AI比人类更会玩梗！模因图灵测试已被攻破，研究发现LLM表情包更搞笑

新智元报道

编辑：定慧 英智

【新智元导读】研究发现，LLM在创作梗图时表现出惊人的幽默感与创造力，甚至超越了人类创作者！AI创作的梗图评分更高，但最具灵魂的作品仍来自人类。

AI似乎比人类更懂得「如何幽默」，模因（Meme）图灵测试已经被LLM通过！

来自慕尼黑和瑞典的研究者发现：LLM能够生成「被人类评判为」比普通人创作的模因更搞笑的作品！

论文链接：https://arxiv.org/abs/2501.11433

研究者在图中展示了「模因（Meme）梗图」的效果，从幽默性（Humor）、创意性（Creativity）和分享性（Shareability）三个方面进行比赛。

有趣的是，完全由AI创作的梗图在所有领域的平均表现都优于仅由人类或人类-AI协作创作的梗。

这似乎表明AI已经通过了模因图灵测试。

幽默的复杂性：AI真的可以理解人类的幽默吗？

「模因Meme」一词最早可以追溯到Richard Dawkin在1976年出版的《自私的基因》，随之演化成为媒介传播过程中网络梗图、搞笑段落和幽默视频的代名词。

模因的独特特征，包括其视觉和文本性质、对文化背景的依赖以及通常简洁而有力的幽默表达，给生成式AI带来了与「纯文本笑话」生成不同的独特挑战。

这项研究的核心目的，是探究LLM和人类在创作梗图时的协同创造力。

为啥选梗图呢？因为梗图把视觉和文字巧妙融合，既依赖文化背景，又充满创意和幽默，特别适合用来研究人类和AI在创作上的互动。

Gemini根据论文生成的梗图

网络流行的德雷克拒绝/接受梗被AI理解

人类之间的合作，一直被认为能激发创造力。大家一起头脑风暴，不同的观点相互碰撞，往往能诞生出更棒的创意。

对于如何评估梗图这种创意作品，一般会从创造力、幽默感和分享度这几个方面入手。

梗图创作大PK

研究团队精心设计了一项用户研究，把参与者分成了三组。

第一组是纯人类组，他们在没有任何AI帮助的情况下创作梗图；第二组是人类-AI协作组，参与者可以和LLM互动，借助它的力量来生成想法；第三组是AI组，梗图完全由模型自主生成。

具体的创作任务分为三个步骤。

首先是创意生成，研究人员会给他们展示一张流行梗图的背景图片，然后让他们围绕工作、食物、运动这三个主题里的一个，在五分钟内尽可能多地想出梗图的文字说明。

对于人类-AI协作组，参与者还能通过聊天界面向LLM寻求帮助。

接着是收藏选择，参与者要从自己想出的所有想法里，挑出最喜欢的三个。

最后是图片创作阶段，他们把选好的想法添加到梗图模板上，还能对文字的位置、大小进行调整。

创作的时候，每位参与者要根据不同的图片和主题组合，完成三个梗图的创作，整个过程大概40分钟，完成后还能得到15美元的报酬。

之后，研究人员从人类组和协作组生成的梗图里，分别随机挑选150张，再让LLM针对同样的图片和主题，生成150张AI创作的梗图。

然后，找了另一组新的参与者，让他们从幽默、创意、分享度这三个方面，对这些梗图进行打分评估。

为了让LLM在研究里发挥作用，研究人员给它设定了不同的任务。

在人类-AI协作组的创意生成阶段，LLM就像个「创意助手」，参与者可以自由地向它提问。

为了让LLM给出更符合要求的回答，研究人员给它设置了系统提示，告诉它要帮助用户生成梗图创意，交互语气要友好礼貌，一次最多给出三个想法。

在生成纯AI梗图的时候，研究人员会把图片信息发给LLM，让它针对每个图片-主题组合生成20个梗图文字说明。

研究的用户界面是用React搭建的，数据收集和与OpenAI的GPT-4o API的交互通过NodeJS服务器，保证了数据的准确性和完整性。

梗图创作和评估都是在线上完成的，创作阶段用专门搭建的梗图创作界面，评估阶段则借助商业调查平台。

梗图创作阶段，研究人员通过线上平台Prolific招募了124人，其中26人没完成任务。

最后的参与者来自30个不同的国家，英语水平都不错，而且之前至少用过一次LLM的界面。其中63人是男性，35人是女性，平均年龄28.8岁。

在梗图评估阶段，又招募了100人，同样要求英语好，但不要求有使用LLM的经验。最后有98人完成了任务，这组人男女比例差不多，平均年龄32.6岁，来自29个不同国家。

研究结果

现在，激动人心的研究结果来啦！

先看看梗图创作阶段，在创意生成方面，使用LLM的参与者明显比纯人类组想出了更多的创意。纯人类组平均每人想出6.1个创意，而有LLM帮助的参与者在这方面优势明显。

在LLM的帮助下，参与者生成了更多创意，而且他们并不觉得创作过程更累。

从NASA-TLX的评估数据可以看到，两组在整体工作量上没有太大差别，只是在「努力程度」这一项上，AI协作组的参与者打分更低。

LLM确实能提高创作效率，让人们在创作梗图时更轻松地产生更多创意，但它可能会让创作者对作品的「主人翁」 感觉变弱。

LLM主要在创意生成阶段发挥作用，而后续的筛选和图片制作环节还是靠参与者自己完成。

梗图评分

从梗图的评分结果来看，人机协作组虽然在创意数量上占优，但在质量上并没有比纯人类创作的梗图更好。

在幽默程度、创造力和分享度这三个维度上，两组的评分没有显著差异。这说明在梗图创作中，单纯增加数量，并不一定能提升作品的质量。

让人意外的是，纯AI生成的梗图在幽默、创意和分享度这三个方面的整体评分都比人类组和人类-AI协作组要高。

这是因为LLM在训练过程中，接触了大量的素材，能够精准地把握大众的喜好。

但当我们把目光聚焦在那些表现最出色的梗图时，在最有趣的梗图中，大部分是由人类创作的；而在创造力和分享度方面表现突出的梗图里，人机协作的成果占了不少。

这充分体现了人类的创造力在某些方面是无可替代的。人类能够将个人独特的经历、丰富的文化内涵融入作品。

LLM在梗图创作中的优势显而易见。它就像一个不知疲倦的创意助手，能在短时间内提供大量的创意，帮助创作者突破思维局限，提高创作效率。

而且，凭借其对海量数据的学习能力，它能精准地抓住大众的幽默喜好，创作出有吸引力的内容。

但它也并非完美无缺。LLM生成的内容往往缺乏独特的个性和深度，可能无法真正理解某些特定文化背景下的微妙幽默。

人类的创造力是梗图创作中不可或缺的关键因素。

例如，在创作一个关于职场的梗图时，人类创作者可以结合自己在职场中的真实故事和感受，对LLM生成的创意进行调整，让梗图更具感染力和真实感。

参考资料：

https://x.com/emollick/status/1901431681279475808

https://arxiv.org/abs/2501.11433