幽默感这事，短期内还是人类的特权

在最近几个月的时间里，人工智能的表现上已经取得了巨大的进步，尤其是那些被认为是电脑几乎不可能完成的事情，例如：面部和物体的识别。但也有一些领域，对机器而言仍然难以去掌握，比如幽默。幽默感是一种独特的个性，而且幽默感本身也难以界定。

部分原因是，幽默取决于许多内心因素，并且可能随着时间的变化而发生改变。有些现在看来可笑的事情，可能在晚些时候或明天就似乎并不那么好笑了。

然而，很多语言学家和心理学家认为，好的笑话都有着共同的属性，通过系统性的分析应该能够揭示出来。现在的问题是如何处理这些幽默的话语，以及机器学习是否能有所帮助。

如今，得益于密歇根大学的 Dragomir Radev 和在雅虎实验室、哥伦比亚大学，以及《纽约客》杂志的共同努力，我们得到了一个答案。这些研究人员一直在研究与漫画相关的说明文字（旁白、对话和字幕）。

《纽约客》每星期都会出版一部没有任何说明文字的漫画，并允许读者提交自己的内容。之后《纽约客》的编辑会挑选出前三名，并要求读者投票选出最佳。

此举创造了一个巨大的说明文字数据库。如今，Radev 和其合作伙伴发表了他们的研究——研究了自2005年以来，为50部《纽约客》 动画而编写的30万种说明文字。

他们的方法很简单。首先使用多种标准语言技巧，分析了所有为同一部卡通撰写的说明文字。标准包括了正面或负面的情绪程度，说明文字是否是以人类为中心（即是否参照了个人），以及他们是如何明确提及在漫画中所描绘的物体等等。

Radev 和其合作伙伴也利用了网络理论来研究这些文字。他们列出了每段文字中所提到的主题，然后通过连接那些提到了相同主题的文字来创建网络。这可以让他们使用标准的网络分析工具发现网络中最重要的节点，即核心属性。

每种方法都能产生一个说明文字的排名。Radev 和其合作伙伴会把每个排名最高的说明文字，和他们的“黄金法则”进行对比：也就是《纽约客》读者所选出来的最有趣的说明文字。

Radev 表示，研究结果提供了一些对有趣的理解。“我们发现这些方法一致认为，符合带有负面情绪、以人为本和词汇的中心性的这些说明文字更有趣。”

这是一个奇怪的研究，以至于研究本身的可靠性也难以评估。研究人员承认，在发现负面情绪与有趣的相关性方面一点都不惊喜；以人为本也是幽默中能够预期到的特性。

很容易想象，这项研究的目标之一，就是为《纽约客》每周一期的漫画，制作能从成千上万的内容中自动选择最佳说明文字的机器。如果可以，还能让机器写出更好的漫画说明文字，也许会全程自动化。

但我们以后可以让计算机讲笑话了吗？研究中并没有那么明确，可以想见短期内并不会这样。

via technologyreview

雷峰网原创文章，未经授权禁止转载。详情见转载须知。