BhaRaTa: A Novel Framework for Emotion Analysis of Sanskrit Narratives

Immagina di essere un detective che cerca di capire l'umore di una stanza solo ascoltando le persone che parlano all'interno. Nel mondo dell'informatica, questo viene chiamato "analisi delle emozioni". Di solito, i computer sono piuttosto bravi a individuare le basi: qualcuno è felice o triste? Una recensione è positiva o negativa? Ma la vita reale, e specialmente le grandi storie, sono molto più complicate di un semplice "pollice in su" o "pollice in giù". Gli esseri umani provano un vertiginoso mix di sentimenti contemporaneamente — come essere eccitati ma anche un po' nervosi, o arrabbiati ma anche orgogliosi.

Per molto tempo, i computer hanno cercato di comprendere questi sentimenti complessi utilizzando mappe psicologiche occidentali, che classificano le emozioni in categorie come "gioia", "paura" o "rabbia". Ma cosa succederebbe se ci fosse una mappa completamente diversa? Una che è stata disegnata migliaia di anni fa nell'antica India? Questo articolo si addentra in un angolo della scienza chiamato Elaborazione del Linguaggio Naturale (NLP), dove i ricercatori insegnano ai computer a leggere e comprendere il linguaggio umano. La grande domanda qui è: possiamo insegnare a un computer a comprendere le emozioni profonde e sfumate delle antiche storie sanscrithe usando un'antica teoria indiana chiamata Rasa? Questa teoria suggerisce che le storie non riguardano solo ciò che accade, ma il particolare "gusto" o l'esperienza estetica che creano nella mente del lettore, costruita attraverso piccoli indizi emotivi. Se riusciremo a decifrare questo codice, potrebbe aiutare i computer a comprendere la letteratura in modo molto più umano, rispettando la specifica storia culturale del modo in cui vengono raccontate le storie.

---

La ricetta antica dell'emozione: BhaRaTa

Incontra il team dietro a BhaRaTa (che sta per Bhāva & Rasa Tagging). Sono un gruppo di ricercatori del IIIT-Hyderabad che ha deciso di affrontare un puzzle molto specifico e molto difficile: come insegnare a un computer a comprendere le emozioni nelle opere teatrali in sanscrito?

Il sanscrito è una lingua antica, come un fossile linguistico. È bellissima, ma è anche rara nel mondo digitale. Non ci sono milioni di tweet o post di Reddit in sanscrito da cui i computer possano imparare. Inoltre, le opere teatrali stesse sono complesse. Non sono solo dialoghi; sono un mix di poesia e prosa, pieni di azioni fisiche, sussurri e pause drammatiche. I ricercatori sapevano che se avessero provato a usare gli standard "occidentali" di strumenti per le emozioni (che cercano parole semplici come "felice" o "triste"), avrebbero perso la magia. Così, hanno costruito un nuovo framework basato sul Nāṭyaśāstra, un antico trattato sul dramma che funge da libro di ricette per creare esperienze emotive.

Gli ingredienti: Bhāva e Rasa

Per comprendere il loro esperimento, bisogna comprendere i loro ingredienti. I ricercatori hanno utilizzato due concetti principali dal testo antico:

1. Bhāva (Gli ingredienti): Considerali come gli stati emotivi grezzi. In un'opera teatrale, un personaggio può provare desiderio, paura, gioia o determinazione. Questi sono i sentimenti specifici, momento per momento. I ricercatori hanno identificato 31 di questi "sapori" da etichettare nel testo.
2. Rasa (Il piatto finito): Questa è la visione d'insieme. Quando mescoli tutti quei piccoli bhāva in un modo specifico, creano un umore dominante o un'esperienza estetica per l'intera scena, chiamata Rasa. È come come mescolare farina, zucchero e uova crea una torta. Non assaggi più solo la "farina"; assaggi la "torta". Nel dramma sanscrito, una scena può essere dominata da Romanticismo, Eroismo, Horror o Commedia.

L'obiettivo del team era vedere se un computer potesse imparare a gustare la "torta" (l'umore della scena) analizzando gli "ingredienti" (le singole righe di dialogo).

L'esperimento: Nutrire la macchina

I ricercatori hanno raccolto 18 famose opere teatrali in sanscrito, inclusi i lavori del leggendario drammaturgo Kālidāsa. Hanno pulito il testo (il che è stato sorprendentemente difficile perché le vecchie versioni digitali avevano parole mancanti e refusi) e hanno suddiviso le opere in 6.947 singole righe di dialogo.

Poi, hanno fatto il lavoro duro: hanno etichettato manualmente ogni singola riga con il giusto bhāva (emozione) e ogni scena con il giusto sthāyībhāva (l'umore dominante). Hanno creato uno speciale strumento web per aiutarli a farlo, assicurandosi che due persone diverse concordassero sui tag la maggior parte delle volte. Questo ha creato un dataset completamente nuovo, un tesoro di dramma sanscrito annotato che non era mai esistito prima.

Una volta pronti i dati, li hanno lanciati contro i computer. Hanno provato due approcci principali:

1. Il test riga per riga: Il computer può guardare una singola frase e indovinare l'emozione? (es. "Questa riga è 'Gioia' o 'Ansia'?")
2. Il test della scena: Il computer può guardare un'intera scena e indovinare l'umore generale? (es. "Questa scena è 'Romantica' o 'Eroica'?")

Hanno testato molti diversi tipi di "cervelli" informatici, dai modelli matematici semplici e classici ai sofisticati sistemi di IA moderni che leggono come gli umani (chiamati Transformer).

I risultati: Il vecchio stile batte il nuovo stile

Ecco dove la storia si fa interessante. Potresti aspettarti che i modelli di IA super intelligenti e moderni vincano facilmente. Dopo tutto, sono addestrati su enormi quantità di dati. Ma in questo caso, i modelli semplici e classici hanno fatto un lavoro migliore.

Perché? I ricercatori suggeriscono che il dataset fosse troppo piccolo per i grandi modelli di IA. Le opere teatrali in sanscrito avevano solo circa 7.000 righe. Per una IA massiccia, è come cercare di imparare a suonare il pianoforte ascoltando solo tre canzoni. L'IA si è confusa e ha cercato di memorizzare schemi che non funzionavano. I modelli più semplici, invece, erano come un detective acuto capace di individuare i "segnali" specifici nelle parole sanscite — certe frasi che significavano sempre "rabbia" o "gioia" — senza lasciarsi sopraffare.

I ricercatori hanno scoperto che il modo migliore per risolvere il puzzle era usare un approccio gerarchico. Invece di chiedere al computer di indovinare una delle 32 emozioni tutte in una volta (che è come chiedere a un bambino di indovinare una carta specifica in un mazzo di 52 senza alcun indizio), gli hanno chiesto di indovinare prima la categoria (È positiva, negativa o mista?) e poi l'emozione specifica. Questo metodo in "due fasi" ha funzionato molto meglio, aumentando significativamente l'accuratezza.

Quando si è trattato di indovinare l'umore dell'intera scena, il computer ha scoperto che guardare la distribuzione delle emozioni era la chiave. Se una scena aveva molte righe di "Gioia" e "Desiderio", il computer poteva indovinare correttamente che la scena era "Romantica". Interessante è che cercare di indovinare l'umore leggendo solo il testo grezzo della scena (senza contare prima le emozioni) era più difficile e meno accurato. Sembra che per queste antiche opere, il mix di piccole emozioni sia un indizio più forte rispetto alle parole grezze stesse.

Cosa non ha funzionato

I ricercatori hanno anche provato a usare i modelli di IA più nuovi e potenti disponibili (Large Language Models come Llama 3.1). Hanno cercato di chiedere a questi modelli di indovinare le emozioni direttamente. I risultati sono stati deludenti. I modelli hanno performato molto male, sbagliando spesso più di quanto indovinassero. I ricercatori suggeriscono che questi modelli di IA generici non sono ancora pronti per questo compito specifico; hanno bisogno di più addestramento specificamente sul sanscrito prima di poter comprendere le sottili sfumature di queste antiche opere.

Il punto fondamentale

Questo articolo non sostiene di aver risolto il mistero dell'emozione umana. Invece, pone le fondamenta. Dimostra che:

• Possiamo insegnare con successo ai computer a comprendere le emozioni indiane antiche utilizzando un framework basato su una teoria di 2.000 anni fa.
• Per le lingue a basse risorse come il sanscrito, i modelli più semplici e intelligenti spesso funzionano meglio rispetto alle IA massicce e affamate di dati.
• Scomporre un problema complesso (indovinare 32 emozioni) in passi più piccoli (indovinare prima la categoria) rende il computer molto più accurato.

I ricercatori sono entusiasti perché questa è solo l'inizio. Sperano di usare questo framework "BhaRaTa" per analizzare altri tipi di letteratura sanscrita, come epica e poesia, e infine applicare queste idee ad altre lingue indiane. Hanno dimostrato che la saggezza antica e la tecnologia moderna possono mescolarsi per creare qualcosa di nuovo, aiutandoci a comprendere le profondità emotive di storie che sono sopravvissute per millenni.