在任何一部出色的科幻电影的航天飞机上，我们都发现了一个具有人工智能的机器人，该机器人能够以幽默的方式与机组人员进行通信，但是像人类一样进行软件通信的想法可能并不像听起来那样牵强。

DTU的前生Bjarke Felbo(目前正在麻省理工学院(MIT)进行一项赠款研究)已经开发了一种算法，该算法可以使用深度表情符号分析来检测文本消息中的讽刺等基础消息。 DTU Compute的副教授Sune Lehmann(该算法论文的高级作者)认为，其潜力仍然更大。稍后对此有更多了解。

该算法可以通过将文本分为情感类别来检测文本中的基本消息。以前，计算机只能使用一个特定的单词或几个标签，因此仅限于从给定文本中提取字面意思。但是，借助64种选定的表情符号，该算法突然具有相似数量的新文本尺寸，从而可以得出有关文本重要性的新结论。

“这种算法的妙处在于，实际上，它为我们提供了理解文本情感的关键，”苏恩·莱曼(Sune Lehmann)说。

该算法已经过训练，可以分析所选表情符号在超过十亿个Twitter更新中的使用情况。据了解，当我们写“这是狗屎”时我们很生气，而当我们写“这是狗屎”时我们正在表达热情。它知道这一点是因为我们以不同的表情符号结束了消息。

无极限

当算法学会区分涉及大量数据的众多细微差别时，我们称之为“深度学习”。表情符号算法基于此原理。但是，它也能够“转移学习”，即将经验从解决一个问题转移到另一个问题，这使其与众不同。

深度学习使该算法擅长猜测哪个表情符号属于特定文本。然后，我们可以使用转移学习进行调整，以便可以区分讽刺和非讽刺，并随后向算法中添加其他数据，从而可以学习很多其他东西。” Sune Lehmann说。

您必须想象一下，将64个表情符号彼此并排放下，并将它们从最眼泪的表情到最幸福的笑脸进行排列。然后，可以将其他数据(正数和负数)添加到排名情绪的这些不同维度中，从而可以一次对大量消息进行大规模分析。

对政客有用：

“例如，该算法可被政客用来评估整个人群对他们的评论和观点的在线反应，”苏尼·莱曼(Sune Lehmann)说。

但是，该算法还有更多功能。还可以开发它来检测社交媒体上的仇恨言论，并使诸如Apple Siri的语音控制程序更加智能。