这就是您的 AI 有坏幽默的原因

快速阅读: 据《黑客 Noon》最新报道，AI生成的笑话往往令人失望，因为它们依赖于统计模式而非真正理解幽默。AI通过分析大量笑话来学习，但缺乏背景知识和情感理解，导致笑话单调且可预测。为了改进，需要明确指定风格、情境和期望的幽默类型，从而为AI提供更清晰的方向。

你是否曾要求AI模型给你讲个笑话，结果得到的是令人难以忍受的冷笑话？比如：开创性的吗？真的。大多数情况下，这些所谓的由AI生成的笑话都很奇怪且极其可预测。原因是什么？它是一台机器！它们不是像人类那样理解幽默，而是识别统计模式。当我们让它们讲笑话时，它们根据概率拼凑词语，而不是真正的机智或喜剧时机。这对我们这些从事AI工作的人来说并不难理解，但有趣的是看到它是如何成为这样的。通过这种理解，你也可能学会如何“问”AI模型要更好的笑话。

AI是如何学习笑话的

一个AI模型（比如GPT或讲笑话的机器人）并不是天生就有幽默感。相反，它从书籍、网站和对话中抓取数千个笑话示例进行学习。但它不是像人类那样理解幽默，而是识别统计模式。AI是如何学习笑话的

这是一个过于简化的AI模型处理笑话结构的方式（完全是不同的代码，只是为了便于理解）：

“`python
import random

setup = [“为什么鸡要过马路？”,
“当你把AI和喜剧演员混合在一起会得到什么？”,
“程序员为什么不喜欢自然？”]
punchline = [“为了到另一边去！”,
“一个神经网络，但时间掌握得不好！”,
“有太多bug了。”]

print(random.choice(setup) + ” ” + random.choice(punchline))

# 注意：这只是一个简化版本，便于理解。
# 实际的AI模型不会从预先写好的笑话中随机选择。
# 它们使用具有数十亿参数的神经网络，基于训练数据中的模式来预测最有可能的下一个词。
“`

问题在于此。它识别笑话的结构：先是铺垫，然后是笑点；它并不明白为何某事好笑。AI预测下一个词，而不是最有趣的词。AI模型的输出，无论是幽默还是不幽默，仅仅基于统计概率。像GPT这样的大型语言模型通常通过预测最可能的下一个词来工作。这对自动补全和基本文本生成很有用，但对于原创幽默来说却很糟糕。例如，如果AI生成的铺垫是：“为什么鸡要过马路？”它会预测常见的回答作为笑点。因为“为了到另一边去！”是最可能的答案，所以它经常会生成这个答案——即使这是最不搞笑的。

“`python
from collections import Counter

jokes_dataset = [“为了到另一边去！”,
“因为它被编程了！”,
“为了逃避AI统治者！”]

probabilities = Counter(jokes_dataset)
# 选择最常见的笑话
print(probabilities.most_common(1)[0][0])
“`

这就是为什么它们非常可预测和重复。AI缺乏背景知识和常识

幽默与通常的文本生成不同，它深深植根于情感、人类经验和文化。遗憾的是，这些都是AI根本无法理解的东西。即使是在大量数据上训练的模型，AI在以下方面仍然存在困难：讽刺：“哦，太好了，又是一个AI生成的笑话！”双关语和文字游戏：“一个AI走进酒吧……并失败了图灵测试。”社会意识：“为什么AI要去治疗？因为它不能处理自己的情绪。”

即使AI可以识别常见的笑话格式，它也不明白为何某事好笑。因此，它们会过分努力地尝试变得好笑。尝试 = [‘我很搞笑，相信我!’,
‘为什么算法分手了？因为它失去了火花!’,
‘AI最喜欢的饮料是什么？Java.’]

print(random.choice(尝试))

那么，应该责怪谁呢？这些机器是在非法获取的数据上训练的。AI工程师最不想发生的事情就是因在从单口相声演员那里提取的数据上训练AI模型而被起诉。

改善AI的幽默

要让AI生成更好的笑话，你需要明确具体的要求。告诉它你希望的风格（比如像Louis CK那样的黑色幽默或Chandler Bing式的讽刺），设定情境，并让它知道你想要什么样的幽默。这不会让它变得好50倍，但至少不会如此平淡和机械。

改善AI的幽默

这样会给AI提供一个工作的框架。因为目前，缺乏上下文和对人类情感的理解，它只能猜测笑点——通常是用最可预测、机械的方式。

(以上内容均由Ai生成)