Microsoft tar patent på sensur

Ifølge denne artikkelen har Microsoft registrert patent på en teknologi som skal kunne gjenkjenne og sensurere banning i tale. Filteret skal kunne brukes for eksempel hos kundesentre som man ringer til, slik at hvis kunder banner og sverter til de ansatte, blir dette automatisk sensurert (eller omvendt, hvis en ansatt banner til en kunde), enten ved å bli gjort uhørlig eller uforståelig. Onlinespill som har chattefunksjoner der man snakker med hverandre istedenfor å skrive vil også være et mulig bruksområde for programvaren.

Talegjennkjenningsprogramvarene jeg har vært borti har ikke fungert så veldig bra. Folk snakker forskjellig, har ulike dialekter, snakker utydelig og så videre. Som regel har systemene en begrenset mengde ord og uttrykk til rådighet som de gjenkjenner. Å skulle plukke ut ord og fraser fra en kontinuerlig talestrøm er veldig vanskelig for en maskin.

I dette innlegget skrev jeg om the clbuttic mistake, et fenomen der sensureringsfiltre bytter ut ikke bare de stygge ordene, men alle bokstavsekvensene som matcher det stygge ordet, sånn at assassinate blir buttbuttinate og constitution blir consbreastution. Det største problemet for et tale-ordfilter blir nettopp dette, fordi tale ikke har tydelige mellomrom mellom ordene sånn som skrift har. Hva gjør filteret når det hører ord som assumption? Eller shiitake (en sopp)? Eller noen har en litt avvikende uttale av continue?

You should never buttume anything!

Geoffrey Pullum posta på Language Log i går om det som refereres til som clbuttic idiocy. Hva slags idioti er det snakk om? La meg presentere noen setninger jeg har funnet på internettet:

• Congratulations on your self-fulfilling buttumption.
• Let me first explore its buttumption, and then consider its factual claims.
• Please pardon this post if it came out sounding sbutty.
• She was too clbutty for that sh*t and never belonged.
• YOU made the buttertion thus the burden of proof is on YOU.
• Good news for the Consbreastution on Australia Day.

Hva er det som foregår her? Den oppvakte leser har allerede skjønt det: overivrige leksikalske filtre, også kalt nanny-bots, har vært på ferde. Mange nettsider sensurerer automatisk ord som av ulike grunner oppfattes som grove, blant dem ass og tit, og bytter dem ut med mer "familievennlige" ord, i disse tilfellene butt og breast. Problemet oppstår når slike filtre ikke bare bytter ut tekststrenger som har mellomrom før og etter seg, men strenger med de aktuelle bokstavene som er del av andre, helt uskyldige ord.

Det fins mange eksempler på nettet, som man kan finne ved å ta et ord som inneholder en av de aktuelle tekststrengene, bytte den ut med sin mindre grove motpart, og bruke google. En god del av treffene er omtale av slike fenomener, ikke bruk av selve ordene, men også selve bruken av ordene er lett å finne fram til. En av mine favoritter er buttbuttinate (og den beslektede buttbuttination), som vi ser under. En klbuttiker!

• [D]o the acts of the human plants validate buttbuttination and torture?
• [W]hy did the Iraq regime try to buttbuttinate George Bush?

Les mer om the clbuttic mistake her.