Technische Aspekte von Emoji

 

Technisch gesehen sind Emoji Grafiken, die in eine Schriftart umgewandelt und installiert werden. Unternehmen wie Apple, Windows oder Google nutzen für ihre Produkte unterschiedliche Emoji-Schriftarten. Daher sehen die Emoji auf einem i-Phone anders aus, als auf einem Smartphone mit dem Betriebssystem Android.

 

Emoji-Grafiken können wie "normale" Bild-Dateien verwendet werden. Mit Hilfe spezieller Software können aus den Emoji-Grafiken auch iSchriftarten (Fonts) erstellt werden. Im Gegensatz zu Fonts mit gängigen Buchstaben und Zeichen, unterliegen Emoji bestimmten Beschränkungen. Denn das Unicode Consortium bestimmt weltweit, welche Emoji-Symbole  bei Eingaben über eine Tastatur vom Computer / Smartphone ausgegeben werden. Mittlerweile sind weltweit mehr als 3500 Emojis im Gebrauch. Die Softwarehersteller wiederum bestimmen, wie das Emoji-Symbol "übersetzt" und auf dem Monitor ausgegeben wird. Daher zeigen die meisten Applications eine Emoji-Tastatur und geben damit vor, welche Emojis benutzt werden können.

 

Künstliche Intelligenz (KI) und Emoji

 

Textgeneratoren wie ChatGPT, die mit Hilfe künstlicher Intelligenz Texte erstellen oder Chats führen, versuchen dabei, wie ein Mensch zu kommunizieren. Damit das gelingt, muss der Textgenerator in der Lage sein, Emoji zu verstehen und selbst sinnvoll einsetzen zu können.

 

Dass dieses derzeit (Stand: August 2023) nur bedingt gelingt, zeigt eine Studie der University of New South Wales, Sydney. Demnach hat die KI vor allem bei Emoji, die aus zwei Unicode characters bestehen Probleme mit der Interpretation. Dieses ist insbesondere der Fall, wenn einem Emoji (z.B. Daumen hoch) ein Farbattribut (gelb, braun usw.) gegeben wird und die KI dieses nicht als einen Daumen hoch, der die Farbe Gelb hat, sonder getrennt als Daumen hoch und Geld versteht.Ähnliche Schwierigkeiten hat die KI damit, den Sinngehalt von aufeinander folgenden Emoji oder deren sematische Einbindung in den Text zu verstehen.

 

In den vergangen Jahren widmen sich daher IT-Wissenschaftler vermehrt der Frage, wie "machine learning" Emoji richtig interpretieren und für KI verständlich machen kann. Ziel dabei ist es insbesondere, das zum Text passende Emoji vorhersagen zu können. Zum einen, um es bei der Textanalyse als zugehörig zu verifizieren. Zum anderen, um es bei Textgeneratoren ausgeben oder beim Verfassen von Texten dem User vorschlagen zu können.

 

Um diese Ziele technisch realisieren zu können werden unter anderem Natural Language

Processing (NLP), der Text+Emoji-Approach sowie die Auswertung der Emoji-Unicodes durch Deep-Learning-Prozesse eingesetzt.

 

 

Emoji-Übersetzer

 

Durch die Eingabe eines Prompts "Übersetze in Emoji: "xxxxx" bei ChatGPT erhält man (sofern die Anweisung nicht zu kompliziert ist) eine Reihe an Emoji, die den Text als Bildsprache wiedergeben.

 

Mittlerweile gibt es auch reine Text2Emoji Übersetzer, wie beispielsweise von NetKnowHow, die sich auf die Ausgabe von Emoji spezialisiert haben.

 

 

 

Literaturhinweise: Hack your corpus analysis: How AI can assist corpus linguists deal with

messy social media data, Michele Zappavigna, 2023, School of the Arts and Media, Faculty of Arts, Architecture & Design, The University of New South Wales, Sydney, NSW 2052, Australia, Applied Corpus Linguistics 3 (2023) 100067.

 

Emoji as gesture in digital communication: Emoji improve comprehension of indirect speech, Patrick M. Hancock · Caitlin Hilverman · Susan Wagner Cook · Kimberly M. Halvorson, 2023, Psychonomic Bulletin & Review, https://doi.org/10.3758/s13423-023-02411-1.

 

Contrastive Learning of Emoji-Based Representations for Resource-Poor Languages, Nurendra Choudhary, Rajat Singh, Ishita Bindlish, Manish Shrivastava, 2018, in Computational

Linguistics and Intelligent Text Processing.

 

Context-Aware Emoji Prediction Using Deep Learning, Anushka Gupta, Bhumika Bhatia, Diksha Chugh, Gadde Satya Sai Naga Himabindu, Divyashikha Sethia, Ekansh Agarwal, Depanshu Sani, Saurabh Garg, 2021, in Artificial Intelligence and Speech Technology.

 

Lernende Maschinen unddie Zukunft der Öffentlichkeit, Christian Stöcker, 2023, De Gruyter, https://doi.org/10.1515/9783111351490-025