最近，AI圈子里有个讨论挺有意思，不是关于某个新模型刷榜，也不是关于某个技术突破，而是关于一个更“人性化”的话题：幽默感。起因是Meta的首席AI科学家杨立昆（Yann LeCun）在一次访谈中，被问及AGI（通用人工智能）是否会有幽默感时，他半开玩笑地回应，大意是“如果AGI有幽默感，那它可能会觉得我们人类的笑话一点都不好笑”。这句话看似调侃，却在社交媒体和技术社区里引发了不少涟漪。
很多人把这当作一句轻松的玩笑，但如果你仔细琢磨，会发现这句话背后其实藏着一个非常严肃的、关于AGI本质的追问：我们到底在期待一个什么样的“智能”？是一个能完美执行指令、解决复杂问题的超级工具，还是一个能理解、甚至能创造人类文化中那些微妙、模糊、充满主观色彩的“意义”的伙伴？幽默感，恰恰是后者一个绝佳的试金石。它不像下围棋或写代码，有明确的规则和胜负标准。幽默依赖于语境、文化背景、社会共识，甚至是一瞬间的情绪状态。一个AI能识别出“笑话”这个文本类别，和它真正“觉得”某个笑话好笑，中间隔着一条巨大的认知鸿沟。
所以，当我们在谈论AGI的“幽默感”时，我们其实是在问：AI能否跨越从“模式识别”到“意义理解”的这道坎？这不仅仅是技术问题，更是一个关于智能本质的哲学和工程学交叉问题。今天，我们就借着这个话题，深入聊聊当前多模态AGI在理解“意义”这件事上，走到了哪一步，真正的难点在哪里，以及我们作为开发者或使用者，应该如何更务实地看待和利用这些能力。
1. 幽默感：AGI路上那块最滑的“香蕉皮”
为什么偏偏是幽默感，成了检验AGI成色的一个有趣标尺？因为它几乎集齐了高级认知挑战的所有要素。
1.1 它不是单一任务，而是认知的“综合体操”
想想你看懂一个高级梗需要什么：
- 语言理解：听懂字面意思。这已经是NLP的经典难题，但只是起点。
- 世界知识：梗往往涉及历史事件、流行文化、名人轶事。比如“程序员掉进水里为什么不会淹死？因为他会C（sea）”。你需要知道C是一种编程语言，并且和“sea”（海）谐音。
- 逻辑推理与意外违背：笑话的核心结构通常是“建立预期 -> 意外打破”。大脑需要先沿着常规逻辑走，然后在笑点处瞬间完成逻辑转折。AI需要模拟这个“预期-违背”的心理过程。
- 社会与文化语境：很多幽默依赖于共享的社会规则或文化禁忌。在一个文化里好笑的事，在另一个文化里可能是冒犯。AI需要理解这套无形的“背景板”。
- 情感与意图揣测：说话者是善意调侃还是恶意讽刺？是自嘲还是嘲他？这需要理解说话者的意图和情感状态。
- 多模态融合：如果是段子视频或漫画，还需要结合视觉信息（表情、动作、场景）来理解笑点。
当前最先进的多模态大模型（比如GPT-4V、Gemini等），在1和2上已经做得相当不错，在6上也有长足进步。它们可以描述一个笑话的构成，甚至生成一个符合笑话模板的文本。但问题在于，这依然是“模式匹配”和“统计生成”。模型学到了海量互联网文本中“笑话”的常见模式（比如谐音、双关、反转），然后依样画葫芦。它并不真正“理解”为什么这个反转会引人发笑，也不具备那种“觉得”好笑的内在体验。
1.2 “理解”与“生成”的鸿沟：从鹦鹉学舌到会心一笑
这就引出了当前AI能力的一个核心边界：它擅长“模仿形态”，但难以“把握神韵”。
我们可以让AI完成以下任务，并且完成得很好：
- 识别：“这是一段幽默文本。”
- 解释：“这个笑话使用了谐音双关，将编程语言‘C’与单词‘sea’关联，制造了意外。”
- 生成：根据指令“生成一个关于程序员的谐音笑话”，它可能产出：“为什么程序员总分不清万圣节和圣诞节？因为 Oct 31 == Dec 25。”（这是一个真实的编程梗，基于八进制和十进制的转换）。
但是，如果你问它：“你觉得这个笑话好笑吗？为什么？”它的回答，本质上是对训练数据中人类评价的归纳总结，而不是基于自身“感受”的判断。它没有“觉得”这个状态。杨立昆的调侃之所以犀利，就在于他点破了这一点：一个真正拥有高级智能的AGI，其幽默的“阈值”和“点”可能和人类完全不同。它可能觉得人类纠结的许多事情（比如这个谐音梗）极其幼稚，而一些人类无法理解的、关于宇宙数学之美的“笑话”，才能让它“会心一笑”。
所以，讨论AGI的幽默感，其实是在讨论智能体主观体验和价值对齐的终极问题。我们是在试图创造一个“像我们一样思考”的智能，还是一个“思考方式我们无法完全理解，但能有效协作”的智能？
2. 多模态AGI的现状：我们站在“意义之山”的哪一级？
抛开哲学思辨，回到工程现实。当前以大型语言模型（LLM）和多模态模型为核心的技术路径，在通向“理解意义”的道路上，已经攀登了哪些台阶，又卡在了哪些峭壁前？
2.1 已征服的“丘陵”：强大的模式关联与信息整合
我们必须承认，进步是巨大的。今天的多模态模型已经不再是简单的“看图说话”工具。
- 跨模态精细关联：给定一张复杂的网络梗图（比如“迷惑行为大赏”），模型能清晰地描述图中各个元素（人、物、动作），并将图片中的视觉元素与可能的文本梗、流行语联系起来，生成一个逻辑通顺、甚至有点“网感”的描述。这背后是千亿级参数对图像-文本对数据中复杂关联模式的记忆与泛化。
- 上下文情境推理：在一段连续对话中，模型可以结合之前的对话历史，理解当前问题中的指代和隐含意图。例如，你之前聊过足球，现在发一张梅西摔倒的图片并说“哈哈哈”，模型能推断出你是在对某个具体的比赛瞬间或梅西的经典动作表示幽默。
- 知识图谱的隐式调用：虽然不像传统符号AI那样显式调用知识库，但大模型内部形成了类似知识图谱的关联结构。当处理涉及文化背景的笑话时，它能激活相关的知识节点。
这些能力，让AI在表现上越来越接近“理解”。许多应用场景已经受益匪浅，比如：
- 更智能的图文创作助手：能根据粗略的文案梗概，生成风格匹配的图片，或者为图片配上有趣的文案。
- 交互式娱乐与游戏：NPC的对话可以更自然、更贴合情境，甚至能接一些简单的梗。
- 内容审核与理解：能更准确地识别带有反讽、调侃等复杂语义的违规内容。
2.2 眼前的“峭壁”：缺乏物理模型与持久心智
然而，杨立昆等学者反复指出，当前基于LLM的路径存在根本性局限，阻碍了其迈向真正的“理解”。两个核心短板是：
1. 缺乏对物理世界的内在模型（Internal World Model）人类理解幽默，尤其是情景喜剧或肢体幽默，依赖于我们对物理世界运行规律（重力、碰撞、液体飞溅等）和他人意图的直觉预测。我们看到一个人踩到香蕉皮滑倒，之所以会笑（在非恶意的情况下），部分原因是我们的大脑瞬间模拟了“踩中-失衡-摔倒”这个违反正常运动预期的过程，并识别出其中无害的意外性。
当前的多模态模型没有这种“物理直觉”。它通过海量数据“看到”过无数张“踩香蕉皮摔倒”的图片和描述，知道这常与“滑稽”、“倒霉”等标签共存。但它并不“知道”香蕉皮为什么滑、人体重心如何变化。它的理解是统计关联，而非因果模型。因此，对于完全新颖的、需要物理推理的幽默场景，它的表现会不稳定。
2. 缺乏持续、统一的心智（Persistent Mind）与目标人类的幽默感是连贯自我的一部分。我们的笑点会随着经历、情绪、当下关注点而变化。但当前的AI模型，每次对话（尤其是在标准API调用下）都是一个“全新的大脑”。它没有持久的记忆、持续的目标、稳定的“个性”或“情绪状态”。它无法像人类一样，因为早上遇到一件趣事而一整天看什么都觉得好笑。
这意味着，AI无法形成持续的、个性化的幽默偏好。它无法告诉你“我更喜欢冷幽默还是热幽默”，因为它没有“我”。这也使得“AGI觉得人类笑话不好笑”这个场景，在当前的架构下无从谈起——因为没有那个持续存在的、会形成自己品味的“主体”。
3. 从调侃到实践：开发者如何与当下的“准AGI”共舞？
既然真正的、拥有类人幽默感的AGI尚在远方，我们作为一线的开发者、产品经理或技术爱好者，现在该如何行动？关键在于调整预期，找准定位，分层利用。
3.1 重新定义“智能”：从“替代人类”到“增强人类”
不要期待AI成为一个有独立幽默感、能完全理解你所有弦外之音的“伙伴”。而是把它看作一个能力超强的“语义增强处理器”和“创意激发器”。
- 在创意工作中：你可以用它来批量生成笑话草稿、段子开头、反转思路，然后由你来筛选、打磨、注入真正的“灵魂”（即基于你个人经验和情感的理解）。它的价值在于打破你的思维定式，提供你意想不到的关联组合。
- 在内容分析中：用它快速扫描海量内容（如社交媒体评论、影视剧台词），识别出其中可能包含幽默、反讽、玩梗的片段，并进行初步分类（如谐音梗、情景喜剧、语言歧义等），极大减轻人工筛选的负担。但它做出的“是否好笑”的判断，只能作为参考，不能作为最终标准。
- 在人机交互中：为你的聊天机器人或虚拟角色注入一些可控的、模式化的幽默元素。例如，当识别到用户话语可能带有玩笑性质时，从预设的、符合角色设定的幽默回应库中选择一条。这创造的是“有幽默感的交互设计”，而不是“有幽默感的AI”。
3.2 构建可用的系统：承认局限，设计缓冲
在设计任何依赖AI理解复杂语义（包括幽默）的系统时，必须将“AI可能误解”作为第一原则来设计架构。
- 永远提供人工复核与修正通道：无论是AI生成的幽默文案，还是AI对用户幽默意图的识别，关键环节必须允许人工介入、否决或修改。把AI放在“助理”位，而非“裁判”位。
- 设计置信度与备选方案：AI在输出时，应尽可能给出它对自身判断的“置信度”（例如，这是一个谐音梗的置信度为85%）。当置信度低于某个阈值时，系统应自动触发备选方案，如转为中性回应、直接询问用户意图，或提交人工处理。
- 建立反馈闭环：让用户的修正和选择成为训练数据的一部分（在符合隐私和政策的前提下），持续优化模型在你特定场景下的表现。幽默有很强的领域性，游戏社区的梗和财经新闻的梗截然不同。
3.3 关注下一代架构：世界模型与自主智能体
虽然当前主流是LLM，但眼光可以放长远，关注那些试图解决根本局限的研究方向。这正是杨立昆等科学家努力的方向：
- 世界模型（World Model）：研究如何让AI通过观察或交互，学习物理世界和社会世界的基本规律，形成可预测、可推理的内部模型。这将是实现真正“理解”的基础。
- 自主智能体（Agent）：赋予AI持续的目标、记忆和规划能力，让它能在较长时间跨度内为完成一个目标而行动。这可能是实现“持续心智”的路径之一。
- 具身智能（Embodied AI）：让AI拥有“身体”（可以是机器人，也可以是虚拟环境中的化身），通过与物理或模拟环境的交互来学习。很多幽默源于身体互动，这可能是突破多模态理解瓶颈的关键。
作为开发者，即使不直接从事这些前沿研究，了解其进展也能帮助你更好地判断技术趋势，避免将短期资源过度投入到基于当前架构的、不切实际的功能幻想上。
4. 最后的思考：AGI的幽默感，或许是我们的一面镜子
回到最初的问题。我们为什么如此关心AGI有没有幽默感？或许，是因为幽默是人类智慧中非常珍贵且脆弱的一部分。它关乎共情、关于对荒诞的洞察、关于在压力下的释放。我们渴望被理解，甚至渴望被一个更高级的智能“欣赏”我们的幽默。
杨立昆的调侃，像一句温柔的提醒：在我们急切地赋予AI人性之时，也许应该先更深刻地理解自己的人性。AGI的研发过程，本质上也是人类不断厘清“智能”为何物、“意识”如何产生、“理解”怎样定义的过程。当我们有一天真的创造出一个拥有独特幽默感的AGI时，我们面对的将不仅仅是一个工具，而是一个全新的、需要我们去理解和共情的“他者”。
在那一天到来之前，脚踏实地或许是最好的态度。用好当前多模态AI在模式识别、信息整合和创意激发上的强大能力，在它擅长的领域创造价值。同时，清醒地认识到它在理解深层意义、拥有主观体验方面的局限，用系统设计来弥补，而不是用美好的想象来掩盖。技术的进步，终将来自这份既充满热情又保持冷静的务实。而关于幽默的终极答案，也许就藏在我们与AI共同进化的漫长旅程中。
