做表情包一度是很多文生圖、文生視頻應用的場景。Pika 在去年就靠魔法貓，在國外出圈了一把。

然后 Pika 就走上了一條新賽道，開始深耕表情包制作。

雖然有點一言難盡吧，不過也不算脫離常規(guī)：都是已有的素材，讓 AI 來實現(xiàn)動態(tài)化調(diào)整——如果 AI 自己就能做表情包了呢？

瑞典皇家理工大學聯(lián)合德國兩所大學最近的一項研究顯示，AI 不僅懂表情包，甚至還能「做」表情包。

出梗不只靠天賦，AI 也可以懂

有一說一，上網(wǎng)沖浪久的都知道，表情包想要真正傳播開來，光靠動效本身是不夠的。動不動態(tài)、一不一致，并不是決定性的——對表情包來說，最重要的還是得好笑。

那么就回到那個經(jīng)典問題了：人工智能懂什么是幽默嗎？

研究人員們就好好鉆研了一下這個問題：他們把 AI 和人放在一起，比賽誰能把表情包做得好笑。

在研究中，用到的是相對比較簡單的表情包「公式」： 底圖+字。比如以下這些經(jīng)典作品

這種類型的表情包就是 開局一張圖，剩下全靠字。字加好了，才稱得上是表情包，否則就是一個帶字的圖片罷了。

因此也最適合用來檢測 AI「懂不懂幽默」。除了讓 AI 生成，還有一隊人類參與者加入創(chuàng)作作為對照，另外還有一組是和 AI 合作共創(chuàng)，最后再由人來打分。

研究結果里沒有把所有的表情包都放出來，只選擇了個別案例。從這些案例里能見到 AI「懂」了，但不太多。再碰上個不太懂玩梗的人類，那差距確實就不太大了。

整體來看，LLM 獨立生成的表情包，在「有趣」「創(chuàng)意性」上的得分，都超過人類作品。 唯一例外的是「可分享性」，即是否愿意分享和傳播。在這個維度上，AI 生成的表情圖得分并不特別高于人機共創(chuàng)。

能不能刺激分享欲，是表情包很重要的價值，是它能作為互聯(lián)網(wǎng)通用語言的核心原因。

同時它最好得是搞笑的。西班牙一所大學的教授，研究了在 2020 年國外面臨大規(guī)模封鎖時的表情包分享，結果發(fā)現(xiàn)「幽默」，是表情包傳播的核心特征。尤其在疫情期間，幽默能夠緩解恐懼和不確定性。

這些也是為什么長久以來， 喜劇和幽默內(nèi)容創(chuàng)作，被視為 AI 不可能染指的地盤：大模型既不能和人一起「經(jīng)歷」點兒什么，也不會理解「好笑」這種情緒和感覺。硅基生物跟碳基生物，始終是不一樣的。

但是，這并不能阻止 AI 搞抽象。

AI 會搞抽象，但不完全會

去年夏天，南加大就發(fā)布過他們的發(fā)現(xiàn)： ChatGPT 生成的笑話，已經(jīng)比人寫的更好笑了。

在實驗中，幾乎有 70% 的參與者認為 ChatGPT 的笑話比普通人寫的更有趣。相比之下，25% 的人更喜歡人類創(chuàng)作的笑話，5% 的人認為兩者一樣有趣。

「幽默」作為一種情緒和感受，或許是硅基生物擁有不了的。但是 幽默文本， 是可以被拆解和學習的。

2023 年的國際計算創(chuàng)造力大會上，喜劇編劇 Joe Toplyn 發(fā)表了他的喜劇內(nèi)容生成系統(tǒng) Witscript。

具體來說，這就是通過使用已在電視節(jié)目上播出的搞笑內(nèi)容，做成數(shù)據(jù)集，再進行微調(diào)的預訓練神經(jīng)網(wǎng)絡語言模型。通過填補 prompt 的空白來完成笑話，返送給用戶，配套還做了一個產(chǎn)品。

免費試用都沒有，上來就要付費，也不知道是不是真的那么搞笑。

開發(fā)者 Joe Toplyn 是職業(yè)喜劇編劇，他給各種喜劇、脫口秀節(jié)目寫段子，拿過四次艾美獎，并且擔任過兩檔頂級深夜秀的首席編劇。

他認為，能職業(yè)化的寫作都是有公式可以套用的， 只要數(shù)據(jù)足夠，大模型也可以學會寫段子。

悉尼大學學報也發(fā)過一篇文章認為，通過跟蹤用戶消費數(shù)字內(nèi)容時的行為，比如循環(huán)播放視頻的次數(shù)、滾動瀏覽特定內(nèi)容的速度，以及我們是否被特定類別的效果和聲音所吸引，算法可以推斷出我們是不是認為某些內(nèi)容有趣。

甚至，我們在使用「哭笑」這個 emoji，作為對視頻內(nèi)容的反應時，也是一種強化學習的過程。

壞就壞在，即便大模型真的可以寫段子，觀眾可能并不喜歡。

呼蘭在一檔綜藝節(jié)目上，現(xiàn)場讓 AI 寫了一個脫口秀段子，要求跟人工智能相關，要「好笑，幽默，非常好笑」。

結果就是一點都不好笑……如果不是由呼蘭讀出這些段子，那更加是毫無任何效果可言。

喜劇效果很大程度上依賴于脫口秀的表達方式，僅僅是作為文字時，段子的魅力會大大流失。 就算 AI 掌握了喜劇寫作的方式，但那也只是幽默的一小部分。

歸根到底，幽默是一個成分非常復雜的東西： 一個人的笑點，很大程度上受到所處的文化、社會的影響。這也是為什么在外國人大量涌入小紅書時，首先要學的是怎么各個表情包的使用。

如果用不明白這些表情包，上小紅書沖浪的樂趣就大大減少。可是要弄懂這些表情包，就要理解背后的文化含義，不然就會出現(xiàn)下面的情況

那更別提還沒有深度參與人類生活的 AI 了。在這次實驗中 ，人類創(chuàng)作的表情包在幽默性上，表現(xiàn)是最好的。

人機協(xié)作可以有效提高產(chǎn)出的數(shù)量，但并不一定就能提高質(zhì)量。

從根本上講，沒有一個表情包是孤島。在表情包里，不僅可以看到網(wǎng)友們在「網(wǎng)絡」這個公共場合表達自己的方式，還可以看到一些共有的主題，比如焦慮或者人生煩惱，所有這些復雜的問題都能反映在一個簡單的表情包里面。

大多數(shù)成功的表情包，尤其是傳播范圍廣的，都具有這些關鍵屬性。比如某一段時間內(nèi)流行的，通常是公眾記憶中最近發(fā)生的事情。

盡管一些大模型應用，數(shù)據(jù)好訓練好，確實可以寫出跟人類不相上下的段子。但它們始終無法捕捉不同情境下，人類幽默的深度和多樣性——共同的經(jīng)驗和記憶，才最能引發(fā)共鳴。

我們正在招募伙伴

簡歷投遞郵箱
hr@ifanr.com

?? 郵件標題
「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）