量子力学揭示幽默的深层机制,语义冲突就像量子态叠加

简介:

幽默感涉及的认知过程竟涉及量子现象。那么,可以借助量子力学来揭示幽默的深层机制吗?

  


“Time flies like anarrow; fruit flies like a banana.” 这句话乍一看,好象是说:时光像箭一样飞逝,水果像香蕉一样飞逝。其实这句话后半部分的真正意思是:果蝇喜欢吃香蕉。

 

很多幽默都利用了语言模糊性造成的冲突——比如,同一个词既可以做名词,也可以做动词。心理学家认为,人类幽默感的产生机制,取决于大脑的认知机制处理这种冲突的方式。

 

幽默,实际上展示了人类认知速度和灵活性的最高水平。因此,对幽默感机理的研究,或许可以帮助人工智能取悦人类。然而,心理学家和计算机科学家对人类幽默认知流程的研究进展缓慢,原因之一是因为:他们很难为幽默背后的认知冲突建立模型。

 

近日,幽默认知机制研究领域有了新的进展。加拿大不列颠哥伦比亚大学的利亚纳·加伯尔(Liane Gabora)和澳大利亚昆士兰科技大学的柯尔斯蒂·基托(Kirsty Kitto)基于量子理论,提出了一种新的幽默模型。他们已将这种模型应用于双关语和卡通幽默的研究中。

 

对幽默的建模,基本问题在于:在同一时间,处理2个或以上的语义冲突。

 

举个例子。纪晓岚与和珅同朝,纪晓岚为侍郎,和珅是尚书。一次,二人同饮,和珅指着一条狗问:“是狼(侍郎)是狗?”晓岚还击:“垂尾是狼,上竖(尚书)是狗!”这里,“上竖”是个动词,“尚书”是名词。这就产生了语义冲突。语义冲突处理,要求大脑在同一时间,维持两个冲突的语义。

 

加伯尔和基托表示,这个过程很像量子态叠加:同一个物体,在某时刻,同时存在于2个位置。只有当进行观察时,量子态坍缩,物体的位置才会被确定。

 

加伯尔和基托认为,量子态叠加背后的数学模型,也可以用来描述语义冲突。注意:这并不意味着幽默的认知过程依赖于量子现象,只是描述量子现象的模型被用来描述语义冲突。

 

幽默感能否产生,内容至关重要——取决于表达方式、听众所处环境等因素。理论上,量子模型可以把这些因素都纳入考虑,最终计算出听众理解内容并产生幽默感的概率。

 

之前主流的、基于经典概率论的语义模型认为:一个双关语的幽默程度,等于这个双关语的每个语义的幽默程度之和。加伯尔和基托认为,实验结果与经典概率模型预测结果之间的偏差可以用量子模型来解释。

 

加伯尔和基托对85名学生进行了测试,给他们一些双关语,让他们从1-5打分。5分为最幽默。实验结果确实和经典概率模型的预期果然有显著差异。

 

但是,观察到的偏差是不是实验方案的漏洞造成的?加伯尔和基托不这么看。他们认为,偏差证明,较之经典概率模型,量子模型能更准确地描述幽默的过程。

 

但是其他科学家持谨慎态度——经典概率模型跟实验结果有偏差,并不意味着量子模型就能有更好的效果。他们更倾向认为,实验结果是实验方法缺陷导致的。加伯尔和基托也承认,他们的实验中,并没有把词语的全部可能含义纳入考虑。

 

但是,问题在于,目前没有办法测量一条语句的所有语义的幽默度。因此,对于幽默的产生机理,科学家还需要做更多的努力。


原文发布时间为:2017-04-07
本文作者: 九州量子
本文来源:ZOL,如需转载请联系原作者。

目录
相关文章
|
机器学习/深度学习 传感器 编解码
再谈注意力机制 | 运用强化学习实现目标特征提取
再谈注意力机制 | 运用强化学习实现目标特征提取
再谈注意力机制 | 运用强化学习实现目标特征提取
|
4月前
|
机器学习/深度学习 人工智能
类人神经网络再进一步!DeepMind最新50页论文提出AligNet框架:用层次化视觉概念对齐人类
【10月更文挑战第18天】这篇论文提出了一种名为AligNet的框架,旨在通过将人类知识注入神经网络来解决其与人类认知的不匹配问题。AligNet通过训练教师模型模仿人类判断,并将人类化的结构和知识转移至预训练的视觉模型中,从而提高模型在多种任务上的泛化能力和稳健性。实验结果表明,人类对齐的模型在相似性任务和出分布情况下表现更佳。
103 3
|
12天前
|
机器学习/深度学习 自然语言处理 算法
《深度Q网络遇上注意力机制:解锁强化学习新高度》
深度Q网络(DQN)结合深度学习与Q学习,在复杂决策问题如Atari游戏上超越人类水平。然而,传统DQN在处理复杂环境时存在局限,难以聚焦关键信息。引入注意力机制后,DQN能更好地提取状态特征、优化动作价值评估,并解决时间序列依赖问题。实验表明,改进后的DQN在游戏和机器人操作任务中表现出色,提升了决策效率和准确性。尽管面临计算复杂度等挑战,未来有望通过硬件提升和算法优化进一步推动其应用与发展。
52 15
|
3月前
|
机器学习/深度学习 计算机视觉 网络架构
为什么卷积现在不火了:CNN研究热度降温的深层原因分析
纵观近年的顶会论文和研究热点,我们不得不承认一个现实:CNN相关的研究论文正在减少,曾经的"主角"似乎正逐渐淡出研究者的视野。
172 11
为什么卷积现在不火了:CNN研究热度降温的深层原因分析
|
3月前
|
机器学习/深度学习 人工智能 算法
从数据增强的隐藏作用出发,揭示视觉强化学习可塑性损失的独特机制
【10月更文挑战第22天】视觉强化学习(VRL)通过智能体与环境的交互学习最优策略,但可塑性损失是其关键挑战。近期一篇论文《Revisiting Plasticity in Visual Reinforcement Learning: Data, Modules and Training Stages》通过实证研究,揭示了数据增强、评论家可塑性损失及早期干预在维持智能体可塑性方面的作用,并提出了一种动态调整重放率的方法,为解决高重放率困境提供了新思路。
70 2
|
9月前
|
机器学习/深度学习 自然语言处理 运维
深度探索变分自编码器:理论与应用代码之韵:探索编程艺术的无限可能
【5月更文挑战第31天】 在深度学习的众多架构中,变分自编码器(Variational Autoencoder, VAE)以其对数据生成和潜在空间建模的强大能力而脱颖而出。本文将深入探讨VAE的核心原理,包括其概率生成模型、变分推断以及重参数化技巧,并剖析其在多个领域的实际应用案例。通过细致的技术解析与实例演示,我们旨在为读者提供一个关于VAE的全面视角,同时探讨当前的研究动态及未来发展趋势。
|
7月前
|
机器学习/深度学习 算法 搜索推荐
代码之舞:探索编程艺术的深层美学
在数字世界的舞台上,编程不仅是技术的体现,更是艺术的一种展现。本文将深入探讨编程背后的艺术性,从算法的优雅到代码的简洁,揭示如何通过技术实现创造性思维的飞跃。我们将一起走进编程的世界,感受它在解决问题过程中所展现出的独特魅力和美学价值。
|
8月前
|
机器学习/深度学习 监控 算法
傻傻分不清目标检测、语义分割和实例分割,看这篇就够了
傻傻分不清目标检测、语义分割和实例分割,看这篇就够了
567 0
|
算法
基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)
基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)
147 0
|
9月前
|
机器学习/深度学习 计算机视觉 网络架构
【FCN】端到端式语义分割的开篇之作! 从中窥探后续语义分割网络的核心模块(一)
【FCN】端到端式语义分割的开篇之作! 从中窥探后续语义分割网络的核心模块(一)
492 0
【FCN】端到端式语义分割的开篇之作! 从中窥探后续语义分割网络的核心模块(一)

热门文章

最新文章