AI+脱口秀,笑点能靠算法创造吗

简介: 脱口秀是一种通过幽默诙谐的语言、夸张的表情与动作引发观众笑声的表演艺术。每位演员独具风格,内容涵盖个人情感、家庭琐事及社会热点。尽管我尝试用AI生成脱口秀段子,但AI缺乏真实的情感共鸣和即兴创作能力,生成的内容显得不够自然生动,难以触及人心深处的笑点。例如,AI生成的段子虽然流畅,却少了那份不期而遇的惊喜和激情,无法真正打动观众。简介:脱口秀是通过幽默语言和夸张表演引发笑声的艺术形式,AI生成的段子虽流畅但缺乏情感共鸣和即兴创作力,难以达到真人表演的效果。

脱口秀

先来说说什么是脱口秀?其实,对于我来说,我还是比较喜欢看脱口秀,并且看过的脱口秀节目也不少,那么什么是脱口秀呢?

脱口秀,这一表演艺术形式,实则是一种由演员在舞台上通过幽默诙谐的语言表达、夸张生动的表情与动作,以及机智敏锐的讽刺手法,来引发观众笑声与共鸣的演出方式。对我个人而言,我尤其钟爱观赏脱口秀节目,也积累了相当丰富的观赏经验。每位脱口秀演员都独具匠心,拥有自己鲜明的风格与不可抗拒的个人魅力,他们的表演内容广泛涉及个人情感体验、家庭琐事,乃至社会热点关注、政治事件评论,无所不谈,无所不及。这便是脱口秀的魅力所在。

AI生成段子

虽然我并非脱口秀演员,但我确实尝试过使用AI来生成脱口秀段子。然而,每次生成的段子似乎都缺乏那种令人捧腹大笑的魔力,或者说,它们并不总是那么生动有趣。归根结底,AI在生成幽默段子时,其创作素材大多基于对已有幽默段子的学习和训练。尽管如此,AI生成的幽默段子往往让人感觉算法的痕迹过于明显。这种幽默虽然能够被感知,但却显得不够自然流畅,难以触及人们内心深处的欢乐,让人真正开怀大笑。

AI 幽默

实际上,相较于真人创作的幽默,AI幽默在触发人的共情或同感方面确实显得稍显局限。脱口秀文本创作往往需要发散性的思维,许多经典幽默都是在不同点子相互碰撞中诞生的。这种灵感的迸发和思维的火花,在AI生成的幽默段子中往往难以体现。AI幽默虽然流畅,但脱口秀的魅力往往在于那种不期而遇的惊喜和激情。若失去了这种激情,即便是再精妙的段子,也可能难以产生令人难忘的效果。

下面是AI生成的一小段脱口秀的段子:

有一天,我去动物园玩,看到一只猴子在用手机。我走过去问它:“嘿,伙计,你在干嘛呢?”猴子抬起头,看了我一眼,然后叹了口气说:“哎,我在跟我的朋友们炫耀我的新手机,他们都羡慕死了!”
我惊讶地问:“真的吗?你怎么跟他们炫耀的?”猴子笑了笑,说:“我在朋友圈发了张自拍,还配了句话:‘你们看,我终于学会用智能手机了!’ 结果他们都说:‘哇,你可真是个天才猴子!’”
我忍不住笑出声来,说:“哈哈,那你这智商都快赶上人类了!”猴子翻了个白眼,说:“是啊,我现在连熬夜看剧都学会了,每天晚上都看到凌晨三点,第二天起来还精神抖擞的!”
我越想越觉得好笑,又说:“那你这生活作息都快赶上程序员了!”猴子叹了口气,说:“哎,说实话,我也想睡个好觉,可是这智能手机太好玩了,我根本停不下来啊!”

我又让AI生成一段关于人工智能的脱口秀段子:


大家好,今天来聊聊人工智能啊。你们知道吗,现在这人工智能可太神奇了,就像个无处不在的小幽灵。

我就感觉啊,这人工智能就像是那种特别聪明的学霸,啥都能干一点。你看啊,GPT - 4都能生成脱口秀段子了,还能模仿那些脱口秀大神的风格,什么乔治卡林吐槽电动车,路易CK吐槽地铁的风格它都能模仿个八九不离十。不过呢,我就想啊,它虽然能写出那种还过得去的段子,可还是差点意思。

就像我有一次和呼兰聊天,他跟一个AI比脱口秀。那AI可逗了,一会儿上海话讲得那叫一个溜,说什么技术能赢就是“老结棍”(上海话)。这AI啊,就像个会背书的机器,虽然也能给你整出点笑料,但是和真正的脱口秀演员比起来,就像是没有灵魂的空壳。

咱再说回人工智能在其他方面的应用。就像那些程序员啊,天天捣鼓这东西,什么智能交通系统,说是能让打车更方便。可我就想象家里老人要叫车那画面,得先“一键叫我”,我再“一键叫车”,哈哈,真不是那么简单。

还有啊,在医疗方面,AI说是能让看病轻松点。可医院科室要是真按老百姓的想法,就不该叫啥“骨科”“内科”了,就该是“嗓子疼科”“睡不着科”“睡觉把脖子扭了科”,这才是咱老百姓真实的痛点啊。不过现在有了AI帮忙,有些问题也确实改善了。

但是呢,人工智能毕竟不是人啊,它没有我们人类那种丰富的情感和创造力。就好比让AI写首诗,它能按照模板给你整出来,可那诗里的情感就像硬挤出来的一样。而我们人类的创造力就像魔法一样,说不定哪天能创造出一个全新的人工智能,让它也能真正地像人一样幽默风趣。不过在那之前啊,咱们还是得对这神奇又有点“傻气”的人工智能抱点乐观的态度,毕竟它也在努力改变咱们的生活嘛。谢谢大家!

其实,AI生成的段子在社会意义上和拿捏人们的笑点上确实不是那么的精准。

相关文章
|
4月前
|
传感器 人工智能 监控
智慧工地 AI 算法方案
智慧工地AI算法方案通过集成多种AI算法,实现对工地现场的全方位安全监控、精准质量检测和智能进度管理。该方案涵盖平台层、展现层与应用层、基础层,利用AI技术提升工地管理的效率和安全性,减少人工巡检成本,提高施工质量和进度管理的准确性。方案具备算法精准高效、系统集成度高、可扩展性强和成本效益显著等优势,适用于人员安全管理、施工质量监控和施工进度管理等多个场景。
167 0
|
1月前
|
人工智能 编解码 算法
DeepSeek加持的通义灵码2.0 AI程序员实战案例:助力嵌入式开发中的算法生成革新
本文介绍了通义灵码2.0 AI程序员在嵌入式开发中的实战应用。通过安装VS Code插件并登录阿里云账号,用户可切换至DeepSeek V3模型,利用其强大的代码生成能力。实战案例中,AI程序员根据自然语言描述快速生成了C语言的base64编解码算法,包括源代码、头文件、测试代码和CMake编译脚本。即使在编译错误和需求迭代的情况下,AI程序员也能迅速分析问题并修复代码,最终成功实现功能。作者认为,通义灵码2.0显著提升了开发效率,打破了编程语言限制,是AI编程从辅助工具向工程级协同开发转变的重要标志,值得开发者广泛使用。
7971 69
DeepSeek加持的通义灵码2.0 AI程序员实战案例:助力嵌入式开发中的算法生成革新
|
4月前
|
传感器 人工智能 监控
智慧电厂AI算法方案
智慧电厂AI算法方案通过深度学习和机器学习技术,实现设备故障预测、发电运行优化、安全监控和环保管理。方案涵盖平台层、展现层、应用层和基础层,具备精准诊断、智能优化、全方位监控等优势,助力电厂提升效率、降低成本、保障安全和环保合规。
163 1
智慧电厂AI算法方案
|
1月前
|
人工智能 算法
细思极恐,GPT-4竟串谋AI欺骗人类!哈佛PSU重磅揭秘算法共谋,AI教父预言正成真
近日,哈佛大学和宾夕大合著的重磅论文揭示,基于大型语言模型(如GPT-4)的算法可能自主串谋,损害消费者利益。研究发现,这些算法在虚拟市场中能迅速达成默契,提高价格以获取更高利润,类似于人类垄断行为。这一现象曾被DeepMind联合创始人Shane Legg预言,如今成为现实。论文呼吁加强对AI的监管,确保其透明性和可解释性,以防止潜在风险,并促进AI的可持续发展。
33 6
|
26天前
|
机器学习/深度学习 自然语言处理 算法
生成式 AI 大语言模型(LLMs)核心算法及源码解析:预训练篇
生成式 AI 大语言模型(LLMs)核心算法及源码解析:预训练篇
141 0
|
2月前
|
机器学习/深度学习 人工智能 算法
Transformer打破三十年数学猜想!Meta研究者用AI给出反例,算法杀手攻克数学难题
《PatternBoost: Constructions in Mathematics with a Little Help from AI》提出了一种结合传统搜索算法和Transformer神经网络的PatternBoost算法,通过局部搜索和全局优化交替进行,成功应用于组合数学问题。该算法在图论中的Ramsey数研究中找到了更小的反例,推翻了一个30年的猜想,展示了AI在数学研究中的巨大潜力,但也面临可解释性和通用性的挑战。论文地址:https://arxiv.org/abs/2411.00566
106 13
|
3月前
|
机器学习/深度学习 人工智能 算法
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
Enhance-A-Video 是由上海人工智能实验室、新加坡国立大学和德克萨斯大学奥斯汀分校联合推出的视频生成质量增强算法,能够显著提升视频的对比度、清晰度和细节真实性。
158 8
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
|
3月前
|
机器学习/深度学习 缓存 人工智能
【AI系统】QNNPack 算法
QNNPACK是Marat Dukhan开发的量化神经网络计算加速库,专为移动端优化,性能卓越。本文介绍QNNPACK的实现,包括间接卷积算法、内存重排和间接缓冲区等关键技术,有效解决了传统Im2Col+GEMM方法存在的空间消耗大、缓存效率低等问题,显著提升了量化神经网络的计算效率。
82 6
【AI系统】QNNPack 算法
|
3月前
|
存储 人工智能 缓存
【AI系统】Im2Col 算法
Caffe 作为早期的 AI 框架,采用 Im2Col 方法优化卷积计算。Im2Col 将卷积操作转换为矩阵乘法,通过将输入数据重排为连续内存中的矩阵,减少内存访问次数,提高计算效率。该方法首先将输入图像转换为矩阵,然后利用 GEMM 库加速计算,最后将结果转换回原格式。这种方式显著提升了卷积计算的速度,尤其适用于通道数较多的卷积层。
98 5
【AI系统】Im2Col 算法
|
3月前
|
存储 机器学习/深度学习 人工智能
【AI系统】Winograd 算法
本文详细介绍Winograd优化算法,该算法通过增加加法操作来减少乘法操作,从而加速卷积计算。文章首先回顾Im2Col技术和空间组合优化,然后深入讲解Winograd算法原理及其在一维和二维卷积中的应用,最后讨论算法的局限性和实现步骤。Winograd算法在特定卷积参数下表现优异,但其应用范围受限。
86 2
【AI系统】Winograd 算法

热门文章

最新文章