Machine learning heeft precies onthuld hoeveel van een toneelstuk van Shakespeare door iemand anders is geschreven

Foto van Shakespeare-manuscript AP

Een groot deel van zijn leven was William Shakespeare de toneelschrijver van het huis voor een toneelgezelschap genaamd The King's Men dat zijn toneelstukken opvoerde aan de oevers van de rivier de Theems in Londen. Toen Shakespeare in 1616 stierf, had het bedrijf een vervanger nodig en wendde zich tot een van de meest productieve en beroemde toneelschrijvers van die tijd, een man genaamd John Fletcher.

Fletcher's roem is sindsdien onderdrukt. Maar in 1850 merkte een literair analist genaamd James Spedding een opmerkelijke overeenkomst op tussen Fletchers toneelstukken en passages in Shakespeares Henry de achtste . Spedding concludeerde dat Fletcher en Shakespeare moeten hebben meegewerkt aan het stuk.

Het bewijs komt uit studies van de taalkundige eigenaardigheden van elke auteur en hoe deze opduiken in Henry de achtste . Fletcher schrijft bijvoorbeeld vaak: gij in plaats van Jij, en 'in in plaats van hen. Hij had ook de neiging om het woord toe te voegen: meneer of nog altijd of De volgende naar een standaard pentameterlijn om een ​​extra zesde lettergreep te creëren.

Deze kenmerken stelden Spedding en andere analisten in staat te suggereren dat Fletcher erbij betrokken moet zijn geweest. Maar hoe het stuk precies werd verdeeld, is zeer omstreden. En andere critici hebben gesuggereerd dat een andere Engelse toneelschrijver, Philip Massinger, eigenlijk de co-auteur van Shakespeare was.

Daarom zouden analisten en historici graag voor eens en voor altijd bepalen wie welke delen van Henry de achtste .

Voer Petr Plecháč van de Tsjechische Academie van Wetenschappen in Praag in, die zegt dat hij het probleem heeft opgelost met behulp van machine learning om het auteurschap van min of meer elke regel van het stuk te identificeren. Onze resultaten ondersteunen in hoge mate de canonieke verdeling van het stuk tussen William Shakespeare en John Fletcher, voorgesteld door James Spedding, zegt Plecháč.

De nieuwe aanpak is in principe eenvoudig. Al enkele jaren worden machine learning-algoritmen gebruikt om onderscheidende patronen in de manier waarop auteurs schrijven te identificeren.

De techniek gebruikt een deel van het werk van de auteur om het algoritme te trainen en een ander, kleiner werk om het op te testen. Omdat de literaire stijl van een auteur echter gedurende zijn of haar leven kan veranderen, is het belangrijk ervoor te zorgen dat alle werken dezelfde stijl hebben.

Zodra het algoritme de stijl heeft geleerd in termen van de meest gebruikte woorden en ritmische patronen, kan het deze herkennen in teksten die het nog nooit heeft gezien.

Plecháč volgt precies deze techniek. Hij traint eerst het algoritme om de stijl van Shakespeare te herkennen met behulp van andere toneelstukken die tegelijkertijd zijn geschreven Henry de achtste. Deze toneelstukken zijn De tragedie van Coriolanus , De tragedie van Cymbeline , Het verhaal van de winter , en de storm .

Vervolgens traint hij het algoritme om het werk van John Fletcher te herkennen aan de hand van toneelstukken die hij destijds schreef: Valentinianus , meneer Thomas , De prijs van de vrouw , en Bonduca .

Ten slotte laat hij het algoritme los op Henry de achtste en vraagt ​​het om de auteur van de tekst te bepalen, met behulp van een rollende venstertechniek om door het stuk te bladeren.

De resultaten zijn interessant. Ze zijn het meestal eens met de analyse van Spedding dat Fletcher scènes schreef die bijna de helft van het stuk uitmaakten. Het algoritme maakt echter een meer fijnmazige benadering mogelijk die onthult hoe het auteurschap soms verandert, niet alleen voor nieuwe scènes, maar ook tegen het einde van eerdere scènes. In Act 3, Scene 2, suggereert het model bijvoorbeeld een gemengd auteurschap na regel 2081 en stelt vast dat Shakespeare het volledig overneemt op regel 2200, vóór het begin van Act 4, Scene 1.

Plecháč heeft zijn model ook getraind om het werk van Philip Massinger te herkennen, maar vindt weinig bewijs van zijn betrokkenheid. De deelname van Philip Massinger is eerder onwaarschijnlijk, concludeert hij.

Dat is interessant werk dat laat zien hoe taalkundigen en literaire analisten machine learning gebruiken om ons literaire verleden beter te begrijpen.

Er is echter veel werk aan de winkel. Toen bijvoorbeeld algoritmen voor machinevisie werden getraind om artistieke stijlen te herkennen, werkten computerwetenschappers snel uit hoe ze een stijl konden extraheren en toepassen op andere afbeeldingen, met behulp van een techniek die bekend staat als neurale stijloverdracht. Van de ene op de andere dag werd het mogelijk om een ​​gewone foto de stijl van een Van Gogh of een Monet te geven.

Dat roept de vraag op of een vergelijkbare techniek mogelijk is voor tekst. Is het misschien mogelijk om een ​​essay, of zelfs een artikel voor MIT Technology Review, om te zetten in de stijl van bijvoorbeeld Shakespeare of John Fletcher?

Helaas nog niet, behalve op de triviale manier om het woord als . te vervangen hen met 'in enzovoorts. Dit komt grotendeels omdat de onderliggende communicatiestructuur niet goed genoeg wordt begrepen door taalkundigen of hun algoritmische ladingen.

Referentie: arxiv.org/abs/1911.05652 : Relatieve bijdragen van Shakespeare en Fletcher in Henry VIII: een analyse op basis van de meest voorkomende woorden en de meest voorkomende ritmische patronen

zich verstoppen