Es difícil evitar los spoilers en Internet en estos días, incluso si tienes cuidado, un tweet aleatorio o una noticia recomendada podrían desperdiciar tu plan para ver ese final de temporada con un día de retraso o ver una película después de que la multitud haya disminuido. Pero pronto un agente de inteligencia artificial puede hacer el spoiler para usted, y marcar las revisiones y el contenido de spoilerific antes de que incluso tenga la oportunidad de mirar.

SpoilerNet es la creación de un equipo en la Universidad de California en San Diego, compuesto quizás por personas que intentaron esperar una semana para ver Infinity War y se vieron sorprendidos por sus problemas. ¡Nunca más!

Ellos reunieron una base de datos de más de un millón de revisiones de la comunidad de lectura de Amazon, Goodreads, donde es la convención de anotar spoilers en cualquier revisión, esencialmente línea por línea. Como usuario del sitio, estoy agradecido por esta capacidad, y los investigadores también lo estaban, porque en ninguna otra parte hay un corpus de revisiones escritas en las que todo lo que constituye un "spoiler" ha sido etiquetado meticulosamente por una comunidad concienzuda.

(Bueno, un poco concienzudo. Como señalan los investigadores: "observamos que en realidad solo unos pocos usuarios utilizan esta función".)

En cualquier caso, estos datos etiquetados son en estos días básicamente el alimento de lo que generalmente se conoce como sistemas de AI: redes neuronales de varios tipos que "aprenden" las cualidades que definen una imagen específica, un objeto o, en este caso, spoilers. El equipo introdujo en el sistema las 1.3 millones de revisiones de Goodreads, permitiéndole observar y registrar las diferencias entre oraciones ordinarias y aquellas con spoilers en ellas.

Quizás los escritores de reseñas tienden a comenzar oraciones con detalles de la trama de una manera determinada: "Más tarde se revela …", o tal vez las oraciones de spoilery tienden a carecer de palabras evaluativas como "grande" o "compleja". ¿Quién sabe? Sólo la red.

Una vez que se completó su entrenamiento, el agente se liberó en un conjunto separado de oraciones (tanto de Goodreads como de Tropic TV Tropes), que fue capaz de etiquetar como "spoiler" o "non-spoiler" con hasta 92 porcentaje de precisión. Los intentos anteriores de predecir computacionalmente si una oración tiene spoilers no le han ido tan bien; un artículo de Chiang et al. El año pasado abrió nuevos caminos, pero está limitado por su conjunto de datos y su enfoque, que le permiten considerar solo la oración que se encuentra frente a él.

"También modelamos la dependencia y la coherencia entre las oraciones dentro del mismo documento de revisión, para poder incorporar la semántica de alto nivel", dijo a TechCrunch el autor principal del artículo de SpoilerNet, Mengting Wan, en un correo electrónico. Esto permite una comprensión más completa de un párrafo o revisión, aunque, por supuesto, también es necesariamente un problema más complejo.

Pero el modelo más complejo es un resultado natural de los datos más ricos, escribió:

Un diseño de este tipo se beneficia del nuevo conjunto de datos de revisión a gran escala que recopilamos para este trabajo, que incluye documentos de revisión completos, etiquetas de spoiler a nivel de oración y otros metadatos. Por lo que sabemos, el conjunto de datos públicos (publicado en 2013) antes de este trabajo solo implica unos pocos miles de comentarios de una sola frase en lugar de documentos de revisión completos. Para las comunidades de investigación, este conjunto de datos también facilita la posibilidad de analizar en detalle los spoilers de la revisión del mundo real, así como el desarrollo de modelos modernos de aprendizaje profundo "hambrientos de datos" en este dominio.

Este enfoque sigue siendo nuevo, y el enfoque más complejo tiene sus inconvenientes. Por ejemplo, el modelo ocasionalmente confunde una oración con spoilers si otras oraciones spoiler-ish son adyacentes; y su comprensión de las oraciones individuales no es lo suficientemente buena como para comprender cuándo ciertas palabras realmente indican spoilers o no. Usted y yo sabemos que "esto mata a Darth Vader" es un spoiler, mientras que "esto mata el suspenso" no lo es, pero un modelo de computadora puede tener problemas para distinguir la diferencia.

Wan me dijo que el sistema debería poder ejecutarse en tiempo real en la computadora de un usuario, aunque, por supuesto, la capacitación sería un trabajo mucho mayor. Eso abre la posibilidad de un complemento del navegador o una aplicación que lee comentarios antes que usted y oculta cualquier cosa que considere arriesgada. Aunque Amazon está asociada indirectamente con la investigación (el coautor Rishabh Misra trabaja allí), Wan dijo que aún no había ningún plan para comercializar o aplicar la tecnología.

Sin duda, sería una herramienta útil para que Amazon y sus subsidiarias y empresas comerciales puedan marcar automáticamente los spoilers en las revisiones y otros contenidos. Pero hasta que se implemente el nuevo modelo (y realmente hasta que sea un poco mejor) tendremos que seguir el método anticuado de evitar todo contacto con el mundo hasta que hayamos visto la película o el programa en cuestión.

El equipo de UCSD presentará su trabajo en la conferencia de la Asociación de Lingüística Computacional en Italia a finales de este mes; Puede leer el documento completo aquí, pero tenga cuidado con los spoilers. Seriamente.