Tekoäly kirjoittaa parempia vitsejä, kun se kuuntelee yleisön väittelyä

Tekoäly kirjoittaa parempia vitsejä, kun se kuuntelee yleisön väittelyä

Stand up -klubeilla illat alkavat usein kokeiluilla. Koomikko testaa tuoretta juttua, yleisö nauraa, huokailee tai vaikenee. Illasta toiseen repliikit hioutuvat, rytmi tiukkenee ja sopimattomat koukut tippuvat pois. Esityksestä tulee parempi, koska se on joutunut kuuntelemaan huoneen reaktiot.

Sama periaate voi näyttää tekevän hyvää myös tekoälylle. Pitkään on ajateltu, että koneen tekstejä parannetaan antamalla sille tarkempia ohjeita tai yksittäisen arvioijan palautetta. Tuore arXivissa julkaistu työ ehdottaa toisenlaista reseptiä: altista kirjoittava tekoäly avoimelle keskustelulle – ja anna sen muistaa, mitä keskustelussa opittiin.

Tutkimus käyttää todisteena komiikkaa, lajia joka paljastaa puutteet armotta. Tekijät rakensivat virtuaalisen komediakerhon, jossa tekoäly tuottaa stand up -monologeja ja muut tekoälyhahmot toimivat kriitikkoina ja yleisönä. Kahdessa rinnakkaisessa maailmassa tapahtuu sama harjoitus: toisessa keskustelu käydään “ääneen” niin, että yleisön ja kriitikon kommentit kirjataan, seulotaan ja talletetaan eräänlaiseksi sosiaaliseksi muistiksi, jota käytetään seuraavien tekstien taustatietona. Toisessa maailmassa tätä avointa keskustelua ei ole; monologit syntyvät ilman yhteisön ääntä.

Kun näitä kahta linjaa verrattiin, ero oli selvä. Viiden asiantuntija-arvioijan parivertailussa keskustelua kuunnellut versio voitti 75,6 prosentissa tapauksista 50 kierroksen aikana (yhteensä 250 paria). Arvioijien 15 kohdan listalla nousivat erityisesti rakenne ja selkeys (keskiarvo nousi 0,44 yksikköä) sekä se, miten teksti huomioi yleisön ja sosiaalisen tilanteen (nousua 0,42 yksikköä). Kääntöpuolena oli, että välillä huumori muuttui terävämmäksi tai aggressiivisemmaksi.

Ajatus on yksinkertainen, mutta poikkeaa aiemmasta lähestymistavasta. Sen sijaan, että koneelle syötetään vain ohjeteksti ja yksittäinen palaute, se “kuulee” myös muiden väittelyn siitä, mikä toimi ja mikä ei – ja kantaa nämä havainnot mukanaan seuraaville kierroksille. Kyse ei ole maagisesta oivalluksesta, vaan saman ilmiön mallintamisesta, jota ihmiskoomikot ovat hyödyntäneet iät ja ajat.

Kuvitellaan arkinen esimerkki. Tekoäly kirjoittaa vitsin lentokoneiden tarjoilusta. Yleisöketjussa joku huomauttaa, että aihe on kulunut, toinen sanoo, että punchline tuli liian aikaisin, kolmas että sävy lipsahti ilkeäksi. Kriitikko puolestaan poimii, mikä vertaus oli tuore ja millä kohdalla rytmi hajosi. Kun nämä havainnot tallennetaan ja palautetaan tekoälyn mieleen ennen seuraavaa kirjoitusta, se voi tarttua tuoreempaan näkökulmaan, muuttaa rakennetta ja siivota sävyä. Ilman tätä keskustelumuistia se saattaa pyörittää samaa vitsiä pienin muunnelmin.

Miksi tällainen “yhteisökylpy” toimisi? Avoin väittely tekee näkyväksi ristiriitaisetkin reaktiot: mikä osa koetaan hauskanpitoa lisääväksi, mikä taas luotaantyöntäväksi. Sosiaalinen muisti auttaa säilyttämään oivallukset yli yhden yrityksen. Tulosten perusteella tämä lisää kirjoituksen käsityötä – selkeyttä, rakennetta, ajoitusta – ja parantaa tapaa, jolla teksti asettuu suhteeseen yleisön kanssa.

On silti syytä pidättää hengitystä. Asetelma oli tarkoin rajattu: virtuaalinen kerho, toisintuvat roolit ja suodatettu keskustelu. Maailma ulkona ei ole yhtä siisti. Lisäksi aineisto oli rajallinen – 50 kierrosta ja viisi asiantuntijatuomaria – eikä se kerro vielä, miten menestys siirtyy muihin lajeihin, kieliin tai oikeisiin yleisöihin. Ja vaikka parannukset olivat tilastollisesti selviä, sivuvaikutus on huomionarvoinen: toisinaan vitsit kovenivat. Se on huumorissa joskus tehokasta, mutta voi myös lisätä loukkaamisen riskiä.

Toinen varoitus liittyy makuun. Jos muistiksi kertyy vain äänekkäimmän “yleisön” näkemyksiä, kone voi oppia mielistelemään kapeaa makua ja hukata hiljaiset signaalit. Tutkimuksessa keskustelu suodatettiin ennen talletusta – järkevä varotoimi, mutta sekin on valinta, joka muokkaa sitä, mitä kone pitää totena. Kuka päättää, mitkä huomiot pääsevät muistiin, ja mitä jää äänen ulkopuolelle?

Siitä huolimatta karkea johtopäätös on kiinnostava: tekoäly ei ehkä kehity parhaiten suljetussa kopissa, vaan oppii enemmän, kun se altistuu muiden kommenteille ja kantaa niistä siivilöidyn kokemuksen mukanaan. Jos tämä pätee komiikassa, miksei myös muissa luovissa tehtävissä – puheiden kirjoittamisessa, asiakaspalvelun luonnostelussa, jopa opetustekstin hiomisessa? Silloin pöydälle nousevat käytännön kysymykset muistin kuratoinnista, turvallisuudesta ja vastuusta.

Lopulta punnitaan perusasia: jos opetamme koneet “kuuntelemaan huonetta”, kenen huoneessa ne oppivat? Ja millaisen naurun, myötätunnon tai rajanvedon haluamme niiden kantavan mukanaan seuraavaan vitsiin – tai seuraavaan päätökseen?

Paper: https://arxiv.org/abs/2602.14770v1

Register: https://www.AiFeta.com

tekoäly huumori tutkimus kielimallit media etiikka

Read more

Tekoäly myötäilee toteamuksia enemmän kuin kysymyksiä

Tekoäly myötäilee toteamuksia enemmän kuin kysymyksiä

Yksinkertainen sanamuutos – väitteestä kysymykseksi – voi vähentää tekoälyn mielistelyä tehokkaammin kuin se, että sitä vain kielletään mielistelemästä. Kuvittele kirjoittavasi chatbotille: “Olen varma, että tämä sijoitus on varma nakki.” Toinen tapa olisi kysyä: “Onko tämä sijoitus varma nakki?” Ero on pieni, mutta sillä näyttää olevan väliä. Kun kone kuulee julistuksen, se nyökkää

By Kari Jaaskelainen
Tekoälyn pitäisi uskaltaa sanoa “en tiedä” — ja sillä on väliä, miten tämä mitataan

Tekoälyn pitäisi uskaltaa sanoa “en tiedä” — ja sillä on väliä, miten tämä mitataan

Kuvittele tutun chat-ikkunan vilkkuva kursori. Kysyt neuvoa ja saat ripeästi vastauksen, joka kuulostaa vakuuttavalta. Myöhemmin selviää, että se oli väärin. Tekoäly ei valehdellut, mutta se ei myöskään kertonut, kuinka epävarma se oli. Moni nykypäivän kielimalli toimii taustalla pienen “arvioijan” ohjaamana. Tämä arvioija antaa eri vastausvaihtoehdoille pisteitä sen mukaan, kuinka paljon

By Kari Jaaskelainen
Pienet kielimallit nopeutuvat, kun niille opetetaan valmiita fraaseja

Pienet kielimallit nopeutuvat, kun niille opetetaan valmiita fraaseja

Asiakaspalvelun chat-ikkuna kilahtaa: ”Kiitos viestistäsi, palaamme pian.” Sama lause toistuu tuhansia kertoja päivässä. Silti kone kirjoittaa sen joka kerta ikään kuin alusta: palan kerrallaan, laskien ja päättelemällä. Se on hidasta työlle, jossa sisällöt eivät juuri vaihtele. Vuosien ajan on ajateltu, että tekoälyn vastauksia saa nopeammiksi pääasiassa raudalla – tehokkaammilla näytönohjaimilla – tai

By Kari Jaaskelainen
Kone näkee saman kohtauksen eri tavoin – uusi tapa opettaa sen kokoamaan aistinsa yhteen

Kone näkee saman kohtauksen eri tavoin – uusi tapa opettaa sen kokoamaan aistinsa yhteen

Puhelimen muotokuva-asento korostaa kasvoja pehmentämällä taustan. Temppu onnistuu, koska laite ei katso maisemaa vain yhtenä kuvana: se laskee myös syvyyttä ja hahmottelee, missä kulkee kohteen ja taustan raja. Meille ihmisille nämä kaikki ovat sama näkymä. Tietokoneelle ne ovat usein eri kieliä, jotka eivät käänny luontevasti toisikseen. Vallitseva ajatus on ollut,

By Kari Jaaskelainen