, som metoden tager navn efter, graver computer-forskerne dog ikke efter råstoffer i jorden. De udvinder data i form af ytringer om et givent emne på sociale medier.
I stedet for tunge gravemaskiner bruger computer-forskerne her computerkraft, kunstig intelligens og sprogmodeller til at finde og indsamle de digitale data-råstoffer. I dette tilfælde tweets om klimavenlig mad.
Den kunstige intelligens og en række sprogmodeller bruges siden til at analysere og til sidst ordne de 30.000 forskellige tweets om klimavenlig mad i forskellige kategorier.
Tilbage står forskerne med et fintunet datasæt om klimavenlig mad. Og ikke mindst en dyb indsigt i, hvad det er for nogle argumenter for og imod klimavenlig mad, der rører sig i Twitter-dybet.
Computere kan også analysere følelser i sprog
‘Argument mining’ er i familie med et andet forskningsområde, som indenfor computer-lingvistikken kaldes ‘sentiment analysis’ – på dansk ‘følelsesanalyse’.
Det fortæller Ole Winther, der er professor på Danmarks Tekniske Universitet (DTU), der ikke har været involveret i studiet, men kalder det for »værdifuldt arbejde«:
»De har lavet et godt datasæt, som man kan bruge til den helt konkrete sag: at finde og ordne tweets om klimavenlig mad og dermed tage temperaturen på, hvad der bliver skrevet om emnet,« siger Ole Winther, der forsker i maskinlæring og sprogmodeller.
‘Følelsesanalyse’ er et omtrent 20 år gammelt felt indenfor kunstig intelligens, der bruges til bestemme, om en tekst er vred, glad, trist eller har en anden gennemgående følelse.
»Det fungerer på den mest simple måde ved, at man sætter sig ned og ordner en masse ord efter, om de er positive, glade eller vrede, og så tæller computeren groft sagt op, om der flest negative eller positive ord i en tekst«.
»Ud fra de her følelsesmæssige kategorier, har man eksempelvis kunnet se, at folk mere vrede om vinteren,« fortæller Ole Winther, der også er professor i bioinformatik på biologisk institut ved Københavns Universitet.
Med argument-analysen går man dog i Ole Winthers øjne »et spadestik dybere«, fordi det er mere sprogligt komplekst at kategorisere argumenter end følelser.
At måle en folkestemning
At lave træfsikre kampagner for klimavenlig mad er dog bare ét lille eksempel på, hvad de to computerstyrede tekstanalyse-metoder egentlig kan bruges til, påpeger Ole Winther.
Essentielt kan de bruges til at måle en folkestemning, hvad der kan være værdifuldt for virksomheder og politikere.
»Man vil kunne tilbyde en service til en stor virksomhed som Danske Bank, hvor man siger: ‘Nu tager vi lige den dybe slange ned i Twitter eller Facebook og analyserer, hvad synes folk om jer’,« forklarer Ole Winther.
»Det er meget nyttigt i virale tider, hvis man skal forberede sig på, om der nu er en mediestorm på vej. Eller hvis man vil måle ens popularitet eller udarbejde bedre kommunikationskampagner.«
Kan det misbruges?
Teknologien er altså gode nyheder for virksomheder og politikere. Men hvad med forbrugerne og vælgerne? At nogle bliver bedre til at lave gode kampagner for klimavenlig mad er måske svært for de fleste at hidse sig op over.
Kan metoderne ikke også bruges til at lave perfekte – men uetiske – betting- og tobaksreklamer? Eller udnyttes til at vinde politiske valg?
»Vi har gjort nogle overvejelser om det. Det er en vigtige pointe. Lige nu er metoden mere egnet til at undersøge, hvilke grunde folk har til at spise mere grønt, frem for at automatisk optimere adfærdsændring,« lyder det fra Daniel Hershcovich.
»Du kan vende teknologien hvilken som helst vej, du vil,« siger Ole Winther.
»Det er det samme med ChatGPT (meget omtalt chat-robot, der bygger på kunstig intelligens og sprogteknologien GPT-3.5, red.). Hvis du begynder at lave AI, der gratis kan generere en masse indhold, så kan du med en maskine præge medieverdenen mere end journalister.«
Ole Winther håber og tror dog, at vi i takt med ny teknologi vil udvikle en stigende kritisk bevidsthed:
»Historien med Cambridge Analytica (konsulenthus, der fra 2013-2018 misbrugte millioner af Facebook-brugeres data for at målrette indhold til dem, der kunne påvirke, hvem de stemte på til et politisk valg, red.) har gjort, at vi nok er mange flere i den brede befolkning, der er lidt mere skeptiske overfor, hvad vi får serveret af indhold på Facebook,« siger han.
