Pun Intended: Multi-Agent Translation of Wordplay with Contrastive Learning and Phonetic-Semantic Embeddings for CLEF JOKER 2025 Task 2

Stellen Sie sich vor, Sie versuchen, einen Witz von einer Sprache in eine andere zu übersetzen, aber der Witz beruht auf einem Wort, das gleichzeitig zwei verschiedene Bedeutungen hat. Im Englischen könnten Sie sagen: „I'm reading a book on anti-gravity. It's impossible to put down!“ Der Humor ergibt sich aus der Phrase „put down“, die sowohl „loslassen“ als auch „ablegen“ bedeutet. Wenn Sie dies eins zu eins ins Französische übersetzen, geht die Doppelbedeutung verloren und der Witz stirbt. Dies ist die schwierige Welt der „Wortwitze“ (Puns), einer Art von Wortspiel, bei der ein einzelnes Wort zwei Bedeutungen trägt oder wie ein anderes Wort klingt. Seit Jahrzehnten sind Computer darin schrecklich, weil sie darauf trainiert sind, wörtlich zu sein, wie ein Roboter, der ein Rezept exakt befolgt, aber keinen Sinn für Humor hat. Sie versuchen, Wörter eins zu eins auszutauschen, was oft die Pointe zerstört. Aber was wäre, wenn wir Computer lehren könnten, weniger wie Roboter und mehr wie Komiker zu sein – zu verstehen, dass man manchmal die Regeln der Übersetzung brechen muss, um den Witz am Leben zu erhalten?

Dieses Papier mit dem Titel „Pun Intended“ ist ein Bericht eines Forscherteams der Georgia Tech, das an einem Wettbewerb namens CLEF JOKER 2025 teilgenommen hat. Ihr Ziel war es, englische Wortwitze ins Französische zu übersetzen, indem sie die neuesten, leistungsstärksten computergestützten Gehirne (genannt Large Language Models) verwendeten. Anstatt den Computer einfach nur nach einer „Übersetzung“ zu fragen, entwickelten sie ein dreistufiges System, das darauf ausgelegt ist, den Geist des Witzes einzufangen, anstatt nur die Wörterbuchdefinitionen.

Zuerst versuchten sie einen „Baseline“-Ansatz, bei dem sie verschiedene KI-Modelle baten, französische Wortwitze zu generieren, und eine zweite KI als Richter einsetzten, die prüfte, ob das Ergebnis tatsächlich ein Witz oder nur ein langweiliger Satz war. Das war so, als würde man eine Gruppe von Freunden bitten, einen Witz zu erzählen, und ein Freund nickt, wenn er lustig war. Obwohl dies ganz gut funktionierte, entfernten sich die Witze oft zu weit von der ursprünglichen Geschichte.

Um besser zu werden, entwickelten sie eine „Guided Chain-of-Thought“-Pipeline. Betrachten Sie dies als das Geben einer Karte und eines Kompasses an den Computer. Sie lehrten die KI, zuerst das knifflige Wort zu identifizieren, dann nach seinen zwei verschiedenen Bedeutungen zu suchen und schließlich ein spezielles mathematisches Werkzeug namens „phonetisch-semantische Embeddings“ zu verwenden. Dieses Werkzeug ist wie ein superempfindliches Ohr kombiniert mit einem Wörterbuch; es hilft dem Computer, französische Wörter zu finden, die nicht nur die richtigen Dinge bedeuten, sondern auch ähnlich klingen wie die ursprünglichen englischen Wörter. Es ist, als würde man versuchen, ein französisches Wort zu finden, das wie „cat“ klingt, aber „dog“ bedeutet, nur um zu sehen, ob man einen Witz daraus machen kann.

Schließlich fügten sie ein „Multi-Agent“-System hinzu. Stellen Sie sich ein Gremium aus vier verschiedenen Richtern vor, von denen jeder eine spezifische Aufgabe hat: Einer prüft, ob die Bedeutung richtig ist, einer prüft, ob die Übersetzung natürlich klingt, einer prüft die Emotion und einer prüft, ob sie sich authentisch anfühlt. Diese Richter gaben nicht nur eine Bewertung ab; sie gaben Feedback. Wenn der Witz nicht ganz lustig oder die Übersetzung holprig war, schrieb das System ihn um und versuchte es erneut, bis zu fünfmal, bis das Gremium zufrieden war.

Die Ergebnisse waren faszinierend. Wenn die Forscher Standard-Computertests verwendeten (die messen, wie genau der neue Satz dem alten Wort für Wort entspricht), schnitt ihr System tatsächlich recht schwach ab. Dies liegt daran, dass ihr System absichtlich auf eine wörtliche Übersetzung verzichtete, um den Humor lebendig zu halten. Als jedoch echte menschliche Experten, die fließend Französisch sprechen, die Witze lasen, belegte das Team mit seinem System den ersten und zweiten Platz von 51 Teams. Die Menschen liebten die Witze, weil sie tatsächlich lustig waren und im Französischen Sinn ergaben, auch wenn sie nicht exakt wie die englischen Originale aussah.

Das Papier legt nahe, dass wir, um Wortspiele erfolgreich zu übersetzen, aufhören müssen, perfekte Übersetzer sein zu wollen, und stattdessen kreative Partner werden müssen. Die Forscher fanden heraus, dass die neuesten KI-Modelle zwar großartig darin sind, zu erkennen, wo ein Wortwitz liegt, sie aber Hilfe benötigen, um die richtigen französischen Wörter zu finden, die sowohl richtig klingen als auch die richtige Bedeutung haben. Durch die Kombination eines „Guides“, der nach Klängen und Bedeutungen sucht, und eines „Gremiums“ von Richtern, die den Witz verfeinern, zeigten sie, dass Computer lernen können, Witze zu erzählen, die über Sprachgrenzen hinweg funktionieren. Sie haben das Problem nicht gelöst, jeden einzelnen Wortwitz perfekt zu übersetzen, aber sie haben bewiesen, dass die Verschiebung des Ziels von „wörtlicher Genauigkeit“ hin zu „lustiger Äquivalenz“ der richtige Weg ist.