Умеет ли ИИ шутить: как нейросеть понимает юмор

Шутка редко сводится к буквальному смыслу слов. Чтобы понять, почему она смешная, иногда нужно учитывать ситуацию, культурные отсылки и нарушение ожиданий. Для ИИ это означает, что одной реплики может быть недостаточно: часть смысла находится за пределами самого текста.

Это хорошо видно в исследовании Анны Арнетт, Банга Нгуена и Мэна Цзяна 2026 года. На 31 примере они сравнили два варианта запроса к языковой модели: первый дал 17 приемлемых объяснений, улучшенный — 27. Модель ошибалась, когда ей не хватало контекста или когда смысл шутки зависел не только от слов, но и от изображения, жестов или подачи.

Большие языковые модели обучаются на огромных массивах текстов — например, на публично доступных материалах из интернета и лицензированном контенте. Одна из основных задач GPT-подобных моделей во время такого обучения — предсказывать следующий токен, то есть небольшой фрагмент текста. Постепенно модель усваивает закономерности языка, в том числе те, которые встречаются в шутках.

Но по каким признакам система может распознать юмор? Это изучали Антониос Каллониатис и Панайотис Адамидис из Международного греческого университета. Они провели систематический обзор исследований по автоматическому распознаванию юмора: отобрали 106 научных работ и проанализировали, какие данные, признаки и алгоритмы в них использовались. Всего авторы выделили 21 признак, по которым системы пытались распознавать юмор. Среди них:

• неоднозначность слов;
• неожиданность и смысловое несоответствие;
• эмоциональная окраска;
• особенности оформления текста.

Например, система может учитывать необычное сочетание слов, пунктуацию или резкую смену смысла.

Поэтому исследователи не обнаружили универсального набора признаков, который одинаково хорошо работал бы с разными видами юмора. Их эффективность зависела от того, с какими данными работала система, а совпадение по отдельным признакам могло приводить к ошибкам — например, когда обычный текст принимался за юмористический.

Результат сильно зависит от модели и конкретного задания. В одних экспериментах языковые модели получали оценки на уровне людей или выше, в других заметно им уступали.

Когда ИИ шутит не хуже людей

В 2025 году Цао и его коллеги решили проверить, насколько хорошо GPT-4o справляется с юмором по сравнению с людьми. Участникам и нейросети давали разные задания, а затем оценивали получившиеся шутки.

С картинками всё оказалось наоборот: здесь лучше справились люди.

Отдельно исследователи проверили юмор в ситуациях общения — например, когда нужно с помощью шутки отреагировать на неприятную или конфликтную ситуацию. Хорошо работал приём, при котором человек старается увидеть происходящее с более позитивной стороны и пошутить над трудностями. Такой юмор называют самоподдерживающим. Высокие оценки получили и ответы людей, и варианты GPT-4o.

Исследование показало важную разницу: нейросеть может очень хорошо справляться с одними юмористическими заданиями и уступать человеку в других. Поэтому по одному удачному тесту нельзя сделать вывод, что ИИ вообще смешнее людей.

Почему нейросеть может повторять одни и те же шутки

В 2023 году Софи Йентш и Кристиан Керстинг попросили ChatGPT придумать 1008 шуток. На первый взгляд число внушительное, но при анализе обнаружилось много повторов: более 90% ответов сводились всего к 25 шуткам. Модель меняла формулировки, но часто возвращалась к одним и тем же знакомым сюжетам.

Затем исследователи проверили, умеет ли ChatGPT распознавать и объяснять чужие шутки. С настоящими шутками модель в целом справлялась хорошо. Но если ей давали обычную фразу, похожую по каким-то признакам на шутку, она могла решить, что юмор там всё-таки есть, и придумать объяснение.

Почему ИИ сложнее распознать сарказм и иронию

Фраза «Ну и прекрасная погода!» может быть похвалой, а может означать прямо противоположное — например, если её произносит человек, который только что промок под дождём.

Поэтому без знания ситуации легко понять такую реплику неправильно.

Роль контекста проверяли Дебанджан Гош, Александр Фаббри и Смаранда Муресан. Они сравнивали системы, которые анализировали только одну реплику, с системами, которым был доступен контекст разговора — например, предыдущая реплика.

Но одного контекста тоже не всегда достаточно. Для понимания сарказма и иронии могут понадобиться фоновые знания, культурные отсылки и понимание ситуации. Поэтому такие высказывания по-прежнему остаются сложной задачей для автоматического распознавания.

В меме или другой визуальной шутке смешное не всегда находится только в тексте или только в картинке. Иногда эффект появляется именно из их сочетания: подпись меняет смысл изображения, а изображение — смысл подписи. К этому могут добавляться культурные отсылки, которые тоже нужно распознать.

Чтобы проверить, насколько хорошо ИИ понимает визуальные шутки, исследователь Ведаант Джейн из Университета Иллинойса в Урбане-Шампейне вместе с коллегами создал HumorDB — набор данных для изучения графического юмора. Работу представили в 2025 году на Международной конференции по компьютерному зрению (ICCV). В HumorDB вошли фотографии, рисунки, скетчи и изображения, созданные ИИ.

Моделям предложили три задания:

• определить, есть ли в изображении юмор;
• предсказать, насколько смешным его оценят;
• из двух изображений выбрать более смешное.

Они обошли системы, работавшие только с картинкой. Но до человеческих результатов модели всё равно не дотянулись. Особенно заметной разница была на абстрактных рисунках и в случаях, где юмор строился на менее очевидных деталях.

В 2025 году исследователь Нарендра Нат Джоши из Adobe решил проверить, меняется ли восприятие юмора, если люди знают, что шутку придумал ИИ. В эксперименте участвовали 174 человека: одни знали происхождение шуток, а другие оценивали их, не зная автора.

В среднем шутки ИИ получили оценки, сопоставимые с человеческими. Но когда участникам не сообщали, что текст создала нейросеть, они оценивали такие шутки выше. Джоши также проверил, связаны ли оценки с особенностями самих участников. Молодые люди относились к юмору ИИ более положительно, а вот технический опыт, в том числе знакомство с ИИ-технологиями, заметного влияния на оценки не оказал.

Похожий эксперимент в 2024 году провели исследователи из Университета Южной Калифорнии Дрю Горенц и Норберт Шварц. Они дали ChatGPT 3.5 и обычным людям одинаковые задания: например, придумать смешное продолжение фразы или шутку на заданную тему. Затем другие участники оценивали ответы, не зная, кто их написал.

Во второй части исследования задачу усложнили. ChatGPT попросили придумать сатирические заголовки в стиле The Onion — известного американского издания, которое пародирует обычные новости, — а затем сравнили их с настоящими заголовками его авторов. Здесь ответы модели оценивали примерно на том же уровне, что и работы профессионалов.

Как и в исследовании Джоши, авторство ответов было скрыто. Поэтому результаты позволяют сравнивать реакцию людей на сами шутки, но не доказывают, что ИИ вообще смешнее человека: исследователи проверяли конкретную модель и конкретные виды письменного юмора.

В текстах, на которых обучаются языковые модели, могут встречаться стереотипы, предвзятые суждения и оскорбительные высказывания. Модель способна усвоить такие закономерности вместе с другими особенностями языка — и иногда воспроизвести их в ответе. В юморе это особенно заметно: шутка может строиться на стереотипе или оказаться обидной для определённой группы людей.

Чтобы снизить такой риск, разработчики фильтруют данные и дополнительно обучают модели избегать нежелательных ответов. Однако полностью избавиться от предвзятости пока не удалось: нежелательные закономерности всё ещё могут проявляться в сгенерированном тексте.

При этом языковая модель не придумывает шутку с человеческим намерением кого-то задеть. Она генерирует текст на основе изученных закономерностей. Но для читателя результат от этого не меняется: ответ ИИ всё равно может оказаться неуместным, обидным или просто неудачным.

Умение распознавать юмор нужно ИИ не для того, чтобы лучше развлекать пользователей. Шутки, сарказм и ирония — часть обычного общения, и без их понимания система может неверно определить смысл сообщения. Одна и та же фраза в зависимости от ситуации способна звучать дружелюбно, насмешливо или обидно.

Это важно, например, при анализе тональности текста — когда программа определяет, выражает сообщение положительное, отрицательное или нейтральное отношение. Сарказм легко сбивает такой анализ. Фраза «Отличный сервис, ждал ответа всего три часа» содержит положительное слово «отличный», хотя автор, скорее всего, выражает недовольство.

Похожая проблема возникает при автоматической модерации. Если система не распознает сарказм или иронию, она может неверно оценить смысл сообщения — как безобидного, так и потенциально вредного.

Поэтому для исследователей юмор — это часть человеческого общения, смысл которой зависит от контекста, ситуации и взаимодействия между людьми.

Нейросети научились довольно убедительно работать с юмором: придумывать шутки, распознавать их и объяснять, почему они смешные. При этом каждый из этих навыков требует от модели разных возможностей. Она может хорошо выполнить одно задание и ошибиться в другом — например, не уловить сарказм или не понять шутку без нужного контекста.

Точнее сказать, что современные модели научились распознавать и воспроизводить многие закономерности, на которых строится юмор, но результат по-прежнему зависит от вида шутки и доступного контекста.