Metaforer en svår nöt att knäcka
Metaforer är ofta så enkla att förstå att vi sällan reflekterar särskilt mycket över det. Men hur skapar man ett dataprogram som både upptäcker när en grupp av ord ska uppfattas bildligt och dessutom kan avgöra om bilden är träffande?
Yuri Bizzoni är den förste forskare som disputerat i datalingvistik vid CLASP, Centrum för språkteori och sannolikhetsstudier, och hans avhandling handlar just om detta.
Varför ska man intressera sig för metaforer egentligen? Bland annat för att vi använder dem så ofta i dagligt tal, ibland utan att ens tänka på det, förklarar Yuri Bizzoni.
– Metaforer har intresserat lingvister väldigt länge av flera skäl. Det handlar inte bara om att förstå hur de fungerar, utan också om stilistisk eller om att fastställa författarskap till en viss text men handlar också om problem vid översättning.
Inte minst viktigt är att metaforer är fascinerande för sin egen skull.
– Man kan undra varför någon föredrar att kanske säga ”hon var en osalig ande” istället för ”hon skrek på ett förfärligt sätt”. En metafor riskerar ju att bli missuppfattad på ett sätt som en mer saklig beskrivning sällan blir. Ändå använder vi metaforer hela tiden, bland annat för att ge en mer talande eller känslomässig bild av ett skeende. Nyskapande metaforer, exempelvis i poesi, kan vara subtila och svåra att översätta medan ett slentrianmässigt bildspråk ofta känns slitet, tomt på innehåll. Metaforer är hur som helst en aspekt av språket som går bortom behovet att bara informera, vilket gör dem spännande men också svåra att studera.
Sex experiment
I sin avhandling beskriver Yuri Bizzoni sex olika experiment för att dels lära datorer hitta metaforer, dels avgöra hur väl de fungerar.
– Som datalingvist är man van vid att arbeta med stora mängder text men när det gäller metaforer är tyvärr databaserna ganska magra. För att undersöka hur de lyckade metaforerna är uppbyggda, skapade jag därför ett eget dataset bestående av 250 mängder som var och en innehåller en metafor samt fyra förslag på omskrivningar.
Ett tjugotal respondenter anlitades för att betygsätta hur väl de olika omskrivningarna fungerade. Ett exempel på lyckad omskrivning av ”folkmassan var en brusande flod” är ”folkmassan var stor och högljudd”, medan ”han ler på ett charmerande sätt” inte uppfattades som en godtagbar översättning av ”han grimaserar som en apa”.
Förvånande resultat
Yuri Bizzoni undersökte också om ett större sammanhang gör metaforer lättare eller svårare att förstå. Vad händer exempelvis om man lägger till två meningar i de ursprungliga texterna, exempelvis: ”Se på honom. Han grimaserar som en apa. Han känns verkligen säker på sig själv.”
– Resultatet blev ganska överraskande. Att en dåligt fungerande metafor blir lättare att förstå i ett större sammanhang kanske inte är så konstigt. Mer att metaforer som tidigare fått gott betyg uppfattades som mindre självklara när sammanhanget blev större var desto mer förvånande. Det verkar som att mer information skapar något slags osäkerhet, ett brus i kommunikationen.
Om datorerna blir bättre på att känna igen metaforer kanske de så småningom också lär sig att skapa nya bildliga uttryck.
– Datorer kanske blir våra nya poeter. Men det hoppas jag trots allt inte, skapande verksamhet är ju inget vi människor vill att maskinerna ska ta ifrån oss.
Postdoktortjänst i Tyskland
När GU Journalen träffar Yuri Bizzoni är han på tillfälligt besök för att delta i den trettonde International Conference on Computational Semantics, som pågick 23–27 maj. Han gör nämligen sin postdoktorstjänst vid Universität des Saarlandes i västra Tyskland. Hans forskning där knyter an till vad han gjorde som masterstudent, då han undersökte franska och italienska översättningar av Odyssén.
– Det jag ska ägna mig åt nu är diakronisk språkforskning, alltså hur språk utvecklats över tid. Jag kommer att studera vetenskapliga artiklar från 1660–1996 från the Royal Society i London. Det innebär att jag kommer att följa framväxten av det vetenskapliga språket som ju, för att undvika missförstånd, måste fungera snabbt, effektivt och innehålla så lite ovidkommande brus som möjligt.
Har du någon favoritmetafor?
– Jag tycker om Homeros ”vinmörka hav”, som är egendomligt och suggestivt på samma gång. Havet är ju inte vinmörkt, ändå ger metaforen en kraftfull undergångsstämning.
Första doktoranden från CLASP
Yuri Bizzoni disputerade den 21 februari på avhandlingen Detection and aptness: a study in metaphor detection and aptness assessment through neural networks and distributional semantic spaces. Det är den första doktorsavhandlingen i datalingvistik vid CLASP, Centrum för språkteori och sannolikhetsstudier, som är knutet till institutionen för filosofi, lingvistik och vetenskapsteori. Föreståndare är Shalom Lappin, professor i datalingvistik. Centrumet har en tioårig finansiering, 2015–2025, av Vetenskapsrådet.
Text: Eva Lundgren
Foto: Johan Wingborg
Texten publicerades ursprungligen i GU Journalen nr 3 2019