段子手要失业了，计算机也懂幽默

（原标题：段子手要失业了，计算机也懂幽默）

他们表示，算法能准确预测一个场景是否有趣，尽管它不明白其中的社会背景。

有些理论认为，幽默的关键在于出乎意料、不一致性以及痛苦等，如果某一场景、图片或视频中出现一种或多种因素，那令人发笑的可能性就会增大。

Chandrasekaran的研究仅限图片，图片都由一个剪贴画程序得来。程序中有20个人类模型，年龄性别及种族各异，四肢可拼贴，并有八种不同的表情；它还有31种姿态各异的动物模型，和100种物体，如门、窗、桌子和树等。

机器学习的关键点是创建数据库，为算法提供可供学习的例子。这不是件简单的事，特别是在主题是幽默这种主观性很强的内容时。研究人员借用了亚马逊Mechanical Turk机器人服务，要求服务者使用剪贴画程序创建一些有趣和无趣的场景，并用一段话描述笑点在哪。

这样，研究人员就收集了6400张图片，有趣无趣的各占一半。他们还要求服务者为各场景的有趣度打分，结果发现多数场景都有意料之中的分类里面，只有一些场景的趣味性需要反过来。

经过进一步分析，他们发现被评为最有趣的场景通常是人或动物在做一些不寻常的事。于是研究人员想到可以改变图片的趣味性，比如用不同的人和物体替换图片中的对象。于是他们要求机器人服务提供者用尽可能相似的内容替换现有图片中的对象，但要将整个场景变得无趣。这让研究者知道哪一类特定的物体会产生幽默感。

最终，他们用五种方式调整了3000个有趣的图片，得到了1.5万张无趣的图片。

有了这些图片后，研究人员终于开始训练机器学习算法，让他们识别有趣和无趣的图片。20%的图片留作后续的测试。算法需要完成两个任务：首先预测每张图的有趣度；其实是替换照片中的物体，调整趣味性。

从结果上来看，算法在预测有趣场景上的表现不错，肯定是比随机猜测好得多。

第二个任务包括两部分，第一是重新识别场景中产生幽默的元素，第二是选一个物体减少趣味性。第一部分中，算法有一些有趣的小进步，比如它会知道人和动物这样有生命的物体更会成为幽默来源，所以在替换时也会瞄准它们。在第二部分中，算法在降低趣味性上也做得不错，它会用盆栽或蝴蝶这样的物体来替代有趣图片中的不寻常点。

在后续测试中，95%的被调整过的图片都会被人类认定确实变得无趣了。遗憾的是，算法在让图片变得更有趣上，做得并不算成功。

不过更重要的问题是，算法到底在学着做什么。在研究中，趣味性也可能并不是真正的幽默，结果也很难说让人信服。但他们研究的应用可能会很有趣，比如用于开发图片编辑软件，帮助选一些令人觉得好笑的图片放到网上，甚至是开发能自动选择幽默图片的相机。还有一种可能，你寂寞的时候，手机真的会逗你笑了。